Predikce pozdní toxicity kritických orgánů po zevní radioterapii prostaty

Abstract

Cílem diplomové práce bylo nalezení parametrů, které vstupují do různých výpočetních modelů, s jejichž pomocí se napočítávají pravděpodobnosti komplikace zdravé tkáně pro daný zdravotní problém charakterizované veličinou NTCP. Teoretická část shrnuje základní veličiny klinické radiobiologie, endponty pozorované u kritických orgánů, rozšiřuje se o konfidenční intervaly parametrů veličin, které jsou využity v experimentální části a podává základní informace o využití Machine Learning v radioterapii. Předzpracovaná data vyexportovaná z plánovacího systému ve FN Motol byla přepočítána pro různé vstupní intervaly těchto parametrů s cílem odhadnout citlivost konečných veličin na variabilitě těchto parametrů. Výsledky byly porovnány s dostupnými informacemi o pozorované toxicitě rekta a močového měchýře pacientů léčených ve FN Motol. Pacientské informace byly získány formou plošného dotazníkového šetření čítajícího více než 380 pacientů.

The aim of this work was to find input parameters for computational models of NTCP (normal tissue complication probability). The theoretical part summarizes fundamental quantities of clinical radiobiology, endpoints for organs at risk, adds confidential intervals to the parameters of quantities used in the experimental part and gives basic information about use of Machine Learning in radiotherapy. Preprocessed data exported from treatment planning system in FN Motol were recounted for different entrance intervals of these parameters with the aim of estimating the sensitivity of final quantities on the variability of the entrance parameters. Outcomes was then compared to the available information about observed rectum and bladder toxicity of the patients treated in FN Motol. The information was obtained via questionnaire sent to more than 380 patients.