一个基于人工智能的图像审查系统的结果,以检测患者错位错误在一个多机构数据库中的圆束计算机断层成像指导辐射治疗的结果
Dishane C Luximon1, Jack Neylon1, Timothy Ritter2
1Department of Radiation Oncology, David Geffen School of Medicine, University of California, Los Angeles, California.
概括
一个深度学习算法自动检测图像引导放射治疗 (IGRT) 中的患者设置错误. 这种方法确定了0.04%的患者错位错误率,提高了IGRT的安全性和可靠性.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 医疗保健中的人工智能
背景情况:
- 在图像导向放射治疗 (IGRT) 中,患者的设置和对齐错误通常是自愿报告的,这可能低估了其真实频率.
- 由于数据的数量庞大,手动检查大型IGRT数据库的错位错误是不切实际的.
研究的目的:
- 开发和应用基于深度学习的错误检测算法 (EDA),用于对临床IGRT数据库的自动追溯搜索.
- 使用自动化EDA来确定绝对的患者错位错误率.
主要方法:
- 开发了一个深度学习算法 (EDA) 来分析扫描注册,得分错位的可能性.
- 在两个诊所的680名患者的模拟翻译错误上训练了EDA.
- 集成的DICOM查询和检索用于自动数据分析和追溯错误搜索.
主要成果:
- 分析了17612个注册,EDA标记了7.7%的事件.
- 成功识别了之前报告的3个错误,并发现了4个新的脊椎体错位错误.
- 假阳性与图像工件,患者旋转和软组织变化有关.
结论:
- 在IGRT中,EDA证明了对IGRT中大规模图像审查的临床实用性.
- 该研究强调了IGRT的可靠性和安全性,确定了每小部分的0.04%±0.02%的患者错位错误率.
