用人工智能进行质子放射学解释,用于检测质子疗法中的治疗偏差
Giuliano Perotti Bernardini1, Arthur Galapon1, Gabriel Guterres Marmitt1
1Department of Radiation Oncology, University Medical Center Groningen, University of Groningen, the Netherlands.
Physics and imaging in radiation oncology
|December 24, 2025
概括
使用质子放射学 (PR) 的人工智能工具准确检测质子疗法的偏差,通过实现快速自动化治疗计划调整以提高质量保证,改进自适应性质子疗法 (APT).
科学领域:
- 医学物理 医学物理
- 辐射疗法 辐射疗法
- 人工智能的人工智能
背景情况:
- 由于患者的设置错误,解剖学变化和范围不确定性,质子疗法剂量一致性受到挑战.
- 适应性质子疗法 (APT) 旨在通过计划监测和调整来缓解这些问题.
- 质子放射 (PR) 是一个关键技术,用于实时检测范围偏差.
研究的目的:
- 开发和评估一种人工智能 (AI) 工具,用于使用PR.使用治疗偏差的自动解释和分类.
- 评估该工具在检测质子疗法中模拟和真实世界的偏差方面的性能.
主要方法:
- 来自32名头癌患者的合成CT数据被修改为模拟设置,校准和解剖错误.
- 质子放射学模拟生成了整体深度剂量曲线和范围转移图 (RSM).
- 一个卷积神经网络 (EfficientNet-v2-M) 经过训练,用于对14503个RSM的偏差进行多标签分类,并根据22名患者的临床数据进行验证.
主要成果:
- 人工智能工具在合成数据上实现了高性能:97%的精度,92%的回忆,93%的F1得分和92%的F2得分.
- 在临床数据上,该工具表现出强大的概括性,精度为86%,回忆率为88%,F1得分为86%,F2得分为87%.
- 处理偏差的分类发生在每张图像的1秒内.
结论:
- 由人工智能驱动的公关工具有助于在质子疗法中快速自动检测治疗偏差.
- 这项技术支持集成到自适应性质子疗法 (APT) 工作流程中.
- 该工具提高了质量保证在质子疗法在线计划适应的质量保证.
