مقایسه‌ی الگوریتم‌های کوکو چندهدفه و ژنتیک در بهینه‌سازی پرتودرمانی با شدت متغیر

مقدمه: پرتودرمانی با شدت متغیر (intensity-modulated radiation therapy)  imrtروش پیشرفته‌ای برای درمان سرطان است که دوز بالای پرتودرمانی را به تومور هدف می‌رساند و آسیب به اندام‌های حیاتی (oars) را کاهش می‌دهد. پیچیدگی این روش، استفاده از بهینه‌سازی چندمعیاره (multi-criteria optimization) mco را برای تعادل بین پوشش تومور و محافظت از oars ضروری می‌کند. این مطالعه عملکرد الگوریتم کوکو چندهدفه (multi-objective cuckoo algorithm) moca و الگوریتم ژنتیک (genetic algorithm)  gaرا در بهینه‌سازی برنامه‌ریزی imrt مقایسه کرد.روش‌ها: داده‌های 20 بیمار مبتلا به سرطان سر و گردن تحت درمان imrt، مورد بررسی قرار گرفت. برنامه‌ریزی با الگوریتم‌های moca و ga انجام شد و عملکرد آن‌ها بر اساس هیستوگرام‌های حجم دوز (dvh)، شاخص تطابق (ci)، شاخص یکنواختی (hi) و زمان محاسباتی ارزیابی گردید. داده‌ها با آزمون‌های آماری تحلیل و مقایسه شدند.یافته‌ها: نتایج نشان داد که الگوریتم  mocaعملکرد بهتری نسبت به ga داشت. الگوریتم moca میانگین پوشش تومور (d95%)  را به میزان 5/98 درصد نسبت به 2/97 درصد ga بهبود داد (0/01 > p). همچنین، الگوریتم moca دوز متوسط اندام‌های حیاتی را به میزان 8 درصد کاهش داد (0/05 > p) و زمان محاسباتی را 25 درصد سریع‌تر از ga انجام داد. شاخص تطابق (ci) در الگوریتم moca بالاتر بود، اما شاخص یکنواختی (hi) بین دو الگوریتم تفاوت معناداری نداشت.نتیجه‌گیری: الگوریتم moca در مقایسه با ga در بهینه‌سازی برنامه‌ریزی imrt عملکرد برتری نشان داد. این الگوریتم توانایی بهبود پوشش تومور، کاهش دوز اندام‌های حیاتی و افزایش کارآیی محاسباتی را داراست. با این حال، بررسی بیشتر برای تایید تعمیم‌پذیری و کاربرد بالینی آن در انواع دیگر سرطان‌ها ضروری است.

comparison of multi-objective cuckoo search algorithm and genetic algorithm in optimization of intensity-modulated radiation therapy (imrt)

background: intensity-modulated radiation therapy (imrt) is an advanced cancer treatment method that delivers high radiation doses to the target tumor while reducing damage to organs at risk (oars). given the complexity of this approach, multi-criteria optimization (mco) is essential for balancing tumor coverage and reducing oar doses. this study compared the performance of the multi-objective cuckoo algorithm (moca) and the genetic algorithm (ga) in optimizing imrt treatment planning.methods: this study utilized data from 20 patients with head and neck cancer who underwent imrt. treatment planning was performed using moca and ga, and their performance was assessed based on dose-volume histograms (dvh), conformity index (ci), homogeneity index (hi), and computational time. statistical tests were applied to analyze the data and compare the results between the two algorithms.findings: results indicated that the moca algorithm performed better than ga. moca improved the mean tumor coverage (d95%) to 98.5% compared to 97.2% for ga (p < 0.01). additionally, moca reduced the mean dose to oars (dmean) by 8% (p < 0.05) and performed computations 25% faster than ga. the conformity index (ci) was higher in moca, while the homogeneity index (hi) showed no significant difference between the two algorithmsconclusion: compared to ga, moca demonstrated superior performance in optimizing imrt treatment planning. this algorithm enhances tumor coverage, reduces oar dose exposure, and improves computational efficiency. however, further studies are required to validate its generalizability and clinical applicability for other cancer types. the findings of this study provide a foundation for improving therapeutic strategies in radiation oncology.