可解释的人工智能辅助的临床决策,用于在放射治疗中选择治疗大脑转移的治疗方法

科学领域:

• 人工智能在医学中的应用
• 辐射疗法 辐射疗法
• 在瘤学瘤学.

背景情况:

• 人工智能驱动的临床决策支持可以提高医疗保健的质量和效率.
• 它提供二次咨询,有可能减少对医疗专业知识的访问有限的患者的医疗保健差异.

研究的目的:

• 开发一种可解释的AI模型,用于在全脑辐射疗法 (WBRT) 和立体辐射手术 (SRS) 之间进行选择.
• 该模型旨在帮助诊断出脑转移的患者选择治疗.

主要方法:

• 分析了232名接受放射治疗的脑转移患者的数据集.
• CT/MR图像和11个非图像临床参数都被用作3D卷积神经网络 (CNN) 模型的输入.
• 可解释模型 (IM-2,IM-11) 与香草模型 (VM-1) 一起开发,以评估输入的重要性.

主要成果:

• 可解释的IM-2模型实现了SRS的98%准确性和WBRT选择的93%准确性.
• IM-11模型提供了详细的输入权重,突出显示CT图像 (59.5%) 和ECOG状态 (7.5%) 具有高度影响力.
• 模型性能使用分层10倍交叉验证进行了验证.

结论:

• 可解释的CNN模型有效地预测了WBRT与SRS对大脑转移的治疗选择.
• 这些模型的透明度对于其融入临床实践和实时决策支持至关重要.