基于深度学习的冠状动脉细分和心脏毒性风险预测系统的临床验证和未来部署

科学领域:

• 放射治疗和医学成像学
• 人工智能在瘤学中的应用
• 癌症患者的心血管健康

背景情况:

• 精确的心脏基结构细分对于放射治疗中剂量监测至关重要.
• 目前用于心脏剂量评估的方法可能耗时,缺乏实时监测能力.
• 人工智能为心脏结构和剂量暴露的自动化和高效分析提供了潜力.

研究的目的:

• 开发和验证人工智能算法,用于准确细分心脏基结构.
• 在肺癌患者中实行心脏剂量暴露的实时监测.
• 评估AI衍生的心脏剂量指标与临床结果的关联.

主要方法:

• 在胸部CT扫描上训练和验证了一个3D UNet模型,用于心脏基结构的自动细分.
• 人工智能系统用于对3399名肺癌患者的回顾性分析和对1386名患者的前性监测.
• 评估了几何准确性,剂量-体积参数一致性和与结果的关联.

主要成果:

• 人工智能系统在对心脏和左前下垂动脉 (LAD) 的细分方面表现出高准确性.
• 人工智能衍生的LAD V15独立与主要心脏不良事件 (MACE) 和全因死亡率 (ACM) 相关.
• 追溯分析显示,随着时间的推移,LAD V15下降,32%的患者被确定为高风险患者;前性监测标记了19%的潜在转诊.

结论:

• 一个经过验证的AI系统准确地细分心脏亚结构,并使实时剂量监测成为可能.
• 自动心脏剂量监测可以促进冠状动脉节约性放射治疗的采用.
• 人工智能系统为高风险患者提供护理点警报,改善后续护理.