原題
Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want?
背景:本研究では、DLセグメンテーションの臨床評価と修正を改善する必要性に焦点を当てて、放射線療法におけるディープラーニング(DL)セグメンテーションの使用を検討した。
方法:DLセグメンテーションを利用して4施設の臨床医と2回の構造化インタビューセッションを実施した。最初のセッションではDLの使用における課題が特定され、2番目のセッションでは臨床医評価のための10の不確実性可視化オプションが提示された。
結果:臨床医はバイナリボクセルレベルの不確定性可視化を支持しており、構造とボクセルレベルの組み合わせが使いやすさを向上させる可能性があることを示唆している。複雑さを増すが、適応的なワークフローに有益である可能性があるため、線量測定情報の組み込みに関する意見は様々であった。
結論:不確実性の可視化に対する臨床医の好みは、放射線療法における効果的な臨床実施の指針となり得る。
Journal: Radiother Oncol (CiteScore 2022: 10.5)
DOI: 10.1016/j.radonc.2024.110545
PMID: 39326521
コメント