人工智能引导的体内瘤总瘤体积的划分:一个系统性审查
Lea Marie Pehrson1,2,3, Jens Petersen3,4, Nathalie Sarup Panduro1,2
1Department of Diagnostic Radiology, Copenhagen University Hospital Rigshospitalet, 2100 Copenhagen, Denmark.
Diagnostics (Basel, Switzerland)
|April 12, 2025
概括
人工智能 (AI) 模型在划定瘤总体积 (GTV) 进行放射治疗规划时显示出高精度. 需要进一步的临床验证来确保AI.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 放射治疗被约50%的癌症患者使用,需要准确的瘤总体积 (GTV) 划分来进行个性化治疗计划.
- 手动GTV划分是耗时的,取决于运营商,并表现出可变性.
- 人工智能 (AI) 越来越多地被探索,以自动化GTV划分过程.
研究的目的:
- 系统地审查和比较人工智能模型在各个身体区域和瘤类型中划分GTV的性能.
- 通过使用既定准则 (CLAIM,TRIPOD) 评估人工智能算法偏差风险并报告其遵守情况.
主要方法:
- 对五个电子数据库的系统审查 (2017年1月至2025年2月) 确定了对CT,MRI和/或PET中GTV划分的AI算法的研究.
- 在选了2430篇文章后,包括了48项原始研究.
- 使用子相似系数 (DSC) 和豪斯多夫距离 (HD) 评估表现,并通过CLAIM和TRIPOD检查清单评估偏差风险.
主要成果:
- 人工智能算法展示了在各种瘤和解剖区域的DSC范围为0.62-0.92和HD范围为1.33-47.10毫米的综合诊断性能.
- 编码器-解码器架构与最高的DSC值有关.
- 人工智能模型在GTV划分中与人类临床医生有很高的一致性.
结论:
- 人工智能算法在辐射瘤学中显示出对准确的GTV划分有显著的希望.
- 临床实施需要增强信任,提高AI性能和稳定性,并通过前性研究和随机对照试验进行验证.
