基于深度学习的可交付VMAT计划的评估,由前列腺癌患者自动规划的原型软件生成
Noriyuki Kadoya1, Yuto Kimura2, Ryota Tozuka1
1Department of Radiation Oncology, Tohoku University Graduate School of Medicine, 1-1 Seiryo-machi, Aoba-ku, Sendai, Miyagi, 980-8574, Japan.
Journal of radiation research
|August 22, 2023
概括
这项研究表明,深度学习 (DL) 系统可以为前列腺癌患者创建临床上可接受的体积弧辐射治疗 (VMAT) 计划. 自动化规划系统 (AIVOT) 证明了有效和准确的辐射治疗规划的潜力.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 医疗保健中的人工智能
背景情况:
- 卷积弧辐射疗法 (VMAT) 是前列腺癌的标准治疗方法.
- 准确的剂量输送对于治疗疗效和尽量减少毒性至关重要.
- 自动化计划系统旨在提高VMAT计划生成的效率和一致性.
研究的目的:
- 为了评估由前列腺癌的AIVOT系统生成的基于深度学习 (DL) 的可交付VMAT计划的剂量准确性.
- 将DL生成的计划 (preDose和deliDose) 与临床递送的剂量 (cliDose) 进行比较.
- 评估AIVOT系统在前列腺癌中用于自动化VMAT规划的潜力.
主要方法:
- 在AIVOT中,使用68名前列腺癌患者的VMAT数据定制了基于DL的3D剂量预测模型 (HD-U-net).
- 使用AIVOT和Eclipse生成了预测性 (preDose) 和可交付性 (deliDose) 的VMAT计划.
- 使用DVH参数,通过比较preDose和deliDose与cliDose来评估剂量计准确性.
主要成果:
- 针对目标组织的cliDose和deliDose之间的平均绝对剂量差异为1.32±1.35%,对于有风险的器官是2.08±2.79%.
- 缓解剂量计划在膀和直肠DVH参数方面显示出优于cliDose的优势.
- 盲目的计划得分表明,基于DL的计划 (deliDose: 4.54±0.50) 和临床医生生成的计划 (cliDose: 5.0±0.0) 的高质量,没有显著差异 (P=0.03).
结论:
- 对前列腺癌的基于深度学习的可交付VMAT计划实现了临床上可接受的剂量测量准确性.
- 作为前列腺癌放射治疗的自动化规划工具,AIVOT系统显示出了希望.
- 这项研究支持人工智能驱动的解决方案在优化放射治疗规划方面的潜力.
