説明可能な人工知能を用いた癌放射線治療の自動治療計画に関する新しい洞察

科学分野:

• 医学物理学
• 医療における人工知能
• 放射線治療の計画

背景:

• 放射線治療における自動治療計画は,複雑なアルゴリズムに依存しています.
• Actor-Critic with Experience Replay (ACER) のような人工知能 (AI) エージェントは,治療計画パラメータ (TPP) を最適化するために使用されます.
• これらのAIエージェントの意思決定過程を理解することは,臨床採用に不可欠です.

研究 の 目的:

• 前立腺がんの放射線療法における自動治療計画に使用されるAI剤の意思決定過程を調査する.
• AI エージェントが用量ヒストグラム (DVH) の入力を使用して治療計画パラメータ (TPP) を調整する方法を分析する.
• AI主導の治療計画の有効性,効率性,安定性を評価する.

主な方法:

• 以前に開発されたACERネットワークAIエージェントを,強度調節放射線療法における自動TPPチューニングに検討した.
• 説明可能なAI (EXAI) メソッドを適用して,TPPの調整決定にDVHの入力からの帰属を分析した.
• 複数のAIエージェントのチェックポイントの計画有効性,効率性,ポリシースペース,TPPチューニングスペースを評価しました.

主要な成果:

• ACERのエージェントは,DVHの入力から用量違反を特定し,TPPの調整を通じてそれを軽減することを学びました.
• DVHの付与と投与量違反の減少の間の器官的な類似性は0. 25から0. 5の範囲でした.
• アトリビューションと違反の類似性が強いエージェントは,計画効率が向上し,チューニングステップが少なく,より集中したTPPチューニングスペースを示しました.

結論:

• 高性能なACER剤は,投与量違反を効果的に特定し,高品質の治療計画のためのグローバルチューニング戦略を採用します.
• 人工知能エージェントの TPP 調整戦略は 経験豊富な人間の計画者と同じです
• 人工知能の意思決定の解釈が向上すれば 臨床医の信頼を高め 自動治療計画戦略を進めることができます