原題
Deep learning-powered radiotherapy dose prediction: clinical insights from 622 patients across multiple sites tumor at a single institution.
背景:放射線療法における正確な治療前線量予測は重要であるが、様々な腫瘍タイプにわたる深層学習を用いた包括的な解析は限られている。本研究では、複数の癌における線量予測のための深層学習モデルを評価する。
方法:U-Net、Flex-Net、およびHighres-Netモデルを用いて、種々の腫瘍を有する622人の患者からの計画データを分析した。データは、トレーニングセット、検証セット、およびテストセットに分割された。評価には、放射線腫瘍医による定性的評価とともに、正規化線量差(NDD)および線量体積ヒストグラム(DVH)指標を用いた。
結果:モデルは臨床用量と強い相関を示し、3%未満のNDD値を達成した。「最良選択」アプローチは、臨床的受容を62.6%に改善した。
結論:自動線量予測は、多様な腫瘍に対する計画の効率と精度を高め、潜在的な臨床的利益をもたらす。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-025-02634-7
PMID: 40390053
コメント