在低收入和中等收入国家面临风险的器官基于人工智能自分化的影响

科学领域:

• 医学物理 医学物理
• 放射治疗技术 放射治疗技术
• 人工智能在医学中的应用

背景情况:

• 放射治疗 (RT) 需要大量的人力资源和专业知识,限制其在低收入和中等收入国家 (LMICs) 的部署.
• 精确的风险器官细分 (OARs) 对于有效的RT规划和交付至关重要.
• 弥合RT可访问性差距需要创新的解决方案来简化临床工作流程.

研究的目的:

• 评估基于人工智能 (AI) 的自分类对LMIC内RT的OAR的影响和效率.
• 为了比较人工智能驱动细分的质量和时间要求与LMIC环境中放射瘤学家的手动细分.
• 评估人工智能工具的可行性,以克服缺少服务的地区的RT资源障碍.

主要方法:

• 一项涉及10名患者的研究 (5名头癌,5名前列腺癌) 来自2个LMICRT诊所.
• 计划CT图像使用FDA批准的AI软件和经验丰富的放射瘤学家进行细分.
• 分段时间,DICE相似系数 (DSC),豪斯多夫距离和平均表面距离与来自美国学术机构的对照数据进行了比较.

主要成果:

• 人工智能自分化大大减少了轮时间,平均为每名患者2分钟,而手动轮时间为57-84分钟.
• 人工智能生成的骨盆OAR轮与对照数据的一致性比LMIC手动轮更好 (平均DSC0.834对0.807和0.844对0.801).
• 与LMICs手动方法相比,AI还改善了大多数头部和部OAR的一致性,尽管AI和手动轮对视神经,膜和带的一致性都很差 (<0.600).

结论:

• 基于人工智能的自分化为在LMICs中生成OAR轮提供了可行的解决方案,其质量与手动分化的质量相当.
• 通过人工智能实现的显著时间节约可以帮助缓解资源限制,并加快RT在LMICs的部署.
• 虽然人工智能看起来有前途,但对于特定的关键结构,如光通路和带,需要进一步改进.