강인성을 포함한 다목표 최적화 기반 양성자 치료 계획

본 논문은 강인성을 다목표 최적화(Multi‑Criteria Optimization, MCO) 프레임워크에 통합하는 새로운 방법론을 제시한다 IMPT(Intensity‑Modulated Proton Therapy)에서는 양성자 빔의 Bragg 피크가 급격히 감소하기 때문에 작은 설정 오류나 범위 불확실성에도 선량 분포가 크게 변한다 전통적인 PTV(Planning Target Volume) 접근법은 광자 치료에 적합하지만 양성자 치료에서는 충분히 보장되지 않는다 따라서 오류 시나리오를 명시적으로 고려하는 강인화 최적화가 필요하다 저자들은 먼저 오류 시나리오 집합 K를 정의한다 범위 불확실성은 과·과소조정 두 시나리오로 모델링하고 설정 오류는 3차원 방향으로 일정 거리 λ만큼 이동하는 6개 혹은 20개의 시나리오로 구성한다 각 시나리오마다 선량 영향 행렬 D I를 사전 계산하여 임의의 강도 벡터 x에 대해 시나리오 I에서의 선량 d I = D I x 를 얻는다 다목표 최적화 문제는 목표 함수 f₁…f_M 와 제약 g₁…g_N 으로 구성되며 각 함수는 선량 벡터 d (K개의 시나리오 선량을 연결한 전체 벡터)에 대한 스칼라 값이다 강인화 목표는 “시나리오 전체에서 최악값”(최대값 혹은 최소값)을 취하도록 정의된다 예를 들어 목표 조직에 대한 최대 선량을 최소화하는 강인화 목표는 모든 시나리오 중 가장 큰 최대 선량을 최소화한다 또한 기대 평균 선량을 위한 가중합 목표도 지원한다 목표 함수와 제약은 최소·최대, 평균, ramp(과다·미달) 형태로 구현되며 ramp 함수는 과다·미달 선량의 평균값을 구해 목표 조직과 인접 장기에 대한 부드러운 제어를 가능하게 한다 문제는 선형·볼록 형태이므로 선형 투사 해석기 ART3+O를 사용한다 이 해석기는 대규모 변수와 제약을 효율적으로 처리하여 고해상도 격자(수십만 voxel)와 다수의 시나리오(최대 29개)를 포함하는 경우에도 몇 분 안에 수렴한다 임상 적용을 위해 두 사례를 분석하였다 첫 번째는 두개골 기저 부위이며, 기존 PTV 기반 계획과 비교했을 때 강인화 MCO 계획은 설정·범위 오류에 대한 목표 조직의 최소 선량 저하와 정상 조직의 과다 선량 상승을 현저히 억제하였다 두 번째는 척추 기저암(Chordoma) 사례로, 목표 조직의 저용량과 뇌줄기 보호 사이, 그리고 강인성 대 명목 품질 사이의 복합적인 트레이드오프를 보여준다 Pareto 표면을 탐색함으로써 플래너는 강인성 수준을 직관적으로 조절하고 선호하는 균형점을 선택할 수 있다 모든 사례에서 각 Pareto 최적 해를 생성하는 데 소요된 시간은 표준 PC에서 5분 이하였으며, 이는 임상 워크플로우에 실시간 인터랙티브 플래닝을 가능하게 한다 결론적으로, 본 연구는 강인화 목표와 비강인화 목표를 동일한 MCO 데이터베이스에 포함시켜 플래너가 강인성 및 명목 품질 사이의 트레이드오프를 시각적으로 파악하고 가중치 튜닝 없이 최적 계획을 빠르게 도출할 수 있는 실용적인 프레임워크를 제공한다