基于深度学习的自动轮软件可以在前列腺癌的体积图像引导放射治疗中实现精确的盆腔体积划分吗? 一个初步的多中心分析
Cristiano Grossi1, Fernando Munoz2, Ilaria Bonavero2
1Department of Oncology, University of Turin School of Medicine, 10126 Turin, Italy.
Current oncology (Toronto, Ont.)
|June 25, 2025
概括
在前列腺癌放射治疗中,Limbus Contour软件显示出自动化风险器官划分的前列腺癌软件有望实现,准确地细分膀和直肠. 对于肠袋,西格结肠和淋巴结轮需要进一步改进.
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:
- 放射治疗是前列腺癌 (PC) 的首要治疗方法.
- 精确划分有风险的器官 (OAR) 对于优化治疗疗效和最大限度地减少副作用至关重要.
- 手动对OAR进行细分是劳动密集型的,并且受观察者之间的变化影响.
研究的目的:
- 评估Limbus Contour (LC) 的性能,这是一个深度学习的自动轮软件,用于PC患者的骨盆结构.
- 为了比较LC的自动轮OAR与辐射瘤学家手动划分的准确性.
主要方法:
- 使用LC软件自动围绕盆腔OARs,包括肠囊,膀,直肠,西格结肠和盆腔淋巴结.
- 评估了52名PC患者的表现.
- 量化指标被用来比较自动轮结构与手工划分的结构.
主要成果:
- 在膀 (子中位数:0.95) 和直肠 (子中位数:0.83) 划分方面,LC表现出高准确度.
- 肠袋 (子中位数:0.64) 和西格结肠 (子中位数:0.6) 的表现有限,包括无关结构的情况.
- 盆腔淋巴结划分显示了可接受的中位数 (0.73),但缺乏亚区域差异化.
结论:
- 在前列腺放射治疗中,LC显示了自动化OAR划分的潜力,特别是在膀和直肠.
- 需要对肠袋,西格结肠和淋巴结的自动轮进行改进,特别是在次区域准确性方面.
- 建议对更大,更多样化的患者队伍进行进一步验证,以确认可概括性.
