基于机器学习的放射治疗时间预测和治疗安排管理

科学领域:

• 医学物理 医学物理
• 医疗保健中的人工智能
• 放射治疗技术 放射治疗技术

背景情况:

• 医疗器械的有效利用,特别是放射治疗设备 (linacs),由于高成本和患者负担,至关重要.
• 中国面临着人口庞大和医疗保健资源有限的挑战,需要提高医疗器械效率.
• 放射治疗设备是专门的,有价值的,处理大量的治疗量,使其高效运行至关重要.

研究的目的:

• 提出和评估一种用于提高放射治疗器件 (linacs) 操作效率的新方法.
• 通过准确预测每次预约的总治疗时间来改善安排管理.
• 根据预测的可用性,能够灵活地分配治疗和非治疗任务.

主要方法:

• 收集了1665名患者的数据,包括患者定位时间 (PT) 和治疗时间 (TT).
• 提取了与PT和TT相关的特征,以训练用于预测这些时间的机器学习模型.
• 将预测结果应用于以分钟为基础的调度工具,以便实际实施.

主要成果:

• 开发了一种机器学习模型,能够准确预测患者定位时间和治疗时间.
• 对于有效的放射治疗安排管理,证明了令人鼓舞的预测结果.
• 通过人工智能驱动的预测,展示了通过人工智能驱动的预测显著提高linac运营效率的潜力.

结论:

• 人工智能为放射治疗等专业领域的复杂问题提供了有希望的解决方案.
• 该研究的结果表明,基于人工智能的预测可以提高Linac的效率和调度.
• 这项研究扩大了医疗数据的应用范围,并建议在放射治疗优化领域的未来研究途径.