一个用于优化放射性治疗剂量测量的人工智能系统.
Michalis F Georgiou1, Joshua A Nielsen2,3, Rommel Chiriboga2
1Department of Radiology, University of Miami Miller School of Medicine, Miami, FL 33136, USA.
Journal of clinical medicine
|January 11, 2024
概括
人工智能 (AI) 简化了差异化甲状腺癌 (DTC) 的放射性治疗 (RAIT) 剂量计. 一个人工智能系统使用更少的数据点准确预测治疗剂量,简化了患者护理.
科学领域:
- 内分泌学 在内分泌学.
- 核医学是一种核医学.
- 在瘤学瘤学.
背景情况:
- 分化甲状腺癌 (DTC) 是一种常见的内分泌恶性瘤.
- 用I-131进行放射性治疗 (RAIT) 是DTC的标准治疗方法,旨在消除残留疾病和转移.
- 精确的剂量测量对于RAIT来说至关重要,以最大限度地提高疗效并最大限度地降低毒性,但传统方法是漫长而复杂的.
研究的目的:
- 探索人工智能 (AI) 在简化和优化RAIT剂量测量的应用.
- 开发和验证人工智能系统,用于预测DTC患者在RAIT中允许的最大活动 (MPA).
主要方法:
- 对接受RAIT剂量测量的83名成年DTC患者 (1996-2023) 的回顾性分析.
- 传统的基于MIRD的剂量计包括在多个时间点 (I-131注射后4-96小时) 进行成像和血液采样.
- 一个深度学习的神经网络人工智能系统被开发出来,只使用早期数据 (4,24,48小时) 来预测MPA.
主要成果:
- 人工智能系统准确地预测了RAIT的MPA值.
- 人工智能预测的MPA与传统的基于MIRD的剂量计相比没有显著差异 (p = 0.351).
- 人工智能方法减少了对广泛的成像和血液采样会话的需求.
结论:
- 基于人工智能的剂量测量为差异化甲状腺癌的RAIT规划提供了一种简化和有效的方法.
- 这种方法有可能优化资源配置,并改善患者特定的治疗.
- 基于人工智能的剂量测量代表了在甲状腺癌治疗中准确医学的有希望的一步.
更多相关视频
08:25Radiation Planning Assistant - A Streamlined, Fully Automated Radiotherapy Treatment Planning System
Published on: April 11, 2018
15.3K
06:20Irradiator Commissioning and Dosimetry for Assessment of LQ α and β Parameters, Radiation Dosing Schema, and in vivo Dose Deposition
Published on: March 11, 2021
7.3K
