Radioterapia adaptativa de cáncer nasofaríngeo con CT sintético derivado de CBCT: precisión de auto-segmentación...

Área de la Ciencia:

• La radioterapia
• Imágenes médicas
• Inteligencia artificial

Sus antecedentes:

• La radioterapia adaptativa (ART) para el cáncer nasofaríngeo (NPC) requiere una segmentación precisa y un cálculo de la dosis.
• Las imágenes sintéticas de TC (sCT) generadas a partir de TC de haz cónico (CBCT) ofrecen una solución potencial para mejorar los flujos de trabajo de ART.

Objetivo del estudio:

• Evaluar la precisión de la segmentación automatizada de aprendizaje profundo (DL) y el cálculo de la dosis utilizando imágenes sCT en NPC ART.
• Para evaluar la precisión de la segmentación automática basada en DL y el recálculo de la dosis en comparación con los datos de la TC de planificación estándar (TCP).

Principales métodos:

• Se realizó un análisis retrospectivo de 16 pacientes con NPC sometidos a ART.
• Las imágenes sintéticas de CT (sCT) se generaron a partir de exploraciones de CBCT utilizando una red adversaria generativa consistente con el ciclo (cycle-GAN).
• La segmentación automática y el recálculo de dosis de Monte Carlo acelerado por GPU se realizaron en imágenes de sCT, con una precisión evaluada utilizando el coeficiente de similitud de Dice (DSC) y la distancia de Hausdorff (HD95).

Principales resultados:

• Se observó una alta concordancia (DSC > 0,85, HD95 < 5,10 mm) para la mayoría de las estructuras entre pCT y sCT.
• Se observó un menor acuerdo para el volumen tumoral bruto primario (GTVp), los ganglios linfáticos involucrados (GTVn) y las glándulas submandibulares.
• Se encontraron correlaciones significativas entre las variaciones anatómicas, las discrepancias de dosis derivadas del sCT y los ajustes del plan adaptativo.

Conclusiones:

• El método propuesto basado en DL para la generación de sCT, la auto-segmentación y el cálculo de la dosis demuestra una precisión aceptable para el NPC ART.
• Las variaciones volumétricas y dosimétricas menores sugieren un potencial de aumento de la eficiencia en la TAR mediante la reducción de los esfuerzos de segmentación manual.