人工智能用于放射性药物疗法中简化以患者为中心的剂量计
Alejandro Lopez Montes1, Fereshteh Yousefirizi2, Yizhou Chen1
1Department of Nuclear Medicine, Inselspital, Bern University Hospital, University of Bern. Rosenbühlgasse 25CH-3010 Bern. Switzerland.
深度学习模型为放射性药物治疗 (RPT) 提供更快,个性化的剂量测量,改善病变评估和治疗适应性. 人工智能驱动的细分增强了以图像为指导的RPT规划和监控,以提高治疗效率.
科学领域:
- 医学物理 医学物理
- 放射性药物疗法是一种放射性药物疗法.
- 人工智能在医学中的应用
背景情况:
- 在放射性药物治疗 (RPT) 中,针对患者的剂量测量对于监测病变和器官演变至关重要.
- 目前的剂量测量协议通常是计算密集的,限制了个性化剂量测量的采用.
- 一般模型缺乏患者特定的解剖学准确性,阻碍了精确的剂量计算.
研究的目的:
- 探索深度学习 (DL) 的时间集成活动到剂量转换在RPT.
- 将人工智能支持的细分展示为个性化,图像引导的RPT的工具.
- 为了能够精确量化放射性药物吸收和治疗响应在损伤水平.
主要方法:
- 利用深度学习模型进行时间集成的活动转换剂量,绕过蒙特卡洛模拟.
- 采用人工智能支持的细分策略,用于患者特定的解剖建模.
- 专注于量化放射性药物的吸收和响应在病变水平.
主要成果:
- 深度学习提供了一个可行的替代方案,以计算昂贵的蒙特卡洛模拟剂量测量.
- 人工智能驱动的细分增强了RPT患者特定解剖模型的准确性.
- 病变吸收和反应的量化有助于评估治疗疗效.
结论:
- 深度学习解决方案可以加速放射性药物治疗中的个性化剂量测量.
- 人工智能支持的细分推进了以图像为指导的RPT规划,监控和治疗适应.
- 精确的剂量测量和响应量化是优化RPT疗效的关键.
更多相关视频
07:57Positron Emission Tomography-based Dose Painting Radiation Therapy in a Glioblastoma Rat Model using the Small Animal Radiation Research Platform
Published on: March 24, 2022
05:18Author Spotlight: Improving Radiation Therapy Access with Radiation Planning Assistant
Published on: October 6, 2023
相关概念视频
Dosage Regimens: Designs and Approaches
Dosage Regimens: Partial Pharmacokinetic Parameters
Dosage Regimen: Individualization
Dosage Regimen Designs: Nomograms and Tabulations
Drug Accumulation During Multiple Dosing: Repetitive IV Injections
Drug Dosing in Renal Diseases: Dose Adjustments Based on Drug Clearance and Elimination Rate Constant
