原題
Machine learning and deep learning prediction of patient specific quality assurance in breast IMRT radiotherapy plans using Halcyon specific complexity indices.
背景:Halcyonのような新しい放射線治療装置は治療の効率性を高めるが、患者固有の品質保証(QA)は依然として重要である。本研究は、複雑さの指標を決定し、臨床現場におけるQA結果を予測するためのAIソリューションを開発することを目的とした。
方法:本研究では、DreamDose QAコンプライアンスを予測するために、機械学習(ML)および深層学習(DL)モデルの入力として7つの複雑度指標を用いて、56人の乳癌患者からの318本のビームを分析した。
結果:3つの指標(SAS10、BA、BM)のみがQAコンプライアンスと相関していた。DLモデルはMLよりも優れており、AUCは0.95、特異度(0.98)および感度(0.97)は高かった。
結論:DLモデルは正確なQA予測を提供し、加速器効率を高め、運転時間を短縮した。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110483
PMID: 39159677
Open Access
コメント