达尔特:一个深度学习平台,用于肺癌深度加速适应性辐射疗法

科学领域:

• 辐射瘤学 辐射瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 肺癌是癌症死亡的主要原因,放射治疗 (RT) 是早期非小细胞肺癌 (NSCLC) 的首要治疗方法.
• 目前的RT工作流程涉及诊断和治疗开始之间的显著延迟 (平均4周),可能导致重新分阶段和失去局部控制.
• 需要新的方法来加快肺癌患者的RT过程.

研究的目的:

• 实施一种新的,深度加速的适应性辐射疗法 (DAART) 方法,用于肺癌放射治疗.
• 通过使用深度PERFECT系统来解决和减轻诊断到治疗工作流中的延迟.
• 在虚拟临床试验中评估DAART方法的有效性和质量.

主要方法:

• 开发deepPERFECT系统,以适应初始诊断成像用于RT规划和验证.
• 深PERFECT的培训和性能测试使用了来自15名接受RT的NSCLC患者的数据.
• 虚拟临床试验用于评估治疗质量,包括使用合成和第一天CT扫描的适应位置 (ATP) 和适应形状 (ATS) 方法进行计划调整.

主要成果:

• 在预测身体 (83 HU) 和肺部 (14 HU) 计划CT扫描时,DeepPERFECT表现出了高准确性.
• 合成CT扫描显示身体 (DSC 0.91) 和肺部 (DSC 0.97) 的高符合性,可接受的豪斯多夫距离.
• 虽然瘤合规性较低,需要1日CT适应,但ATP和ATS方法都实现了非劣质或良好的计划质量.

结论:

• 使用deepPERFECT系统的DAART显著减少了整体RT治疗过程至少两周 (50%的时间减少).
• 这种加快的方法有助于减轻与治疗延迟相关的风险,例如重新分期和失去局部控制.
• 这项研究验证了DAART作为提高肺癌放射治疗效率的有效方法.