全自动化计划解决方案的定量评估,用于仅前列腺和全骨盆放射治疗
Jessica Prunaretty1, Baris Ungun2, Remi Vauclin2
1Institut du Cancer de Montpellier (ICM), 34090 Montpellier, France.
Cancers
|November 27, 2024
概括
一个新的深度学习管道自动化前列腺癌的放射治疗计划,提供高质量的,机器可交付的计划,与人工方法相比,最小的人类投入.
科学领域:
- 辐射瘤学 辐射瘤学
- 医学物理 医学物理
- 人工智能在医学中的应用
背景情况:
- 开发用于放射性瘤学的自动化治疗计划系统对于效率和一致性至关重要.
- 前列腺癌治疗计划需要精确的剂量输送到目标,同时省略风险器官 (OAR).
研究的目的:
- 评估一个自动化的,端到端的治疗规划管道,用于前列腺和整个骨盆的放射治疗.
- 评估人工智能生成计划的质量,临床可接受性和机器可交付性.
主要方法:
- 为剂量预测开发了一个深度学习模型,并与直接光圈VMAT优化集成.
- 该管道在238个病例中接受了培训,在86个病例中得到了验证,在另外40个病例中进行了临床评估.
- 使用剂量-体积组图 (DVH) 度量来评估计划质量,并使用门口剂量计 (玛指数) 验证可交付性.
主要成果:
- 自动化计划满足剂量限制,但偏差很小,显示质量与手动生成的计划相比.
- 门户端剂量测量证实了自动化计划的成功交付.
- 在监测单位 (MU),调制复杂度得分 (MCSv) 和玛标准之间没有发现显著的相关性.
结论:
- 基于深度学习的自动化管道可用于生成高质量的前列腺癌放射治疗计划.
- 自动化计划与手动计划具有竞争力,并且在剂量测量和机器交付方面获得了临床批准.
