通过使用几何学,剂量计和预测毒性的人工智能自动轮软件生成的直肠轮的评估

科学领域:

• 辐射瘤学 辐射瘤学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 准确地划出风险器官,如直肠,对于安全有效的放射治疗规划至关重要.
• 深度学习 (DL) 模型为自动化轮生成提供了潜力,但它们的临床实用性需要对专家划分进行严格的验证.

研究的目的:

• 为了评估直肠器官风险轮的几何和剂量准确性,商业DL自动轮模型生成的轮与临床医生绘制的轮相比.
• 评估轮差异对毒性建模的影响,以预测接受3D符合辐射治疗的前列腺癌患者晚期直肠出血.

主要方法:

• 对308名前列腺癌患者进行了回顾性分析,这些患者接受了3D符合辐射治疗.
• 使用商业DL自动轮软件 (Limbus Contour v1.8.0b3) 创建直肠轮,没有手动编辑.
• 使用子相似系数 (DSC),豪斯多夫距离 (HD),体积差异和剂量-体积直方图 (DVH) 度量来比较自动轮和临床医生轮. 毒性预测模型包括等效均剂量 (EUD) 和临床因素.

主要成果:

• 中位数DSC为0.85,中位数HD为1.38mm,中位数体积差异为-1.73cc,表明很好的重叠和接近.
• 中位数DVH差异很小 (<1.5%),但四分位数范围高达8.0%突出显示了患者间的变化.
• 纳入DL生成轮的毒性模型显示,使用临床医生轮 (AUC 0.65) 的模型与用于直肠出血的模型具有可比的预测准确性 (AUC 0.66).

结论:

• 虽然DL自动轮显示出与临床医生轮的几何和剂量学相似性,但观察到的患者间变异性需要临床医生在放射治疗计划中的持续监督.
• 该DL自动轮模型显示了将其集成到监督工作流程中的潜力,在不损害该队列中直肠出血的预测准确性的情况下提供了效率.