跳到主要内容

话题

放射疗法

放射疗法

AI框架使用医学图像来个性化放射疗法剂量

16 Jul 2019 Tami Freeman.
莫哈德亚巴拉德
由Mohamed Abazeed LED的研究表明,人工智能可以使用CT扫描和健康记录来个性化用于治疗癌症患者的放射治疗剂量。 (礼貌:Russell Lee)

目前使用Don的通用剂量处方提供放射疗法’T考虑个体肿瘤特征。帮助个性化治疗,研究人员 克利夫兰诊所西门子的女性运动员 已经开发了一种使用患者的人工智能(AI)框架’S CT扫描和电子健康记录产生个性化辐射剂量(柳叶刀数码健康10.1016 / S2589-7500(19)30058-5)。

该团队建立了使用型CT扫描和健康记录的AI框架,从944例肺癌患者用立体定向体放射治疗。引入这种高剂量治疗以实现局部肿瘤控制,同时避免患有早期肺癌或肺转移患者的手术发病。但最近的研究已经注意到一些患者亚组中的高地失败利率。个性化的放射治疗剂量的调整可以帮助减轻这种失败。

“虽然在许多临床环境中高效,但放疗可以从剂量优化能力大大受益,”解释铅作者 莫哈德亚巴拉德. “该框架将帮助医生开发数据驱动的个性化剂量调度,这些时间表可以最大限度地提高治疗成功的可能性和减轻患者的辐射副作用。”

深度学习框架

为他们最新的学习,亚拔离和同事将肺部CT图像进行预处理到深刻的剖面仪,这是一种具有纳入射线测定的辐射瘤的挖掘机。深刻的分析器分析了扫描,检查了多个可变形的射线数据特征,以创建预测治疗结果的图像签名。

研究人员使用了内部研究队列的849名患者(在克利夫兰诊所主校区处理的那些)培训和验证AI框架。他们发现放射疗法以高图像分数的患者的速度明显较高,比分数低的患者;局部衰竭的三年累积发病率为20.3%,患者为5.7%,低风险组。

该团队使用在七个会员部位的独立循环放疗的独立队列的95名患者验证了框架的准确性,并使用几种类型的CT扫描仪进行扫描。该网络在本外部队列中的分层患者基于从内部研究人口提取的数据的基础上分层为高风险群体;两年的累积发生率分别为低风险群体的累计发生率为9.5%和39%。

这些结果表明存在具有差异敏感性对放射疗法的图像不同的患者群。

个性化剂量

接下来,研究人员将图像签名与来自患者健康记录的临床变量组合 - 例如生物学有效剂量和组织学亚型(腺癌和鳞状细胞癌) - 衍生 i灰色,一种个性化的辐射剂量,可最大限度地减少局部失败的风险。他们定义了 i灰色作为患者特异性剂量,将治疗失败的可能性降低到24个月后低于5%。

研究人员注意到了这一点 i灰色使用临床验证的线性二次模型,经验衍生,没有关于单个肿瘤放射敏感性的假设,并且在临床上可操作,因为它建议使用几种治疗时间表可以实现的剂量。在这项研究中, i灰色从21.1到277 GY - 更宽的剂量范围,而不是实际递送剂量(39-180 Gy) - 建议减少23.3%的患者。结果也表明了 i灰色可以在大多数情况下安全地提供。

“基于图像的深度学习框架的开发和验证是令人兴奋的,因为它不仅是第一个使用医学图像来告知辐射剂量处方的辐射,但它也有可能直接影响患者护理,” says Abazeed. “该基于图像的信息平台可以提供个性化多种癌症疗法的能力,但更紧迫是辐射精密药中的跨越式。”

相关事件

版权©2021由IOP Publishing Ltd和个人贡献者