原題
A hybrid cluster-then-predict machine learning radiotherapy knowledge-based planning framework for similarity matching using holistic target-OAR constellation geometry.
背景情報:
放射線療法の計画は、臨床医の経験および用量に基づくKBPに依存する。レトロスペクティブな参照計画を識別するために、全体的なターゲットによって症例をOARコンステレーションジオメトリに一致させる新しいKBPアルゴリズムを導入する。
方法:
マルチステップ法は、オーバーラップボリュームヒストグラムおよび空間ターゲットシグネチャを抽出し、Earth Mover’s Distanceを介してコンポーネントの非類似性を計算し、次に、スペクトルクラスタリングおよび専門家のハードゲート混合(クラスタ後予測)を使用して、類似性スコアを生成する。
結果:
192例の頭頚部症例についてleave-one-out cross-validationを行ったところ,幾何構造と線量類似性の間にr=0.8009が認められ,臨床家のレビューではROC AUC=0.8797であった。
結論:
このアルゴリズムは、標準化され改善された初期治療計画を支援するために、臨床的に関連する参照症例を確実に発見する。
Journal: Radiat Oncol (CiteScore 2022: 6.6)
DOI: 10.1186/s13014-026-02843-8
PMID: 42185908
コメント