分割統治戦略を用いた直腸癌ネオアジュバント放射線療法のためのディープラーニング(DL)ベースの完全に自動化された標的描写に向けて:多施設盲検および無作為化検証による研究。

原題
Towards deep-learning (DL) based fully automated target delineation for rectal cancer neoadjuvant radiotherapy using a divide-and-conquer strategy: a study with multicenter blind and randomized validation.
背景:直腸癌放射線療法のための臨床標的容積と肉眼的腫瘍容積の手動描写は困難で骨の折れるものである。自動描写のためのディープラーニングベースのワークフローを調査した。
方法:この研究には、トレーニング(121)とテスト(20)のコホートにグループ化された141人の患者が含まれていた。2つの別々のDLモデルを使用して描写タスクに取り組み、3レベルの評価スキームを介して検証した。
結果:結果は、両方のボリュームに対して平均以上の精度と一貫性を示し、ほとんどが臨床的に実行可能なスコアを達成し、約52%がチューリングテストに合格した。
結論:ディープラーニングベースのワークフローは、自動ボリューム描写の有望な精度と実行可能性を示し、直腸癌に対するネオアジュバント放射線療法プロセスを簡素化する可能性がある。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-023-02350-0
PMID: 37803462
Open Access