使用SBRT-VMAT对早期肺癌的基于深度学习的自动化放射治疗规划的评估:与手动规划的比较

科学领域:

• 辐射瘤学 辐射瘤学
• 医学物理 医学物理
• 医疗保健中的人工智能

背景情况:

• 立体体辐射疗法-体积调制弧线疗法 (SBRT-VMAT) 是用于肺癌的精确辐射技术.
• 自动化治疗计划旨在提高辐射瘤学的效率和一致性.

研究的目的:

• 评估使用深度学习 (DL) 进行肺癌自动化SBRT-VMAT规划的可行性.
• 与手动计划相比,评估基于DL的自动化计划的临床可接受性和效率.

主要方法:

• 在124个早期肺癌病例中开发和训练了一种DL模型.
• 通过预测剂量分布并将其转换为可交付计划,生成自动化计划.
• 使用剂量-体积组图 (DVH) 度量和专家审查来评估计划质量.

主要成果:

• 在自动化和手动SBRT-VMAT计划之间没有发现DVH指标的显著差异.
• 放射瘤学家认为自动化计划在临床上是可以接受的.
• 在中部肺癌病例中,专家对自动化计划的偏好更高.

结论:

• 基于深度学习的自动化规划对于肺癌中的SBRT-VMAT是可行的.
• DL技术可以有效地产生临床上可接受的肺癌SBRT-VMAT计划.
• 自动化规划有望改善放射瘤学工作流程.