DalšíDalší průvodce
Analýza půdy pomocí umělé inteligence a doporučení hnojiv
Průmyslová odvětví
PRŮVODCE odvětvími
Umělá inteligence při plánování radiační terapie využívá hluboké učení k nastínění nádorů a blízkých orgánů na CT nebo MRI skenech (automatické konturování) ak předpovídání nebo generování plánů dávek, které mohou zkrátit hodiny manuální práce na minuty.
Poslechněte si tento návodAI-vyprávěný · ~3 min
Je to důležité, protože rychlejší a důslednější plánování může zkrátit čekání před léčbou a dělá adaptivní radioterapii praktickou. Radiační onkologové a lékařští fyzici stále kontrolují, upravují a schvalují každý obrys a plán.
Radiační terapie se snaží dodat rakovině vysokou dávku a přitom šetřit zdravou tkáň. Plánování začíná tvarováním: obrysem viditelného nádoru (hrubý objem nádoru, GTV), oblastí pravděpodobného mikroskopického rozšíření (klinický cílový objem, CTV), okrajem pro nastavení a pohyb (plánování cílového objemu, PTV) a ohroženými orgány (OAR), jako je srdce, plíce, mícha nebo konečník. Manuální konturování může trvat hodiny u složitých míst, jako je hlava a krk, a různí lékaři kreslí výrazně odlišné obrysy. Auto-konturování bylo nejprve provedeno pomocí metod založených na atlasu, které deformují obrysy z referenčních pacientů na nový sken. Modely hlubokého učení, často sítě ve stylu U-Net, nyní obecně fungují lépe a jsou zabudovány do komerčních systémů od dodavatelů, jako jsou Varian, Elekta, RaySearch, Siemens Healthineers a Mirada. Výzkumný projekt InnerEye společnosti Microsoft, vyvinutý s nemocnicí Addenbrooke v Cambridge, uvolnil nástroje s otevřeným zdrojovým kódem v této oblasti. OAR konturování je nejvyspělejší použití. Konturování cíle je obtížnější, protože závisí na klinickém úsudku, patologii a zobrazování mimo sken. Plánování dávek využívá AI dvěma hlavními způsoby. Plánování založené na znalostech, jako je RapidPlan společnosti Varian, se učí z dříve schválených plánů předpovídat dosažitelné histogramy objemu dávky pro nového pacienta. Hluboké učení predikce dávky a automatizované plánování jdou ještě dále tím, že odhadují 3D distribuci dávky a řídí optimalizátor. Na této rychlosti závisí adaptivní radioterapie. Systémy jako Varian Ethos a MR-linacs jako Elekta Unity znovu zobrazují pacienta při léčbě a přizpůsobují plán. Obvyklá mylná představa je, že AI plánuje léčbu sama. Lékaři schvalují obrysy a předpisy a lékařští fyzici před dodáním kontrolují plány a provádějí zajištění kvality.
Klinika pro rakovinu hlavy a krku používá auto-konturování k kreslení více než 20 ohrožených orgánů, jako jsou příušní žlázy a mícha, a dozimetrista upravuje několik řezů, místo aby je všechny kreslil ručně.
Centrum pro rakovinu prostaty využívá plánování založené na znalostech, které předpovídá dosažitelné limity dávek pro močový měchýř a konečník z minulých schválených plánů, což dává plánovačům realistický výchozí cíl.
Systém adaptivní terapie před každým sezením přetvaruje orgány na denním zobrazovacím skenu a tým péče kontroluje a schvaluje aktualizovaný plán, zatímco pacient čeká na stole.
Fyzikální tým porovnává nový nástroj pro automatické tvarování s obrysy místních lékařů na testovací sadě minulých pacientů, než jej použije klinicky, přičemž si všímá, kde se potýká, například po operaci.
Auto-konturování pro ohrožené orgány je již v mnoha centrech rutinní a širší využití automatizovaného plánování a online adaptivní terapie je pravděpodobné, že důkazy a software budou vyspělé. Mezi těžší problémy patří spolehlivé tvarování cíle, manipulace s neobvyklou anatomií a vytváření automatických kontrol, které signalizují, když obrys nebo plán vypadá jako něco, na čem byl model trénován. Profesní orgány vypracovávají pokyny pro uvádění do provozu a průběžné zajišťování kvality nástrojů umělé inteligence. Realistickým směrem je rychlejší plánování a častější přizpůsobování plánu, kdy lékaři a fyzici tráví svůj čas revizí, chytáním chyb a řešením složitých případů.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Umělá inteligence při plánování radiační terapie využívá hluboké učení k nastínění nádorů a blízkých orgánů na CT nebo MRI skenech (automatické konturování) ak předpovídání nebo generování plánů dávek, které mohou zkrátit hodiny manuální práce na minuty. Je to důležité, protože rychlejší a důslednější plánování může zkrátit čekání před léčbou a dělá adaptivní radioterapii praktickou. Radiační onkologové a lékařští fyzici stále kontrolují, upravují a schvalují každý obrys a plán.
Automatické konturování vykresluje obrysy cílů a blízkých orgánů, což ušetří hodiny ručního konturování.
Ohrožené orgány mají konzistentní, viditelnou anatomii. Cíle závisí více na klinickém úsudku a informacích mimo skenování.
PTV přidává rezervu, takže cíl stále dostává svou dávku navzdory malým rozdílům v nastavení a pohybu.
Plánování založené na znalostech využívá předchozí dobré plány ke stanovení realistických cílů dávkování pro nového pacienta.
Kostky měří celkové překrytí. Klinická přijatelnost a doba úprav závisí na tom, kde jsou chyby, a proto záleží na povrchových metrikách a odborné kontrole.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Analýza půdy pomocí umělé inteligence a doporučení hnojiv
Průmyslová odvětví