对使用可解释的人工智能进行癌症放射治疗的自动治疗计划的新见解

科学领域:

• 医学物理 医学物理
• 人工智能在医学中的应用
• 放射治疗规划 放射治疗规划

背景情况:

• 放射治疗中的自动治疗计划是复杂的,通常是不透明的.
• 人工智能 (AI) 代理提供了优化治疗计划参数 (TPP) 的潜力.
• 了解AI决策对于临床信任和采用至关重要.

研究的目的:

• 阐明人工智能代理用于自动治疗计划的决策过程.
• 分析人工智能代理人如何学习调整前列腺癌放射治疗的治疗计划参数 (TPP).
• 为了将AI对剂量-体积直方图 (DVH) 输入的理解与TPP调整相关联.

主要方法:

• 在各个培训阶段,考核了经验重播 (ACER) 的演员批判性AI代理人.
• 应用可解释的AI方法来分析输入-输出关系 (DVH到TPP调).
• 评估计划的有效性,效率,政策空间和TPP调整空间.

主要成果:

• ACER代理人逐渐学会了从DVH输入中识别剂量违规并减轻它们.
• 具有较强归因-违规相似性的代理人显示出更高的规划效率和稳定性.
• 高性能代理需要更少的调步骤和集中TPP调整.

结论:

• 高性能的人工智能代理有效地识别剂量违规行为,并采用全球调整策略.
• 人工智能代理人展示的学习策略与经验丰富的人类规划者相美.
• 提高人工智能决策的可解释性可以增强临床医生的信任,并推进自动治疗规划.