摘要
背景
束流角优化(BAO)是放射治疗(RT)治疗计划中的关键组成部分,束流配置的微小变化都可能显著影响治疗质量,尤其是对于质子放射治疗。从数学角度看,BAO 是一个混合整数规划(MIP)问题,由于其搜索空间呈指数级增长,因此属于 NP 难问题。传统优化技术在计算效率方面往往难以应对,因此需要开发新的方法。
目的
本研究提出了一种混合量子-经典方法 QC-BAO,该方法利用量子启发式技术来解决 BAO 的 MIP 问题。
方法
所提出的 QC-BAO 方法将 BAO 建模为 MIP 问题,其中采用二元变量进行束流角选择,并采用连续变量优化质子治疗的斑点强度。该方法采用混合量子-经典框架,利用量子启发式技术解决二元决策部分,同时结合经典优化技术,包括迭代凸松弛和交替方向乘子法。
结果
对临床测试病例进行了计算实验,以评估 QC-BAO 与机构标准(IS)束流角以及启发式方法 GS-BAO 和 AG-BAO 相比的性能。QC-BAO 在选择束流角方面持续优于 IS、GS-BAO 和 AG-BAO 方案的治疗计划质量。QC-BAO 持续提高了目标覆盖的适形指数(CI),同时降低了对危及器官(OAR)的平均剂量和最大剂量。例如,在肺部病例中,QC-BAO 的适形指数为 0.89,而 IS 为 0.89,GS-BAO 为 0.76,AG-BAO 为 0.86;同时肺部平均剂量从 IS 的 3.36 Gy、GS-BAO 的 4.80 Gy 和 AG-BAO 的 3.03 Gy 降至 2.78 Gy。此外,QC-BAO 产生了最低的目标函数值,进一步证明了其卓越的优化能力。
结论
研究结果表明,量子启发式算法在改善 BAO 问题的解决方案方面具有潜力,所提出的方法 QC-BAO 在治疗计划质量方面展现了显著的提升。本研究为量子加速优化技术在放射治疗中的未来临床应用铺平了道路。
利益冲突声明
作者声明不存在利益冲突。


