深度学习强大的IMPT规划在口腔癌患者的临床实施:一个盲目的临床研究
Ilse G van Bruggen1, Marije van Dijk1, Minke J Brinkman-Akker1
1Department of Radiation Oncology, University Medical Center Groningen, Groningen, the Netherlands.
概括
对于口腔瘤 (OPC) 患者的强度调制质子疗法 (IMPT) 计划的深度学习优化 (DLO) 显示出高质量. 手动调整的DLO计划比手动计划更受欢迎,大大减少了规划时间.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 强度调节质子疗法 (IMPT) 是一种精确的辐射技术.
- 口腔癌 (OPC) 治疗需要精确的辐射规划,以尽量减少毒性.
- 需要自动化处理规划方法来提高效率和质量.
研究的目的:
- 评估基于深度学习的自动化治疗规划方法的计划质量,用于OPC患者的强大优化IMPT (RO-IMPT).
- 将深度学习生成的计划与手动创建的计划的质量进行比较.
- 评估自动化规划方法的时间效率.
主要方法:
- 开发了一种深度学习优化 (DLO) 方法,将IMPT剂量预测与强大的优化结合起来.
- 用95名OPC患者的数据集进行培训,配置和回顾性/前性测试.
- 手动调整的DLO (mDLO) 计划和手动计划被辐射瘤学专家盲目评估.
主要成果:
- 在回顾性和前性研究中,mDLO计划在100%和60%的案例中被优先考虑.
- 在前性研究中,在剩下的6个案例中,4个案例中,手动和mDLO计划的质量是可比的.
- 对于mDLO计划的平均规划时间为2.5小时,而手动计划的平均规划时间约为2天.
结论:
- 基于深度学习的自动化规划方法为OPC患者提供高质量的RO-IMPT计划.
- 手动调整的DLO计划被发现与传统的手动计划相比或优越.
- 这种自动化方法大大减少了治疗规划时间,提供了更高效的工作流.
