РУКОВОДСТВО ПО Отраслям

ИИ в планировании лучевой терапии

ИИ при планировании лучевой терапии использует глубокое обучение для определения контуров опухолей и близлежащих органов на КТ или МРТ (автоматическое контурирование), а также для прогнозирования или создания планов дозы, что может сократить часы ручной работы до минут.

Прослушайте это руководствоОзвучено ИИ · ~3 min

На этой странице3 минуты чтения
  1. Обзор
  2. Глубокое погружение
  3. Реальная реализация
  4. Будущее искусственного интеллекта в планировании лучевой терапии
  5. Применение на практике
  6. Продолжайте исследовать
  7. Часто задаваемые вопросы

Обзор

Это важно, поскольку более быстрое и последовательное планирование может сократить время ожидания перед лечением и сделать адаптивную лучевую терапию практичной. Онкологи-радиологи и медицинские физики до сих пор проверяют, редактируют и утверждают каждый контур и план.

Глубокое погружение

Radiation therapy tries to deliver a high dose to cancer while sparing healthy tissue. Planning starts with contouring: outlining the visible tumor (gross tumor volume, GTV), areas of likely microscopic spread (clinical target volume, CTV), a margin for setup and motion (planning target volume, PTV), and organs at risk (OARs) such as the heart, lungs, spinal cord or rectum. Manual contouring can take hours for complex sites like head and neck, and different clinicians draw noticeably different outlines. Auto-contouring was first done with atlas-based methods, which warp outlines from reference patients onto a new scan. Deep learning models, often U-Net-style networks, now generally perform better and are built into commercial systems from vendors such as Varian, Elekta, RaySearch, Siemens Healthineers and Mirada. Microsoft's InnerEye research project, developed with Addenbrooke's Hospital in Cambridge, released open-source tools in this area. OAR contouring is the most mature use. Target contouring is harder because it depends on clinical judgment, pathology and imaging beyond the scan. Dose planning uses AI in two main ways. Knowledge-based planning, such as Varian's RapidPlan, learns from prior approved plans to predict achievable dose-volume histograms for a new patient. Deep learning dose prediction and automated planning go further by estimating the 3D dose distribution and driving the optimizer. Adaptive radiotherapy depends on this speed. Systems such as Varian Ethos and MR-linacs like Elekta Unity re-image the patient at treatment and adapt the plan. A common misconception is that AI plans treatment on its own. Physicians approve contours and prescriptions, and medical physicists check plans and run quality assurance before delivery.

Реальная реализация

Клиника рака головы и шеи использует автоматическое контурирование, чтобы нарисовать более 20 органов риска, таких как околоушные железы и спинной мозг, и дозиметрист редактирует несколько срезов вместо того, чтобы рисовать их все вручную.

Центр рака простаты использует планирование, основанное на знаниях, которое прогнозирует достижимые пределы дозы для мочевого пузыря и прямой кишки на основе ранее утвержденных планов, давая планировщикам реалистичную стартовую цель.

Система адаптивной терапии изменяет контуры органов на дневном сканировании перед каждым сеансом, а медицинская группа рассматривает и утверждает обновленный план, пока пациент ждет на столе.

Команда физиков сравнивает новый инструмент автоматического контуринга с контурами местных врачей на тестовой выборке прошлых пациентов, прежде чем использовать его в клинических целях, отмечая, где с ним возникают проблемы, например, после операции.

Будущее искусственного интеллекта в планировании лучевой терапии

Автоматическое контурирование органов риска уже является обычным явлением во многих центрах, и по мере развития научных данных и программного обеспечения вероятно более широкое использование автоматизированного планирования и онлайн-адаптивной терапии. Более сложные задачи включают в себя надежное контурирование цели, обработку необычной анатомии и создание автоматических проверок, которые отмечают, когда контур или план не похожи ни на что, на чем обучалась модель. Профессиональные организации разрабатывают рекомендации по вводу в эксплуатацию и постоянной проверке качества инструментов искусственного интеллекта. Реалистичным направлением является более быстрое планирование и более частая адаптация плана, когда врачи и физики тратят свое время на анализ, выявление ошибок и рассмотрение сложных случаев.

Применение на практике

Почему это важно

  • Контекст и правила. Отраслевой контекст определяет, выживут ли идеи ИИ при контакте с реальностью.
  • Контроль качества. Ограничения предметной области влияют на приемлемый уровень ошибок и модели надзора.
  • Выбор сборки. Успешные развертывания позволяют согласовать технические возможности с рабочими процессами на переднем крае.

Следите за

  • Нормативные требования могут сделать недействительными сильные прототипы.
  • Исторические данные могут отражать предвзятость, которая наносит вред конкретным сообществам.
  • Устаревшие системы могут создавать узкие места в интеграции и скрытые затраты.

Следующие шаги

  1. Привлекайте экспертов в предметной области от постановки проблемы до оценки.
  2. Разработайте журналы аудита и документацию перед запуском.
  3. Заблаговременно проверяйте соответствие требованиям и обязательства по безопасности.
  4. Развертывание поэтапно с четкими критериями остановки и отката.

Продолжайте исследовать

Бесплатная рассылка

Получайте ежедневный AI-обзор

Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.

Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.

Проверьте себя

Пройдите викторину по ИИ в планировании лучевой терапии

Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.

Начать тест

Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование

Часто задаваемые вопросы

Что такое ИИ в планировании лучевой терапии?

ИИ в планировании лучевой терапии использует глубокое обучение для автоматической контуризации опухолей и соседних органов на КТ или МРТ‑сканах (автоконтурирование) и для предсказания или создания планов дозы, что может сократить часы ручной работы до минут. Это важно, потому что более быстрое и последовательное планирование может сократить время ожидания перед лечением и делает адаптивную радиотерапию практичной. Радиолог‑онкологи и медицинские физики всё равно проверяют, редактируют и утверждают каждый контур и план.

Что делает автоконтурирование в планировании лучевой терапии?

Автоконтурирование рисует контуры целей и соседних органов, экономя часы ручного контурирования.

Какая задача контуризации в настоящее время наиболее зрелая для ИИ?

Органы риска имеют постоянную, видимую анатомию. Цели зависят больше от клинического суждения и информации, выходящей за пределы скана.

Что добавляет объём плановой цели (PTV) к клиническому объёму цели?

PTV добавляет запас, чтобы цель получала дозу несмотря на небольшие различия в позиционировании и движении.

Как работает планирование на основе знаний, например RapidPlan?

Планирование на основе знаний использует предыдущие хорошие планы для установки реалистичных целей дозы для нового пациента.

Почему высокий показатель Dice недостаточен, чтобы доказать клиническую приемлемость контура?

Dice измеряет общий перекрытие. Клиническая приемлемость и время редактирования зависят от того, где находятся ошибки, поэтому важны метрики поверхности и экспертная оценка.

Продолжайте учиться

Связанные руководства

Другие руководства, выбранные по этой теме

Получите бесплатный AI-сертификатКороткий бесплатный курс и экзамен. Без стоимости, без карты. Около 2,5 часов.Начать бесплатно →