原題
Evaluation of Deep Learning Clinical Target Volumes Auto-Contouring for Magnetic Resonance Imaging-Guided Online Adaptive Treatment of Rectal Cancer.
背景:適応放散治療のための臨床標的体積(CTV)のセグメント化は労働集約的であり、観察者間の変動を受けやすく、治療の遅れとロジスティック上の問題を引き起こす。プロセスを高速化するためのディープラーニング(DL)ベースの自動輪郭形成の使用は、精度と潜在的なバイアス導入に関する懸念のために制限されてきた。
方法:本論文では、直腸癌患者のために開発されたDLベースの自動輪郭モデルを評価するための3段階の枠組み、すなわち、定量的評価と比較、専門家の観察と修正、および標的範囲への影響の評価について概説する。
結果:このフレームワークでは、専門家による修正が行われると、モデルのパフォーマンスは人間のばらつきに匹敵することがわかった。品質や臨床効果を損なうことなく時間を短縮した。
結論:提案された試運転の枠組みは、自動輪郭形成モデルの臨床的実行可能性の包括的な評価を提供する。したがって、試験したモデルは臨床使用に適していると考えられる。
Journal: Adv Radiat Oncol (CiteScore 2022: 4.5)
DOI: 10.1016/j.adro.2024.101483
PMID: 38706833
コメント