基于机器学习的全自动化工作流程,用于前列腺癌辐射治疗规划

科学领域:

• 辐射瘤学 辐射瘤学
• 医疗人工智能 医疗人工智能
• 前列腺癌治疗方法 前列腺癌治疗方法

背景情况:

• 对前列腺癌进行放射治疗的计划可能耗时,并且受观察者之间的变化影响.
• 人工智能 (AI) 和机器学习 (ML) 显示出提高放射治疗规划效率和一致性的潜力.

研究的目的:

• 评估基于ML的全自动化"一键"工作流程用于前列腺癌放射治疗计划的临床可行性.
• 将自动化工作流的性能与传统的规划方法进行比较.

主要方法:

• 评估了一种完全自动化的ML工作流程,整合了细分和治疗规划.
• 该工作流程在接受外部光束放射治疗的五名低风险前列腺癌患者身上进行了测试.
• 结果与基于多个专家轮的传统计划进行了比较,分析了定性和定量指标.

主要成果:

• 深度学习的细分显示出与专家轮 (子相似性,豪斯多夫指数) 的良好一致.
• 自动化计划在手动计划的观察者间变化范围内实现了临床上可接受的剂量覆盖.
• 自动化细分导致了较小的CTV量,导致CTV和PTV的剂量覆盖率相比手动计划要低得多.

结论:

• 自动化ML工作流在前列腺癌放射治疗中是临床可行的,其结果与传统计划相美.
• 这种自动化是朝着更高效和标准化的癌症治疗迈出的一步.
• 由于通过自动细分观察到较小的目标量,因此需要进一步改进细分模型和前性测试.