放射治疗后基于图像的结果预测中的机器学习:一篇评论
Xiaohan Yuan1, Chaoqiong Ma2, Mingzhe Hu2
1Department of Biomedical Engineering, Emory University and Georgia Institute of Technology, Atlanta, Georgia, USA.
Journal of applied clinical medical physics
|November 18, 2024
概括
放射治疗中的机器学习 (ML) 提高了对生存和毒性的预测结果. 尽管存在诸如数据隐私等挑战,但ML对精准医学和改善患者护理具有重大前景.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 机器学习 (ML) 在放射治疗中的整合是预测患者结果的日益增长的领域.
- 关注的重点领域包括患者存活率,疾病复发和治疗诱导的毒性.
研究的目的:
- 审查ML在放射治疗中的当前应用,以预测结果.
- 突出医学成像和临床数据在ML模型中的使用.
- 确定在放射治疗中对ML的挑战和未来方向.
主要方法:
- 关于ML在放射治疗中的应用的综合文献综述.
- 分析利用医学成像方法和临床数据的研究.
- 检查研究趋势,特别是生存分析.
主要成果:
- ML在预测放射治疗结果,包括存活率和毒性方面显示出显著的潜力.
- 医疗成像与临床数据的整合提供了机遇和复杂性.
- 生存分析是放射治疗研究中ML应用的一个突出领域.
结论:
- 放射治疗中的ML对推进精准医学和提高患者护理具有很大的前景.
- 需要进一步的研究来应对数据收集,隐私,标准化和可解释性等挑战.
- 建议扩大对腹部和胰腺癌的研究.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.7K
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
2.7K
