MRI計画された婦人科小線量率治療における頑健な深層学習ベースの自動輪郭描出に向けて：スケーラブルな開発と包括的な評価の重要性

科学分野:

• 医用画像処理;放射線腫瘍学;医療における人工知能

背景:

• リスク臓器（OARs）の正確な描出は、効果的な子宮頸部小線量率治療にとって不可欠である。; 手動による輪郭描出は時間がかかり、観察者間変動の影響を受けやすい。; 深層学習（DL）は、OARsの自動セグメンテーションの潜在的な解決策を提供する。

研究 の 目的:

• MRI計画された子宮頸部小線量率治療における骨盤内OARsのための、一般化可能なDL駆動型自動輪郭描出モデルを開発および評価すること。; 定量的幾何学的および線量測定的指標、ならびに定性的な医師レビューを用いてモデルのパフォーマンスを評価すること。; 他の婦人科小線量率治療へのモデルの転移可能性と適応性を探求すること。

主な方法:

• 200件の3D MRIのデータセットを使用して、nnU-NetベースのDL自動輪郭描出モデルをトレーニングした。; モデルのパフォーマンスを最適化するために、反復的なハイパーパラメータチューニングを実施した。; 評価には、幾何学的（ダイス係数、ハウスドルフ距離）および線量測定的（DVH、線量差）指標、ならびに医師レビュー（チューリング、リッカートテスト）が含まれた。

主要な成果:

• DLモデルは膀胱に対して高い幾何学的精度（DC：0.93）を達成したが、小腸に対してはより大きなばらつきを示した（DC：0.62）。 ; 線量測定解析では、手動および予測された輪郭間で高い一致が示され、平均線量差は0.60 Gy EQD2未満であった。; 医師のレビューでは、定量的および定性的な評価の間にいくつかの不一致があったにもかかわらず、臨床的に許容可能（膀胱および直腸で80％）であることが示された。

結論:

• 開発されたDL自動輪郭描出モデルは、子宮頸部小線量率治療におけるOARsに対して臨床的に許容可能である。; このモデルは、標的輪郭描出への転移可能性や、他の婦人科小線量率治療シナリオへの適応性において有望である。; 臨床的有用性を評価するためには、定量的および定性的な結果の両方を注意深く考慮することが不可欠である。