江苏龙网

  1. 首页 > 资讯 > 科技 > >

##AI医学 | 人工智能在肿瘤放射治疗中的研究进展( 三 )


Pinnacle3计划系统中的自动计划模块AutoP-lan则模拟经验丰富的计划设计师 ， 基于已建立的病例模板数据库中的器官重叠体积直方图(OVH)信息 ， 使用机器学习搜索新患者的OVH数据与模板库中最相似的病例 ， 以该病例计划作为参考 ， 在优化过程中自动添加该病例模板的目标函数、限制条件和权重 ， 对新患者病例进行自动化放射治疗计划设计 ， 最后获得新患者病例对应的剂量体积直方图数据 。Nawa等选取了23例前列腺癌病例 ， 设计AutoPlan自动计划与人工计划进行配对t检验发现 ， 自动计划优于或与人工计划相媲美 ， 二者靶区剂量和直肠剂量相当 ， 而自动计划显著减少了膀胱和股骨头的剂量 。Krayenbuehl等选取50例头颈部肿瘤患者 ， 对比AutoPlan自动计划与Eclipse容积旋转调强人工计划发现 ， 靶区的适形度和均匀性在自动计划中有显著改善 ， 并且危及器官也有显著降低 。最大的差别在于 ， 自动计划的平均有效工作时间为(3.8±1.1)min ， 而人工计划是(48.5±6.0)min ， 自动计划大大降低了有效工作时间 。国内同行在自动计划的研究中也做了大量的工作 ， 结论基本一致 ， 自动计划极大程度上减少了物理师的计划设计时间 ， 大大提升了治疗计划的质量和一致性 ， 具有重大的临床应用意义 。
质量保证
目前 ， 临床治疗计划的质量保证通常是采用第三方的独立计算软件进行评估 ， 而这种评估仅仅是对计算结果的验证 ， 无法判断该放疗计划是否达到最优 。人工智能则不然 ， 理论上只要训练样本足够丰富、优秀 ， 就一定能够预测出最优计划的剂量分布情况 ， 从而判断出临床计划是否达到最优 。Zhu等对18例前列腺肿瘤患者的212例IMRT计划 ， 应用支持向量回归(SVR)的方法 ， 建立了输入数据为患者解剖结构提取信息 ， 输出数据为危及器官的剂量体积直方图(DVH)的回归训练模型 ， 并利用该模型对14例患者进行了危及器官DVH的验证 ， 结果该模型预测准确率达到80% 。以上模型较为粗糙 ， 提取信息少 ， 输出的剂量学特征以简单二维DVH曲线为主 ， 不足以满足临床的需要 。孔繁图等则利用神经网络建立了患者解剖结构特性与对应放疗计划三维剂量分布的关联模型 ， 使得输出剂量学特征表达为携带位置信息的丰富化程度更高的三维剂量分布 。该模型提取器官体积、射线角度、解剖结构位置关系等丰富信息 ， 采用神经网络构建剂量预测模型 ， 预测点对点剂量差异为(0.16±10.52)Gy ， 百分剂量差异在2.5%以内 ， DVH差异在3%以内 ， 并且预测出的三维剂量分布差异较小 ， 剂量分布合理 。因此 ， 随着人工智能的发展对治疗计划的剂量学预测将会越来越全面 ， 为计划质量控制提供更加准确的度量 。
患者在治疗前的另一项重要的质控环节就是调强计划剂量验证 。目前常用的方法是将IMRT计划投射到一个CT扫描的模体上 ， 运用电离室或胶片进行测量 ， 采用γ分析方法与计划系统的结果进行比较 。这种方法步骤多、耗时长 ， 验证结果对某些误差(如MLC的位置误差)还不敏感 。Valdes等开发了一种能够预测IMRT计划验证通过率的分析方法 。选取498例动态调强计划 ， 每个计划提取包括机器跳数、射线能量、加速器类型、铅门位置、准直器角度、MLC类型等78个特征参数作为模型输入数据 ， 每个计划对应的用Mapcheck2半导体探测器阵列测量的平面剂量验证结果γ通过率(3%/3 mm ， 10%阈值)作为模型的输出数据 ， 使用Poisson回归和Lasso正则算法构建机器学习模型进行训练 ， 从而预测新计划的γ通过率 。为了验证该模型预测的准确率 ， Valdes等对另一个中心的139例用EPID进行剂量验证的IMRT计划进行γ通过率的预测 ， 结果误差在3.5%以内 。可见虚拟IMRT剂量验证可以对不同测量技术、跨机构预测通过率 ， 这种质量保证方法必将对将来的IMRT过程有着深远的影响 。
小结与展望
近年来 ， 人工智能在放射治疗中的应用发展迅速 ， 有效地提高了医师和物理师的工作效率 ， 提高了治疗计划和质控的质量 ， 增加了患者获益并降低了风险 。目前 ， 国内正在研发以云平台为载体的智能化放疗系统 ， “AI+放疗”远程放疗体系将为基层医院开展标准化、规范化的放射治疗提供重要的质量保证 ， 因此人工智能在放疗领域将具有越来越广泛的应用前景 。当然 ， 目前的人工智能研究仍有一定的局限性 ， 其内部运行过程和原理尚未被完全阐明 ， 即使它能以接近人类的思维方式运行 ， 但对世界的感知和处理方式也会与人类有差异 ， 医师的思维模式也难以完全复制 。因此 ， 当下人工智能并不能完全替代医师和物理师的工作 。不过 ， 随着科技的发展 ， 我们期待着人工智能为放射治疗带来更多新的思路和方法 。


推荐阅读


上一篇：『』外出办公人员了解一下？ThinkBook掀起轻薄简约新浪潮

下一篇：『』抑制接地线上的高频干扰，SCHURTEER公司新增地线扼流圈