一个人工智能剂量引擎用于快速碳离子处理计划

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:

• 蒙特卡洛 (MC) 模拟为碳离子疗法剂量计算提供了高精度,但在计算上是密集的.
• 分析算法在异质组织中更快但更不准确,限制了自适应性放射治疗工作流.

研究的目的:

• 开发第一个基于人工智能的剂量引擎,用于预测碳离子治疗中的相对生物有效性加权剂量.
• 为了实现MC级精度的吸收剂量,阿尔法 (α) 和β (β) 参数,显著减少计算时间.

主要方法:

• 扩展了基于变压器的DoTA架构 (C-DoTA-d,C-DoTA-α,C-DoTA-β) 结合了交叉注意力机制.
• 在70,000个笔光束上接受了训练,这些光束来自头部和部患者,并使用M.C.F.R.E.D.作为基础真理.
• 使用玛传递率,深度剂量和子系数进行评估,用于不确定性分析,使用MC脱落.

主要成果:

• 达到了>98% (剂量:99.76%,α:99.14%,β:98.74%) 的马传递率的中位数,在异质地区的最小值>85%.
• 1%的同剂量轮的子系数为0.95.5.
• 推断速度比MC快400倍以上 (每笔光束0.032s与14s),稳定性高 (平均SD<0.5%).

结论:

• 人工智能剂量引擎快速提供剂量和RBE参数的MC质量预测 (每光束约30毫秒).
• 它的速度和准确性促进了在线适应性规划,增强了碳离子疗法.
• 未来的工作包括扩展到不同的解剖部位和临床光束线.