埃索斯自分化的临床可行性,用于适应性全乳腺癌治疗
Jessica Prunaretty1, Fatima Mekki1, Pierre-Ivan Laurent1
1Radiotherapy Department, Montpellier Regional Cancer Institute, Montpellier, France.
Frontiers in oncology
|December 25, 2024
概括
这项研究发现Ethos AI细分对于乳腺癌治疗计划非常准确,在大多数情况下表现优于人类的可变性. 在适应性放射治疗中,为了提高目标体积,需要进行微小的改进.
科学领域:
- 辐射瘤学 辐射瘤学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 适应性放射治疗工作流程对于优化癌症治疗的交付至关重要.
- 使用人工智能 (AI) 的自动细分可以提高放射治疗规划的效率和准确性.
- 埃索斯是一种适应性放射治疗系统,利用人工智能进行轮生成.
研究的目的:
- 通过Ethos系统对全乳腺癌放射治疗的AI生成的自动细分的准确性进行临床评估.
- 为了比较AI轮性能与观察者之间的变化.
- 评估AI驱动轮在适应性治疗计划中的剂量影响.
主要方法:
- 20名乳腺癌患者使用Ethos模拟器重新规划了乳房,心脏和肺部的AI生成轮.
- 目标体积 (瘤床,内部乳腺链,节点) 通过刚性传播生成.
- 两个独立的放射瘤学家进行了定性和定量评估 (迪斯相似系数,豪斯多夫距离).
- 评估了有风险的器官的观察者间变异性和剂量参数.
主要成果:
- 在98.6%的病例中,人工智能轮需要很少或根本不需要修正,超过所有指标 (DSC,HD,sDSC,APL) 的观察者间变异性.
- 乳房 (97.9%),内部乳腺链 (96.3%) 和节点 (94.2%) 实现了目标体积覆盖率,增强CTV (68.8%) 的覆盖率较低.
- 对于有风险的器官,没有观察到剂量计参数的显著差异.
结论:
- 埃索斯在用于乳腺癌放射治疗的AI驱动细分方面表现出高准确性,特别是在标准结构方面.
- 增强CTV细分需要进一步精细化,以获得最佳的适应性放射治疗结果.
- 这些发现支持AI在适应性放射治疗中的临床实用性,并有可能优化工作流程.
