对乳腺和区域节点自细分结构的几何和剂量评估

科学领域:

• 辐射疗法 辐射疗法
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 准确地划分目标结构对于有效的放射治疗计划至关重要.
• 人工智能驱动的自动轮 (AC) 提供了潜在的效率提升,但需要与手动轮 (MC) 相比进行验证.

研究的目的:

• 评估人工智能生成的轮 (AC) 与医生绘制的手动轮 (MC) 的几何和剂量准确性,用于完整的乳房和乳房切除术后的放射治疗计划.
• 评估AI自轮在乳腺癌放射治疗中的临床适用性.

主要方法:

• 使用子相似系数 (DSC),平均表面距离和豪斯多夫距离对乳房,胸壁 (CW) 和节点结构 (状[AxN],状[SC],内部乳腺[IM]) 的几何评估.
• 剂量测量评估通过评估使用MC计划的AC的剂量覆盖率 (Vx%).
• 对66名乳腺癌患者的ACs和MCs进行完整乳房和乳房切除术后情景的比较.

主要成果:

• 对于完整的乳房,AxN和CW,体积和DSC之间的正相关性.
• 完整的乳房ACs在剂量学上与MCs相似,可比V95%.
• 对AxN和SC的AC显示了微不足道的剂量测量差异,但IMN显示了显著的差异.
• 乳房切除术后AxN和SC的ACs是一致的,但IMN显示出显著的差异.
• 94.1%的AC-乳房在DSC>0.7时遇到了ΔV95%<5%的变化,而只有62.5%的AC-CW实现了这一点.

结论:

• 人工智能自动轮显示高准确性完整的乳房放射治疗规划.
• 对于区域节点结构 (AxN,SC) 和乳房切除术后胸壁 (CW) 和内部乳腺节点 (IMN),可能需要进行手动调整.
• 在临床采用之前,对AI自动细分软件与机构手册轮进行彻底的本地验证是必不可少的.