用于辐射治疗规划的人工智能:弥合从回顾承诺到临床现实之间的差距
L Conroy1, J Winter1, A Khalifa2
1Radiation Medicine Program, Princess Margaret Cancer Centre, 610 University Avenue, Toronto, Ontario, M5G 2M9, Canada; Techna Insitute, University Health Network, 190 Elizabeth St, Toronto, Ontario, M5G 2C4, Canada; Department of Radiation Oncology, University of Toronto, 149 College Street - Stewart Building Suite 504, Toronto, Ontario, M5T 1P5, Canada.
辐射治疗 (RT) 规划中的人工智能 (AI) 可以提高一致性和效率. 克服临床接受方面的挑战需要解决数据质量,偏见,并通过教育和专业知识建立信任.
科学领域:
- 医学物理 医学物理
- 放射治疗瘤学 放射治疗瘤学
- 医疗保健中的人工智能
背景情况:
- 人工智能 (AI) 提供了改善放射治疗 (RT) 规划一致性和效率的潜力.
- 尽管技术进步,人工智能在RT规划中的广泛临床整合仍面临重大障碍.
研究的目的:
- 评估AI在RT规划中的当前临床使用情况.
- 探索在RT规划中人工智能运行方面的挑战和考虑.
- 检查在临床环境中对AI的信任建设策略.
主要方法:
- 审查当前的AI RT规划应用程序.
- 分析挑战,包括数据策划,工作流集成,可解释性和偏见.
- 探索临床终端用户的知识和专业知识缺口.
主要成果:
- 临床终端用户审查在现实环境中增加,可能会降低人工智能接受度.
- 由临床专家策划的高质量,多样化的培训数据对于AI性能至关重要.
- 解决潜在的偏见和建立用户信任是人工智能采用的关键.
结论:
- 弥合教育和专业知识差距对于临床最终用户来说至关重要,他们可以自信地采用人工智能用于RT规划.
- 促进对人工智能能力的理解和提供全面培训至关重要.
- 克服实施挑战需要专注于建立信任和领域知识集成.
更多相关视频
08:25Radiation Planning Assistant - A Streamlined, Fully Automated Radiotherapy Treatment Planning System
Published on: April 11, 2018
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022