基于AI的CT器官特征与乳房保护手术后辅助放射治疗中的正常肺剂量之间的相关性:一个多中心前性研究
Li Ma1, Yongjing Yang2, Jiabao Ma3
1National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital & Shenzhen Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Shenzhen, 518116, China.
BMC cancer
|November 10, 2023
概括
一个新的深度学习 (DL) 器官特征可以预测接受辅助放射治疗的乳腺癌患者的正常肺辐射剂量. 这种基于AI的CT器官特征与ipsilateral肺V20相关,有助于控制辐射肺炎风险.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 放射性肺炎 (RP) 是乳腺癌辅助放射治疗的常见副作用.
- 肺部辐射剂量是RP的已知风险因素.
- 目前用于剂量评估的方法可以通过先进的成像分析来改进.
研究的目的:
- 开发基于深度学习 (DL) 的器官特征来评估正常的肺部剂量.
- 评估这种新型器官特征与传递到肺部的实际辐射剂量 (V20) 之间的相关性.
- 研究人工智能在预测放射治疗副作用方面的实用性.
主要方法:
- 开发了一个DL模型 (高分辨率网),可以在CT图像上自动检测线标记物.
- 一个内部模型细分了双侧肺.
- 一个新的器官特征来自DL模型输出,并使用Pearson相关系数与ipsilateral肺V20相关联.
主要成果:
- DL模型在检测线标记器方面表现良好.
- 拟议的器官特征与ipsilateral肺V20显著相关 (皮尔森r=0.542,p<0.001内部;r=0.554,p=0.008外部).
结论:
- 基于AI的CT器官功能可以有效估计正常的肺辐射剂量.
- 这一特征在预测和潜在地减轻乳腺癌患者的辐射肺炎风险方面具有前途.
- 这些发现支持将人工智能纳入放射治疗规划和患者安全.
