人工智能的进步用于质母细胞瘤放射治疗计划和治疗
Reid Master1, Nesha Rubin2, James Sampson1
1School of Engineering Medicine, Texas A&M Institute of Biosciences and Technology, Houston, 77030 TX, USA.
Cancers
|December 11, 2025
概括
人工智能,特别是深度学习,通过自动化细分和规划来增强质母细胞瘤放射治疗. 这些人工智能工具的临床整合需要进一步验证.
科学领域:
- 神经瘤学神经瘤学
- 辐射瘤学 辐射瘤学
- 人工智能在医学中的应用
背景情况:
- 质母细胞瘤是一种具有攻击性的脑瘤,尽管瘤学取得了进展,但其存活率不佳.
- 放射治疗至关重要,但面临着诸如观察者之间的变化和剂量限制等挑战.
- 深度学习为自动化放射治疗计划提供了潜力,提高了一致性和效率.
研究的目的:
- 审查目前用于质母细胞瘤放射治疗的AI框架.
- 探索自动细分,剂量映射和生物知情规划.
- 突出AI在个性化质母细胞瘤治疗中的潜力.
主要方法:
- 关于放射治疗中的深度学习研究的叙述性综述.
- 分析自动细分框架和剂量映射技术.
- 放射基因组整合和预测建模的探索.
主要成果:
- 深度学习实现了可重现的瘤细分 (DSCs>0.90) 和快速规划.
- 人工智能模型显示了预测治疗反应的新兴能力.
- 放射基因组学整合使得基于成像的生物标志物能够准确地进行生物标志物分类.
结论:
- 深度学习显示了改善质母细胞瘤辐射规划和监测的重大前景.
- 临床部署受到外部验证和多样化的数据集需求的限制.
- 多机构合作和可解释的AI对于成功的翻译至关重要.
