使用八个商业软件平台在多个解剖部位进行基于人工智能的器官细分的定量评估
Lulin Yuan1, Quan Chen2, Hania Al-Hallaq3
1Virginia Commonwealth University, Richmond, VA.
Practical radiation oncology
|August 25, 2025
概括
商业人工智能软件在分类有风险的器官 (OAR) 中显示出显著的变化,影响了临床实践. 对于人工智能细分工具来说,彻底的测试和质量保证至关重要,以确保可靠的患者护理.
科学领域:
- 医学成像分析
- 医疗保健中的人工智能
- 放射治疗计划
背景情况:
- 使用人工智能 (AI) 进行风险器官的自动细分,可以提高放射治疗计划的效率.
- 然而,人工智能软件性能的变化需要在临床实施之前进行仔细评估.
研究的目的:
- 评估八个商业人工智能软件平台的细分精度和可变性.
- 使用多个指标将人工智能生成的轮与临床标准进行比较.
- 为基于人工智能的OAR细分提供临床采用建议.
主要方法:
- 从头部和部,胸部,腹部和骨盆区域进行160个计划CT数据集的回顾分析.
- 通过人工智能软件对临床轮进行分段的31个OAR的评估,使用子相似系数 (DSC),豪斯多夫距离 (HD95) 和相对增加路径长度 (RAPL).
- 使用双因子ANOVA进行统计分析以量化软件间和患者间的变异性.
主要成果:
- 在OAR细分精度中观察到显著的软件间和患者间变异性 (p<0. 05).
- 在宫食道 (0.41),气管 (0.10),脊髓 (0.13) 和前列腺 (0.17) 发现了最大的软件间差异.
- 细分精度各不相同,7个OAR达到平均DSC>0.9,15个在0.7-0.89之间,其他低于0.7. 超过一半 (52%) 的OAR显示RAPL< 0. 1.
结论:
- 基于人工智能的OAR细分软件在不同平台和患者解剖学中表现出显著的变化.
- 这些发现强调了严格的软件调试,验证和持续的质量保证的必要性.
- 实施标准化测试协议对于AI细分工具的安全有效临床整合至关重要.
