机器学习辅助放射治疗计划的前性研究,用于接受54Gy大脑治疗的患者
Derek S Tsang1, Grace Tsui1, Anna T Santiago2
1Radiation Medicine Program, Princess Margaret Cancer Centre, University Health Network, Toronto, Ontario, Canada.
概括
机器学习 (ML) 在脑瘤中用于放射治疗 (RT) 计划是有效的. ML辅助计划在临床上是可以接受的,减少正常的大脑辐射剂量,并为所有年龄段的患者节省计划时间.
科学领域:
- 在瘤学瘤学.
- 医学物理 医学物理
- 人工智能在医学中的应用
背景情况:
- 针对原发性脑瘤的放射治疗 (RT) 计划是复杂的.
- 机器学习 (ML) 在优化RT规划中的作用尚未完全描述.
研究的目的:
- 评估ML辅助的对原发性脑瘤的RT规划.
- 评估成人和儿童的临床可接受性,剂量测量结果和规划效率.
主要方法:
- 展望性研究将ML辅助计划与标准手动计划进行比较.
- 瘤学家对计划创建方法失明,评估了临床可接受性和偏好.
- 分析了剂量测量参数和规划时间.
主要成果:
- ML和手册计划显示了类似的临床可接受性 (94%对93%).
- ML计划实现了可比的目标覆盖率,但将正常大脑平均剂量减少了1Gy.
- 通过ML规划,创建时间显著减少,平均为45.8分钟.
结论:
- 机器学习辅助的自动化规划产生高质量的RT计划,用于所有年龄组的大脑瘤.
- ML提供了剂量测量优势,并提高了RT规划的效率.
