基于人工智能的自我细分:在划分,吸收剂量分配和物流方面的优势

科学领域:

• 医学成像和放射瘤学医学成像和放射瘤学
• 医疗保健中的人工智能
• 临床工作流的优化 临床工作流优化

背景情况:

• 准确地划分有风险的器官 (OAR) 和临床目标体积对于有效的放射治疗至关重要.
• 手动轮是耗时的,并且受观察者之间的变化影响.
• 人工智能为自动化和提高轮过程的准确性提供了潜力.

研究的目的:

• 为了比较人工智能自动轮与人类实践者的性能.
• 为了评估精度,剂量分配差异和AI与手动轮的时间效率.
• 评估人工智能辅助轮对辐射治疗计划的影响.

主要方法:

• 从头,乳腺和前列腺癌领域的75名患者的3DCT数据集的回顾性分析.
• 经验丰富的放射瘤学家 (MD),单独的AI和人工智能与手动校正 (AI + C) 所产生的轮的比较.
• 使用子相似系数 (DSC) 进行评估,以确定剂量-体积参数和时间消耗的准确性和评估.

主要成果:

• 人工智能和AI+C分别在74%和80%的结构中获得了平均DSC分数>0.7.
• 人工智能辅助轮导致显著的时间节省:68% (乳腺),51% (前列腺) 和71% (头部和部).
• 在人工智能辅助轮时,观察到OAR暴露的临床相关差异最小.

结论:

• 人工智能有效地产生临床上可接受的OAR和各种解剖部位的目标体积.
• 人工智能和控制工作流是高效的,需要最小的纠正,并提供大量的时间节省.
• 自动轮中的AI代表了优化放射治疗计划和资源配置的宝贵工具.