RayStation AI自動輪郭描画とEclipse TPSの連携：臨床統合のためのスクリプトワークフロー

科学分野:

• 医用物理学
• 放射線治療技術
• 医療における人工知能

背景:

• 標的体積とリスク臓器（OAR）の正確な描出は、効果的な放射線治療計画に不可欠です。
• 深層学習ベースの自動輪郭描画は、一貫性の向上と手作業の削減を提供しますが、異なるプラットフォーム間での統合には課題があります。
• 本研究は、既存の放射線治療ワークフローにAI自動輪郭描画ツールをシームレスに統合する必要性に対処します。

研究 の 目的:

• RayStationからのAIベースの自動輪郭描画をEclipse治療計画システム（TPS）に統合するための自動統合ソリューションを開発および検証すること。
• 異なる放射線治療ソフトウェアプラットフォーム間でAI生成された輪郭の転送プロセスを合理化すること。
• クロスプラットフォームAI機能の活用により、放射線治療計画の効率と一貫性を向上させること。

主な方法:

• DICOMネットワーク経由での自動データ交換を容易にするために、Eclipse用のカスタムC#スクリプトとRayStation用のPythonスクリプトを開発しました。
• EclipseがCT画像と構造リストをRayStationにエクスポートする自動ワークフローを実装しました。
• ユーザーの介入なしに深層学習セグメンテーションのためにPythonスクリプトを自動的にトリガーし、Eclipseに輪郭をエクスポートするようにRayStation 2024Bを構成しました。

主要な成果:

• 35の臨床症例で自動統合を検証し、症例あたりの平均処理時間を1.1分と実証しました。
• 手動方法と比較して、輪郭描画時間を大幅に短縮しました。
• 複数の症例にわたる輪郭描画の一貫性の向上を実証しました。

結論:

• クロスプラットフォームの自動統合により、Eclipse内でRayStationの深層学習セグメンテーションに直接アクセスでき、スケーラブルな輪郭描画ソリューションを提供します。
• この統合は、計画の効率を高め、観察者間変動を減らし、臨床医が現在のTPS内で高度なAIツールを利用できるようにします。
• モジュラーフレームワークは、放射線治療計画におけるマルチベンダーシステム相互運用性を促進し、進化する臨床プロトコルに適応可能です。