3.5 방사선 치료 계획 최적화
방사선 요법이라고도 알려진 방사선 치료는 X선과 같은 강력한 에너지 빔을 사용하여 암세포를 죽이는 암 치료법이다. 치료가 시작되기 전에, 방사선 종양학자와 계획자를 포함한 방사선 치료 팀이 협력하여 효과적인 치료 계획을 설계한다. 이는 필요한 방사선 요법의 선량을 결정하고 치료가 필요한 정확한 위치를 특정하는 것을 포함한다.
방사선 치료 계획은 이중 루프 최적화 문제로 정식화될 수 있다. 역 계획법으로 알려진 내부 루프는 영향 맵 최적화 및 직접 조리개 최적화와 같은 과정을 포함한다[62]. 이 최적화 문제는 일반적으로 제약된 문제로, 수치 최적화기에 의해 해결되며, 여러 상충하는 목표들의 균형을 맞추는 가중 비용 함수를 최소화하는 것을 목표로 한다[63]. 이러한 목표에는 계획 또는 치료 전달의 불확실성을 고려하기 위해 종양과 추가 여백을 포함하는 계획 표적 체적(PTV)에 처방 선량을 전달하는 동시에, 위험 장기(OAR)로 알려진 중요 정상 조직이 안전하지 않은 선량을 받지 않도록 보호하는 것이 포함된다.
치료 계획의 주요 과제는 전반적인 임상 목표를 수용 가능한 계획을 산출하는 가중 목적 함수 및 선량 제약 조건으로 변환하는 것이다[62]. 인간 계획자는 종종 시행착오 접근법을 사용하여, 계획이 임상 요구 사항을 충족할 때까지 최적화 과정의 결과에 기반하여 최적화 하이퍼파라미터를 반복적으로 조정한다[62]. 이러한 하이퍼파라미터에는 목적 함수에서 PTV, 장기 및 기타 조직에 할당된 가중치가 포함된다. 이 과정은 계획자의 경험과 가용 시간에 영향을 받아 주관적일 수 있으며, 많은 반복에 걸쳐 계산 비용이 많이 드는 최적화 알고리즘을 반복적으로 사용하는 것을 수반한다. 이는 과정을 비효율적이고, 시간 소모적이며, 비용이 많이 들게 만든다[64].
방법. 우리는 내부 루프 수치 최적화기에 대한 하이퍼파라미터 최적화, 즉 외부 루프 최적화를 수행하기 위해 TEXTGRAD를 적용한다. 인스턴스 최적화는 문자열로 표현된 하이퍼파라미터에 대해 gpt-4o로 수행된다: "PTV 가중치: [PTV WEIGHT], 방광 가중치: [BLADDER WEIGHT], 직장 가중치: [RECTUM WEIGHT], 대퇴골두 가중치: [FH WEIGHT], 신체 가중치: [BODY WEIGHT]". 하이퍼파라미터가 주어지면, 우리는 수치 최적화기를 채택하고 현재 계획과 임상 목표 간의 불일치로 손실을 구성하여 치료 계획을 얻는다. 구체적으로, 그래디언트를 계산하기 위해 먼저 수치 최적화기 matRad[65]를 사용하여 내부 최적화 루프를 풀어 해당 치료 계획 를 얻는다. 손실은 섹션 G.1에 제공된 프롬프트를 사용하는 LLM을 통해 치료 계획 와 임상 목표 에 대해 계산된다.
그리고 새로운 하이퍼파라미터는 TextGrad 하강 단계에 의해 얻어진다.
하이퍼파라미터 와 matRad로부터의 결과 계획 사이의 관계를 LLM이 더 잘 이해할 수 있도록 하기 위해, 짝지어진 계획과 그에 대응하는 하이퍼파라미터의 집합 이 TGD_step 동안 LLM을 위한 컨텍스트로 제공된다. 따라서,

평가 지표. 치료 계획은 단일 지표로 평가할 수 없으므로, 우리는 계획을 평가하기 위해 일반적으로 사용되는 여러 선량 지표를 채택한다. 우리는 표적/장기 체적에 전달된 평균 선량과, 표적/장기 체적의 가 받는 최소 선량을 나타내는 를 고려한다.
결과. TExTGRAD가 생성한 그래디언트는 하이퍼파라미터를 개선하기 위한 의미 있는 지침을 제공한다. 그림 3에 예시된 바와 같이, 계획 표적 체적(PTV) 외부에 선량 유출이 있을 때, 그래디언트는 PTV에 대한 중요도 가중치의 증가를 제안한다. 이 조정은 PTV에 대해 더 균일하고 국한된 선량을 초래한다. 그러나 이는 방광과 직장의 상대적 가중치가 감소하기 때문에 이들에 대한 보호가 불충분해질 수 있다. 따라서 다음 단계에서 그래디언트는 방광과 직장의 가중치를 약간 증가시킬 것을 제안하며, 그 결과 이들 장기에 대한 보호가 더 나아진다. 우리는 TExTGRAD로 최적화된 계획을 다섯 명의 전립선암 환자를 치료하는 데 사용된 임상 계획과 비교하였다. 그림 3 (c)에서 우리는 PTV 영역에 대한 임상 목표 달성에 있어 TextGrad의 능력을 평가한다. TextGrad는 모든 지표에서 임상 계획을 능가하여 더 높은 평균 선량과 처방 선량과 정확히 일치하는 를 달성한다. 그림 3 (d)에서 우리는 건강한 장기의 보호에 초점을 맞춘다. TextGrad로 최적화된 계획은 이들 건강한 장기에 대해 더 낮은 평균 선량을 달성하며, 이는 인간이 최적화한 계획보다 더 나은 장기 보호를 시사한다. 우리는 다섯 개 계획에 걸친 평균을 보고하며, 표준 편차는 괄호 안에 포함한다.