Mevion S250i Hyperscan技術におけるMLion S250i Hyperscan技術における機械学習ベースのビーム配信時間モデル
Giorgio Cartechini1, Francesco Giuseppe Cordoni2, Mirko Unipan1
1Maastricht University Medical Centre+, Department of Radiation Oncology (Maastro), GROW School for Oncology and Reproduction, Doctor Tanslaan 12, Maastricht 6229 ET, The Netherlands.
International journal of particle therapy
|February 23, 2026
まとめ
Mevionシステムにおけるビーム配信時間を予測する初の機械学習モデルを開発。これは陽子線治療の効率にとって重要である。このモデルは、システムのダイナミクスを正確に捉え、高度な治療計画を支援する。
科学分野:
- 医用物理学; ヘルスケアにおける機械学習; 陽子線治療
背景:
- 正確なビーム配信時間（BDT）予測は、陽子線治療の運用効率、4D線量計算、および高度な技術にとって不可欠です。; 現在、Mevionシステム用の機械固有のBDTモデルが存在しないため、最適化の可能性が制限されています。
研究 の 目的:
- Mevion S250i Hyperscanシステム初の機械学習ベースBDTモデルを開発・検証すること。; 説明可能なAIを用いて、BDT予測への特徴量の寄与を分析すること。
主な方法:
- 機関のマシンログファイル（患者11人、ファイル1120件）を使用してランダムフォレストモデルを開発しました。; スポット位置、エネルギー層の変更、アダプティブアパーチャ（AA）の動き、スポット電荷を含む特徴量を抽出しました。パルス間時間はターゲット変数でした。; SHAP分析を利用して特徴量の寄与を定量化し、臨床アプリケーションでモデルを検証しました。
主要な成果:
- モデルは、平均絶対誤差を0.9ミリ秒（短い間隔）から211ミリ秒（長い遅延）の範囲で達成しました。; AAの動きは、長い遅延（>50ミリ秒）の主要な予測因子であり、スポット位置とパルス電荷は短い間隔を支配しました。; モデルは、累積配信時間を正確に予測し（-1.6%の偏差）、線量測定指標を配信変動内に維持しました。
結論:
- Mevion S250i初のMLベースBDTモデルを提示し、機械固有の時間的ダイナミクスを正確に反映しています。; SHAP分析は、運用特性に関する洞察を提供し、AA、エネルギー層、およびスポット位置の寄与を強調しました。; このモデルは、インタープレイ評価や4D線量計算などのアプリケーションで強力な予測性能を示しています。
