ДаліНаступний посібник
ШІ в міському плануванні та розумних містах
Галузі промисловості
Галузеві довідники
Штучний інтелект у плануванні променевої терапії використовує глибоке навчання, щоб окреслювати пухлини та прилеглі органи на КТ або МРТ (автоконтурування), а також прогнозувати або генерувати плани доз, які можуть скоротити години ручної роботи до хвилин.
Це важливо, оскільки швидше та послідовніше планування може скоротити очікування перед лікуванням і зробити адаптивну променеву терапію практичною. Радіаційні онкологи та медичні фізики досі переглядають, редагують і затверджують кожен контур і план.
Променева терапія намагається доставити високу дозу раку, зберігаючи здорові тканини. Планування починається з контурування: окреслення видимої пухлини (загальний об’єм пухлини, GTV), ділянок імовірного мікроскопічного поширення (клінічний цільовий об’єм, CTV), межі для налаштування та руху (плановий цільовий об’єм, PTV) і органів ризику (OAR), таких як серце, легені, спинний мозок або пряма кишка. Ручне контурування складних ділянок, таких як голова та шия, може зайняти години, а різні клініцисти малюють помітно різні контури. Автоматичне контурування вперше було виконано за допомогою методів на основі атласу, які деформують контури контрольних пацієнтів на новому скануванні. Моделі глибокого навчання, часто мережі в стилі U-Net, зараз, як правило, працюють краще і вбудовані в комерційні системи від таких постачальників, як Varian, Elekta, RaySearch, Siemens Healthineers і Mirada. Дослідницький проект Microsoft InnerEye, розроблений спільно з лікарнею Addenbrooke в Кембриджі, випустив інструменти з відкритим кодом у цій галузі. Контурна пластика OAR є найбільш зрілим використанням. Контурування мішені важче, оскільки воно залежить від клінічного судження, патології та зображення поза скануванням. Планування дози використовує ШІ двома основними способами. Планування, засноване на знаннях, наприклад Varian's RapidPlan, вивчає попередньо затверджені плани для прогнозування досяжних гістограм доза-об'єм для нового пацієнта. Прогнозування дози глибокого навчання та автоматизоване планування йдуть далі, оцінюючи 3D-розподіл дози та керуючи оптимізатором. Від цієї швидкості залежить адаптивна променева терапія. Такі системи, як Varian Ethos і MR-linacs, такі як Elekta Unity, повторно знімають зображення пацієнта під час лікування та адаптують план. Поширеною помилкою є те, що ШІ планує лікування самостійно. Лікарі затверджують контури та рецепти, а медичні фізики перевіряють плани та проводять контроль якості перед поставкою.
Галузевий контекст визначає, чи виживуть ідеї ШІ при контакті з реальністю.
Обмеження домену впливають на прийнятну кількість помилок і моделі контролю.
Успішне розгортання узгоджує технічні можливості з робочими процесами.
Автоматичне контурне моделювання органів, що знаходяться в зоні ризику, вже є рутинною справою в багатьох центрах, і ймовірно ширше використання автоматизованого планування та онлайн-адаптивної терапії в міру зрілості доказів і програмного забезпечення. Складніші проблеми включають надійне контурування цілі, обробку незвичайної анатомії та побудову автоматичних перевірок, які помічають, коли контур або план виглядає несхожим на те, на чому модель тренувалася. Професійні організації розробляють інструкції щодо введення в експлуатацію та постійного забезпечення якості інструментів ШІ. Реалістичним напрямком є швидше планування та частіша адаптація плану, коли лікарі та фізики витрачають свій час на перегляд, виявлення помилок та розглядання складних випадків.
Клініка лікування раку голови та шиї використовує автоконтурування, щоб намалювати понад 20 органів ризику, таких як привушні залози та спинний мозок, і дозиметрист редагує кілька зрізів замість того, щоб малювати їх усі вручну.
Центр раку передміхурової залози використовує планування, засноване на знаннях, яке передбачає досяжні ліміти дози для сечового міхура та прямої кишки на основі минулих затверджених планів, даючи планувальникам реалістичну стартову ціль.
Система адаптивної терапії змінює контури органів на денному скануванні зображення перед кожним сеансом, а команда догляду переглядає та затверджує оновлений план, поки пацієнт чекає на столі.
Команда фізиків порівнює новий інструмент автоматичного контурування з контурами місцевих клініцистів на тестовій групі минулих пацієнтів, перш ніж використовувати його в клінічній практиці, відзначаючи, де він має проблеми, наприклад, після операції.
Нормативні вимоги можуть зробити недійсними в іншому випадку надійні прототипи.
Історичні дані можуть кодувати упередженість, яка шкодить певним спільнотам.
Застарілі системи можуть створювати вузькі місця інтеграції та приховані витрати.
Залучайте експертів із предметної області від розробки проблеми до оцінки.
Створіть контрольні стежки та документацію перед запуском.
Завчасно перевірте зобов’язання щодо відповідності та безпеки.
Розгортайте поетапно з чіткими критеріями зупинки та відкату.
Free newsletter
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
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
Штучний інтелект у плануванні променевої терапії використовує глибоке навчання, щоб окреслювати пухлини та прилеглі органи на КТ або МРТ (автоконтурування), а також прогнозувати або генерувати плани доз, які можуть скоротити години ручної роботи до хвилин. Це важливо, оскільки швидше та послідовніше планування може скоротити очікування перед лікуванням і зробити адаптивну променеву терапію практичною. Радіаційні онкологи та медичні фізики досі переглядають, редагують і затверджують кожен контур і план.
Автоматичне контурування малює контури цілей і прилеглих органів, що економить години ручного контурування.
Органи ризику мають послідовну, видиму анатомію. Цілі більше залежать від клінічного судження та інформації поза скануванням.
PTV додає запас, тому ціль усе ще отримує свою дозу, незважаючи на невеликі відмінності в налаштуваннях і рух.
Планування на основі знань використовує попередні хороші плани для встановлення реалістичних цільових доз для нового пацієнта.
Dice вимірює загальне перекриття. Клінічна прийнятність і час редагування залежать від того, де є помилки, тому поверхневі показники та експертний огляд мають значення.
Продовжуйте вчитися
Інші посібники, вибрані для цієї теми
ДаліНаступний посібник
ШІ в міському плануванні та розумних містах
Галузі промисловості