数据科学 改善放射治疗规划和临床决策的机会
1Department of Medical Physics, Attending Physicist, Chief, Service for Predictive Informatics, Chair, Memorial Sloan Kettering Cancer Center, New York, NY..
Seminars in radiation oncology
|September 13, 2024
概括
个性化放射治疗使用先进的模型和各种数据,包括基因组学和放射学,以改善瘤控制并最大限度地减少正常组织损伤. 这种方法提高了治疗精度和患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医学物理 医学物理
- 计算生物学 计算生物学
背景情况:
- 放射治疗的目的是最大限度地控制瘤,同时保护健康的组织.
- 个性化治疗需要将治疗计划与瘤控制和正常组织并发症的预测模型相结合.
研究的目的:
- 探索用于个性化放射治疗的先进数据源和建模技术的整合.
- 突出深度学习和数字双胞胎在改善放射治疗结果方面的潜力.
主要方法:
- 使用各种数据:瘤/正常组织基因组学,放射学,剂量学.
- 应用深度学习用于正常组织耐受性分类,治疗内瘤变化预测,剂量跟踪和响应量化.
- 采用机械患者特定的计算机模拟 (数字双胞胎) 进行自适应性放射治疗指导.
主要成果:
- 放射治疗的预测模型可以通过结合丰富的数据源来显著增强.
- 深度学习在放射治疗评估和预测的关键领域提供了进步.
- 数字双胞胎为实时适应性治疗策略提供了一条途径.
结论:
- 新型数据源和先进的建模方法的整合正在开启个性化放射治疗的新时代.
- 改进的建模将使更精确,更有效的放射治疗治疗成为可能,从而改善患者的治疗结果.
