幻灯片 2：研究背景与临床痛点——为什么要转变？ 页面标题：临床痛点：摆脱“事后描述”，走向“事前预测” 核心内容： 传统剂量学比较的瓶颈： IMRT vs VMAT 等剂量学对比属于“事后分析”，对当前患者的放疗决策（治疗前）缺乏直接的预测能力。 放疗“模型驱动决策”的趋势（文献支持）： Langendijk 等人（2018, Radiother Oncol） 提出的“模型驱动患者筛选框架”，指出必须在治疗前构建可靠的预测模型，才能精准筛选出能从先进放疗技术中获益的患者。 科研升级路径： 从“描述性剂量学分析”（只说明技术优劣） → → 升级为“个体化预测”（预测指定患者的解剖生理变化与剂量损伤风险）。 本页支撑文献： Langendijk JA, et al. Selection of patients for radiotherapy with protons aiming at reduction of side effects: the model-based approach. Radiotherapy and Oncology. 2018;128(3):377-381.
幻灯片 2：研究背景与临床痛点——为什么要转变？
页面标题：临床痛点：摆脱“事后描述”，走向“事前预测”
核心内容：
传统剂量学比较的瓶颈：
IMRT vs VMAT 等剂量学对比属于“事后分析”，对当前患者的放疗决策（治疗前）缺乏直接的预测能力。
放疗“模型驱动决策”的趋势（文献支持）：
Langendijk 等人（2018, Radiother Oncol） 提出的“模型驱动患者筛选框架”，指出必须在治疗前构建可靠的预测模型，才能精准筛选出能从先进放疗技术中获益的患者。
科研升级路径：
从“描述性剂量学分析”（只说明技术优劣）
→
→ 升级为“个体化预测”（预测指定患者的解剖生理变化与剂量损伤风险）。
本页支撑文献：
Langendijk JA, et al. Selection of patients for radiotherapy with protons aiming at reduction of side effects: the model-based approach. Radiotherapy and Oncology. 2018;128(3):377-381.
Created using ChatSlide
本项目探讨了在治疗后评估中，IMRT与VMAT的比较，分析了治疗前患者的缺陷评估及决策转向。通过Langendijk框架，提出了治疗前识别获益者的策略，强调了预测解构生理变化与正常群体风险的关系。此外，研究还关注了技术优化对患者选择的影响，并引用了Langendijk等人的研究成果，旨在提升治疗效果与患者适应性。