在日常磁共振图像引导的自适应性前列腺癌放射治疗中实施基于人工智能的划分工具的可行性和时间效益
Maximilian Lukas Konrad1,2, Carsten Brink1,2, Anders Smedegaard Bertelsen2
1Department of Clinical Research, University of Southern Denmark, Denmark.
Physics and imaging in radiation oncology
|January 31, 2025
概括
在MRI导向放射治疗中实施人工智能 (AI) 进行在线自分区可以显著减少轮时间. 这种基于人工智能的工作流通过提供一致的分界时间和更少的重新调整来改善日常治疗安排.
科学领域:
- 医学物理 医学物理
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 每日用MRI指导的放射治疗需要耗时的手动对目标和有风险的器官进行轮.
- 自动细分的进步为快速,高质量的划分提供了潜力.
- 在线自行细分的临床时间效益在很大程度上仍未得到量化.
研究的目的:
- 调查在线基于人工智能 (AI) 的边界划分的可行性.
- 在临床环境中量化与人工智能驱动轮相关的时间节省.
- 评估AI划分对1.5TMRI-Linac放射治疗工作流程效率的影响.
主要方法:
- 一项前性研究,涉及15名前列腺癌患者,接受1.5T MRI-Linac治疗.
- 第1组 (n=5):所有分数的标准手动轮工作流程.
- 组2 (n=10):初始分数的标准工作流程,其次是基于人工智能的工作流程,用于后续分数使用内部nnU-Net.
主要成果:
- 基于人工智能的工作流将分界时间从9.8分钟减少到5.3分钟.
- 人工智能划分时间保持不变,与标准工作流程中观察到的日益增加的差异不同.
- 在基于人工智能的工作流程中,由于目标运动而导致的治疗重新适应较少.
结论:
- 在线基于人工智能的划分在1.5 T MRI-Linac.Linac.上是可行的和有效的.
- 显著减少划分时间有助于改善每日治疗计划.
- 一致的AI划分时间提高了治疗计划的可靠性,并尽量减少延迟.
