评估使用人工智能细分的主导性前列腺损伤用于焦点前列腺增强与外部束辐射疗法的可行性
James M G Tsui1, Christopher E Kehayias2, Jonathan E Leeman2
1Department of Radiation Oncology, Brigham and Women's Hospital/Dana-Farber Cancer Institute, Boston, Massachusetts; Department of Radiation Oncology, McGill University Health Centre, Montreal, Quebec, Canada.
概括
深度学习的人工智能 (AI) 可以为放射治疗划分前列腺瘤体积,但假阴性可能会影响提高准确性. 对人工智能细分的瘤总量 (GTVs) 的前性审查是必不可少的.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在多参数MRI (mpMRI) 上划分主导性前列腺内粗瘤体积 (GTVs) 面临着观察者间的变化.
- 准确的GTV划分对于有效的外部束辐射疗法 (EBRT) 剂量升级至关重要.
研究的目的:
- 评估AI细分的GTV是否可以在EBRT中实现与放射瘤学家 (RO) 划分的GTV相似的前列腺内增强.
- 将人工智能生成的GTV的准确性和可检测性与由多个RO划分的GTV进行比较.
主要方法:
- 在89名患者身上训练了一种深度学习AI算法,并在35名PI-RADS 4或5病变患者身上进行了测试.
- 五位放射瘤学家独立地在测试组上划出了GTV.
- 将AI和RO GTV与病变检测和几何精度的参考GTV进行比较,然后生成带有剂量升级的EBRT计划.
主要成果:
- 人工智能GTV灵敏度为82.6%和PPV为86.4%;RO范围为84.8%-95.7%和95.1%-100.0%.
- 在相互识别的病变中,AI和RO GTV之间没有发现子系数的显著差异.
- 假阴性病变与较低的参考GTV D98% (P < .001) 相关,影响剂量递送.
结论:
- 人工智能细分的GTV在EBRT中显示出前列腺内增强的潜力.
- 剂量提升的准确性可能会受到人工智能识别的假阴性病变的影响.
- 在临床实施之前,需要对AI细分的GTV进行前性验证和审查.
