原題
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation.
背景:深層学習(DL)自動セグメンテーションはオンライン適応放射線療法(OART)を強化するが、臨床標的体積(CTV)の定義は臨床医によって異なり、DLの一般化可能性に影響を及ぼす。本研究では、治療前の描写を統合することで、直腸間膜CTVセグメンテーションのDLモデルのパフォーマンスが改善されるかどうかを調査する。
方法:3つのセンターからの中リスクまたは局所進行直腸がん患者が含まれた。治療前のCTV描写と分画間変動を組み合わせた患者固有の体重マップが作成された。2つのモデルが開発された:1つは事前情報(MRI+事前情報)を使用し、もう1つは使用しない(MRIのみ)であり、両方とも外部データセットで評価された。
結果:MRI+事前モデルは、指標全体でMRIのみのモデルよりも有意に優れていた。パフォーマンスは、事前情報なしでトレーニングされた外部ベースラインモデルと同程度であった。
結論:患者固有の重みマップを組み込むことで、CTVセグメンテーションの堅牢性が向上し、複数のセンターにわたってアプローチを適応できるようになる。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110667
PMID: 39675574
Open Access
コメント