原題
Review of Deep Learning Based Autosegmentation for Clinical Target Volume: Current Status and Future Directions.
背景:深層学習に基づく自動セグメンテーション(DLAS)モデルを用いた人工知能は、放射線治療計画中にリスクのある臓器の輪郭を描くために使用され、時間を節約し、精度を向上させる。本研究の目的は、臨床標的体積(CTV)輪郭に対するDLASに関する現在のデータを評価することである。
方法:文献レビューを実施し、DLASモデル、標的とする疾患部位、利用されたガイドライン、および全体的なパフォーマンスに関する154件の論文を精査した。
結果:DLASに焦点を当てた53の論文のうち、2020年から2023年の間に研究の増加が認められ、主に単一の施設での研究を特徴とした。DLASはCTVの輪郭形成に優れたパフォーマンスを示したが、ガイドラインは様々であった。線量測定のパフォーマンスはほとんど報告されておらず、一部のモデルでは若干の編集が必要であった。
結論:DLASは精度を高めてCTVを効率的に輪郭形成する。しかし、より大規模なデータセット、多様な患者の人口統計、多施設検証、および線量測定性能の包含は、将来のDLASモデルに含める必要がある。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2024.101470
PMID: 38550365
コメント