3.5 Optimización del plan de tratamiento de radioterapia
La radioterapia es un tratamiento contra el cáncer que utiliza haces de energía intensa, como los rayos X, para destruir las células cancerosas. Antes de que comience el tratamiento, un equipo de radioterapia, que incluye oncólogos radioterapeutas y planificadores, colabora para diseñar un plan de tratamiento eficaz. Esto implica determinar la dosis necesaria de radioterapia y señalar las ubicaciones exactas que necesitan tratamiento.
La planificación del tratamiento de radioterapia puede formularse como un problema de optimización de dos bucles. El bucle interno, conocido como planificación inversa, incluye procesos como la optimización del mapa de influencia y la optimización directa de aperturas [62]. Este problema de optimización suele ser uno con restricciones, resuelto por un optimizador numérico, con el objetivo de minimizar una función de costo ponderada que equilibra múltiples objetivos en conflicto [63]. Estos objetivos incluyen administrar la dosis prescrita al volumen blanco de planificación (PTV, por sus siglas en inglés), que abarca el tumor y un margen adicional para tener en cuenta las incertidumbres en la planificación o la administración del tratamiento, mientras se protege a los tejidos normales críticos, conocidos como órganos en riesgo (OAR, por sus siglas en inglés), de recibir dosis inseguras.
El principal desafío en la planificación del tratamiento es traducir los objetivos clínicos generales en funciones objetivo ponderadas y restricciones de dosis que produzcan un plan aceptable [62]. Los planificadores humanos suelen utilizar un enfoque de prueba y error, ajustando iterativamente los hiperparámetros de optimización en función de los resultados del proceso de optimización hasta que los planes cumplan con los requisitos clínicos [62]. Estos hiperparámetros incluyen los pesos asignados a los PTV, a los órganos y a otros tejidos en la función objetivo. Este proceso puede ser subjetivo, influido por la experiencia del planificador y el tiempo disponible, e implica utilizar repetidamente algoritmos de optimización computacionalmente costosos durante muchas iteraciones. Esto hace que el proceso sea ineficiente, lento y costoso [64].
Método. Aplicamos TEXTGRAD para realizar la optimización del bucle externo, es decir, la optimización de hiperparámetros para el optimizador numérico del bucle interno. La optimización de instancias se realiza con gpt-4o sobre los hiperparámetros representados como una cadena: "peso para PTV: [PTV WEIGHT], peso para vejiga: [BLADDER WEIGHT], peso para recto: [RECTUM WEIGHT], peso para cabezas femorales: [FH WEIGHT], peso para cuerpo: [BODY WEIGHT]". Cuando se proporcionan los hiperparámetros, obtenemos el plan de tratamiento adoptando un optimizador numérico y construyendo una pérdida como la discrepancia entre el plan actual y los objetivos clínicos. Específicamente, para calcular el gradiente, primero resolvemos el bucle de optimización interno usando un optimizador numérico matRad[65] para obtener el plan de tratamiento correspondiente . La pérdida se calcula sobre el plan de tratamiento y los objetivos clínicos usando un LLM con las indicaciones proporcionadas en la Sección G.1.
y los nuevos hiperparámetros se obtienen mediante un paso de descenso de TextGrad
Para mejorar aún más la capacidad del LLM de comprender la relación entre los hiperparámetros y el plan resultante de matRad, se proporciona un conjunto de planes emparejados y sus hiperparámetros correspondientes como contexto para los LLM durante el TGD_step. Por lo tanto,

Métricas de evaluación. Para evaluar un plan de tratamiento, adoptamos varias métricas de dosis de uso común, ya que un plan no puede evaluarse mediante una única métrica. Consideramos la dosis media administrada al volumen objetivo/órgano, así como , que denota la dosis mínima recibida por el del volumen objetivo/órgano.
Resultados. Los gradientes generados por TExTGRAD proporcionan una guía significativa para mejorar los hiperparámetros. Como se ilustra en la Figura 3, cuando hay dispersión de dosis fuera del Volumen Objetivo de Planificación (PTV), el gradiente sugiere un aumento en el peso de importancia para el PTV. Este ajuste da como resultado una dosis más uniforme y confinada para el PTV. Sin embargo, esto puede llevar a una protección insuficiente de la vejiga y el recto, ya que sus pesos relativos se reducen. Por lo tanto, en el siguiente paso, los gradientes sugieren aumentar ligeramente los pesos para la vejiga y el recto, lo que resulta en una mejor protección de estos órganos. Comparamos los planes optimizados con TExTGRAD con los planes clínicos utilizados para tratar a cinco pacientes con cáncer de próstata. En la Figura 3 (c), evaluamos las capacidades de TextGrad para alcanzar los objetivos clínicos en la región del PTV. TextGrad supera a los planes clínicos en todas las métricas, logrando una dosis media más alta y una que coincide exactamente con la dosis prescrita. En la Figura 3 (d), nos centramos en la preservación de los órganos sanos. Los planes optimizados con TextGrad logran dosis medias más bajas para estos órganos sanos, lo que sugiere una mejor preservación de órganos que los planes optimizados por humanos. Reportamos los promedios a través de cinco planes y con la desviación estándar incluida entre paréntesis.