개요
더 빠르고 일관된 계획을 세우면 치료 전 대기 시간을 단축하고 적응형 방사선 치료를 실용적으로 만들 수 있기 때문에 중요합니다. 방사선 종양학자와 의학 물리학자는 여전히 모든 윤곽과 계획을 검토, 편집 및 승인합니다.
심층 분석
방사선 요법은 건강한 조직을 보호하면서 암에 높은 선량을 전달하려고 합니다. 계획은 윤곽 그리기로 시작됩니다. 눈에 보이는 종양(총 종양 부피, GTV), 현미경으로 퍼질 가능성이 있는 영역(임상 목표 부피, CTV), 설정 및 움직임을 위한 여백(계획 목표 부피, PTV), 심장, 폐, 척수 또는 직장과 같은 위험 기관(OAR)의 개요를 설명합니다. 머리와 목과 같은 복잡한 부위의 경우 수동 윤곽 형성에 몇 시간이 걸릴 수 있으며 임상의마다 눈에 띄게 다른 윤곽선을 그립니다. 자동 윤곽 설정은 참조 환자의 윤곽선을 새 스캔으로 변환하는 아틀라스 기반 방법으로 처음 수행되었습니다. 종종 U-Net 스타일 네트워크인 딥 러닝 모델은 이제 일반적으로 더 나은 성능을 발휘하며 Varian, Elekta, RaySearch, Siemens Healthineers 및 Mirada와 같은 공급업체의 상용 시스템에 내장되어 있습니다. 케임브리지에 있는 Addenbrooke's Hospital과 함께 개발된 Microsoft의 InnerEye 연구 프로젝트는 이 분야의 오픈 소스 도구를 출시했습니다. OAR 컨투어링은 가장 성숙한 용도입니다. 표적 윤곽 형성은 스캔 이외의 임상적 판단, 병리학 및 영상화에 의존하기 때문에 더 어렵습니다. 복용량 계획은 AI를 두 가지 주요 방식으로 사용합니다. Varian의 RapidPlan과 같은 지식 기반 계획은 이전에 승인된 계획을 통해 새로운 환자에 대해 달성 가능한 용량-용량 히스토그램을 예측합니다. 딥 러닝 선량 예측 및 자동화된 계획은 3D 선량 분포를 추정하고 최적화 프로그램을 구동함으로써 더욱 발전합니다. 적응 방사선 치료는 이 속도에 따라 달라집니다. Varian Ethos와 Elekta Unity와 같은 MR-linac과 같은 시스템은 치료 시 환자의 이미지를 다시 촬영하고 계획을 조정합니다. 일반적인 오해는 AI가 스스로 치료를 계획한다는 것입니다. 의사는 윤곽선과 처방을 승인하고 의학물리사는 출산 전에 계획을 확인하고 품질 보증을 실행합니다.
전략적 영향
맥락과 규칙
산업적 맥락은 AI 아이디어가 현실과의 접촉에서 살아남는지 여부를 결정합니다.
품질 관리
도메인 제약 조건은 허용 가능한 오류율과 감독 모델에 영향을 미칩니다.
빌드 선택
성공적인 배포는 기술 역량을 일선 워크플로에 맞춰 조정합니다.
방사선 치료 계획에서 AI의 미래
위험에 처한 장기에 대한 자동 윤곽 조정은 이미 많은 센터에서 일상적으로 이루어지고 있으며, 증거와 소프트웨어가 성숙해짐에 따라 자동화된 계획 및 온라인 적응 치료의 광범위한 사용이 가능할 것입니다. 더 어려운 문제에는 신뢰할 수 있는 대상 윤곽 지정, 특이한 해부학적 구조 처리, 윤곽이나 계획이 모델이 훈련한 것과 다르게 보일 때 플래그를 지정하는 자동 검사 구축 등이 포함됩니다. 전문 기관에서는 AI 도구의 시운전 및 지속적인 품질 보증을 위한 지침을 개발하고 있습니다. 현실적인 방향은 의사와 물리학자가 검토하고, 오류를 포착하고, 복잡한 사례를 처리하는 데 시간을 투자하면서 더 빠른 계획과 더 자주 계획을 적용하는 것입니다.
실제 구현
두경부암 클리닉에서는 자동 윤곽을 사용하여 이하선, 척수 등 위험에 처한 20개 이상의 장기를 그립니다. 선량계량사는 모든 부분을 손으로 그리는 대신 몇 개의 조각을 편집합니다.
전립선암 센터는 과거 승인된 계획에서 방광 및 직장에 대해 달성 가능한 선량 한도를 예측하는 지식 기반 계획을 사용하여 계획자에게 현실적인 시작 목표를 제공합니다.
적응형 치료 시스템은 각 세션 전에 그날의 영상 스캔에서 장기의 윤곽을 다시 잡으며, 환자가 테이블에서 기다리는 동안 치료 팀은 업데이트된 계획을 검토하고 승인합니다.
물리학 팀은 임상적으로 사용하기 전에 과거 환자의 테스트 세트에서 현지 임상의의 윤곽과 새로운 자동 윤곽 도구를 비교하고 수술 후와 같이 어려움을 겪는 부분을 지적합니다.
위험 및 가드레일
규제 요구 사항으로 인해 강력한 프로토타입이 무효화될 수 있습니다.
과거 데이터에는 특정 커뮤니티에 해를 끼치는 편견이 포함될 수 있습니다.
레거시 시스템은 통합 병목 현상과 숨겨진 비용을 발생시킬 수 있습니다.
구현 로드맵
문제 프레이밍부터 평가까지 도메인 전문가를 참여시킵니다.
출시 전에 감사 추적 및 문서를 설계하세요.
규정 준수 및 안전 의무를 조기에 검증하십시오.
명확한 중지 및 롤백 기준을 사용하여 단계적으로 롤아웃합니다.
계속 탐색하세요
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Radiation Therapy Planning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
자주 묻는 질문
방사선 치료 계획에서 AI란 무엇입니까?
방사선 치료 계획의 AI는 딥 러닝을 사용하여 CT 또는 MRI 스캔(자동 윤곽)에서 종양 및 주변 장기의 윤곽을 잡고 선량 계획을 예측하거나 생성하므로 수동 작업 시간을 몇 분으로 단축할 수 있습니다. 더 빠르고 일관된 계획을 세우면 치료 전 대기 시간을 단축하고 적응형 방사선 치료를 실용적으로 만들 수 있기 때문에 중요합니다. 방사선 종양학자와 의학 물리학자는 여전히 모든 윤곽과 계획을 검토, 편집 및 승인합니다.
방사선 치료 계획에서 자동 윤곽은 무엇을 합니까?
자동 윤곽 설정은 대상과 인근 기관의 윤곽을 그려 수동 윤곽 설정 시간을 절약해 줍니다.
현재 AI에 가장 성숙한 윤곽 작업은 무엇입니까?
위험에 처한 장기는 일관되고 눈에 보이는 해부학적 구조를 가지고 있습니다. 목표는 스캔 이상의 임상적 판단과 정보에 더 많이 의존합니다.
계획 목표량(PTV)은 임상 목표량에 무엇을 추가합니까?
PTV는 작은 설정 차이와 움직임에도 불구하고 표적이 여전히 선량을 얻을 수 있도록 마진을 추가합니다.
RapidPlan과 같은 지식 기반 계획은 어떻게 작동합니까?
지식 기반 계획은 이전의 좋은 계획을 사용하여 새로운 환자에 대한 현실적인 선량 목표를 설정합니다.
왜 높은 주사위 점수만으로는 윤곽선이 임상적으로 허용되는지 입증하기에 충분하지 않습니까?
주사위는 전반적인 중복을 측정합니다. 임상적 수용 가능성과 편집 시간은 오류가 있는 위치에 따라 달라지며, 이것이 바로 표면 지표와 전문가 검토가 중요한 이유입니다.
계속 학습하세요
관련 가이드
이 주제에 대해 선택된 추가 가이드