頭頸がんに対する深層学習ベースの動的血液線量推定値予測

科学分野:

• 医用物理学
• 放射線療法
• 人工知能

背景:

• 放射線療法中の循環血液への放射線量はリンパ球減少症を引き起こす可能性があり、生存率の低下と関連しています。
• 現在の動的血液線量シミュレーションは、放射線療法治療計画への統合には遅すぎます。
• 血液への放射線量の正確なシミュレーションには、複雑なモデルが必要です。

研究 の 目的:

• 血液線量シミュレーション結果を推定するための準瞬時の深層学習アプローチを開発すること。
• 放射線療法治療計画内に動的血液線量シミュレーションを含めることを可能にすること。
• 計画中に完全な動的血液線量シミュレーションを実行することの計算上の非現実性に対処すること。

主な方法:

• 全結合層とTransformerエンコーダーを備えた深層ニューラルネットワークをトレーニングしました。
• モデルは、157人の頭頸がん患者の治療計画CT画像と線量体積ヒストグラムを使用しました。
• 動的血液線量シミュレーション（HEDOS）をトレーニングおよび検証の真の値として使用しました。

主要な成果:

• 深層学習モデルは、予測された血液線量分布と真の値との間で平均KLダイバージェンス0.099を達成しました。
• 最高線量の血液粒子90%に対する最小線量（D90%）は、HEDOSと比較して平均絶対誤差率4.60%を示しました。
• モデルは、動的血液線量シミュレーションの結果を予測する上で高い精度を示しました。

結論:

• 動的血液線量シミュレーションの準瞬時の予測のための深層学習ベースの方法が正常に開発されました。
• このアプローチは、放射線療法治療計画への動的血液線量シミュレーションの統合を容易にします。
• 開発されたモデルは、放射線線量分布の最適化と患者の生存率の向上に大きく貢献します。