Aprendizaje semisupervisado para la predicción de dosis en terapia de radionúclidos dirigida: un estudio de datos...

Área de la Ciencia:

• Física Médica
• Radiología
• Inteligencia Artificial

Sus antecedentes:

• La estimación precisa de la dosis de radiación es vital para una Terapia de Radionúclidos Dirigida (TRT) eficaz.
• El aprendizaje profundo (DL) muestra potencial para la dosimetría, pero requiere grandes conjuntos de datos etiquetados, que a menudo no están disponibles en entornos clínicos.
• Esta limitación dificulta la adopción generalizada de la dosimetría basada en DL en TRT.

Objetivo del estudio:

• Desarrollar y evaluar un marco de aprendizaje semisupervisado (SSL) para la predicción de dosis de radiación en TRT.
• Reducir la dependencia de grandes conjuntos de datos etiquetados aprovechando los datos PET preterapéuticos fácilmente disponibles.
• Adaptar y extender los enfoques SSL tradicionales basados en clasificación para la predicción de dosis basada en regresión.

Principales métodos:

• Exploración de un marco de aprendizaje semisupervisado (SSL) que utiliza datos PET preterapéuticos con un pequeño subconjunto de etiquetas de dosis.
• Adaptación y extensión de métodos SSL basados en clasificación para tareas de regresión en la predicción de dosis.
• Desarrollo de un conjunto de datos sintético que simula imágenes PET y cálculos de dosis de Monte Carlo para su validación.

Principales resultados:

• Evaluación de múltiples métodos SSL adaptados a regresión bajo proporciones variables de datos etiquetados.
• Se lograron errores porcentuales absolutos medios generales del 9 %-11 % para la predicción de dosis en diferentes órganos.
• Se demostró un rendimiento comparable a los métodos totalmente supervisados.

Conclusiones:

• Los métodos SSL propuestos muestran resultados prometedores para la predicción de dosis a nivel de órgano en TRT.
• SSL aborda eficazmente el desafío de los datos clínicos etiquetados limitados para la dosimetría basada en DL.
• Este enfoque mejora la viabilidad de la dosimetría personalizada en TRT.