在前列腺癌自动化放射治疗中,自动细分和自动规划

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 人工智能在医学中的应用

背景情况:

• 前列腺癌的放射治疗需要精确划分瘤体积和有风险的器官 (OAR).
• 手动细分和规划是耗时的,并且可能会受到观察者之间的变化.
• 自动化方法有可能提高放射治疗的效率和一致性.

研究的目的:

• 开发和评估用于前列腺癌自动化放射治疗的自动细分和自动计划的临床可行性.
• 评估人工智能驱动的细分和规划过程的准确性和效率.
• 在目标覆盖和OAR节省方面,将自动化计划与手动生成的计划进行比较.

主要方法:

• 一个3D U-Net模型被训练为总瘤体积 (GTV),临床瘤体积 (CTV),节点CTV (CTVnd) 和OAR的自动细分,使用来自166名患者的数据.
• 性能指标包括子相似系数 (DSC),回忆,精度,体积比 (VR),豪斯多夫距离 (HD95) 和体积修订度 (VRD).
• 一个自动规划网络接受了77个治疗计划的培训;对剂量测量差异和临床可接受性进行了评估,包括OAR编辑的影响.

主要成果:

• 自动细分实现了高准确度 (GTV/CTV/CTVnd的DSC:0.87/0.88/0.82;OAR DSC ≥0.83) 与快速处理 (1分20秒/案例).
• 与手动计划相比,自动计划显示出更高的合规性 (p ≤ 0.01) 和OAR节省 (p ≤ 0.03),只有6.7%的自动计划被认为是不可接受的.
• 75%的自动计划被认为优于手动计划,OAR编辑对剂量计没有显著影响.

结论:

• 自动细分的准确性与前列腺癌放射治疗中的手动细分相当.
• 自动计划提供同等或更高水平的OAR保护,并满足在线自动化放射治疗的要求.
• 这些自动化方法促进了临床应用,并提高了放射治疗的效率.