辐射瘤学部门范围内的商业人工智能自轮评估和实施框架
Dominic Maes1, Evan D H Gates2, Juergen Meyer1
1Department of Radiation Oncology, Fred Hutchinson Cancer Center, Seattle, Washington; Department of Radiation Oncology, University of Washington, Seattle, Washington.
Practical radiation oncology
|November 7, 2023
概括
商业人工智能 (AI) 在放射瘤学中的自动轮显示出不同的性能. 一种新的评估方法评估了人工智能解决方案,发现了可接受的定性结果,但突出了疾病部位的性能差异.
科学领域:
- 辐射瘤学 辐射瘤学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 提供了在放射瘤学中标准化和加快轮的潜力.
- 商业AI解决方案需要在临床实施之前进行严格的评估.
研究的目的:
- 为预先训练的基于人工智能的自动化轮解决方案开发和应用一个多维评估方法.
- 在临床网络中评估商业AI自动轮软件的性能.
主要方法:
- 使用了121名患者的计划CT扫描,其中包括来自4个机构的859个临床轮.
- 评估了3个商业AI自动轮软件解决方案 (AI1,AI2,AI3) 用于大脑,头部和部,胸部,腹部和骨盆.
- 使用子相似系数 (DSC) 和豪斯多夫距离 (HD) 测量定量一致性,以及定性专家评分和工作流调查.
主要成果:
- 在27.8%至34.1%的病例中观察到高定量一致性 (DSC>0.9),在骨盆和胸部表现强.
- 低定量协议 (DSC <0.5) 发生在6.1%-8.8%的病例中,特别是在大脑和头部区域.
- 定性评估显示,在70.7%-74.6%的地区,人工智能轮可以接受微小的编辑,因地点而异;用户偏好倾向于完全自动化.
结论:
- 开发的评估方法提供了使用定量和定性指标对AI自动轮算法的全面评估.
- 该框架作为将AI解决方案集成到临床工作流程中的指南,考虑用户偏好.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
2.8K
05:18Author Spotlight: Improving Radiation Therapy Access with Radiation Planning Assistant
Published on: October 6, 2023
1.4K
