新型AI工具將宮頸癌放療規劃時間從數小時縮短至數分鐘

加州大學圣地亞哥分校的研究人員開發了一種人工智能工具，可顯著縮短宮頸癌近距離放射治療的規劃時間。近距離放射治療（Brachytherapy）是一種有效的內部放療形式，但通常需要大量人工操作。

這一系統在近期發表于《近距離放射治療》雜志的一篇論文中有所描述，它將深度學習模型直接集成到商業治療規劃系統中，臨床醫生只需點擊一下即可生成定制化治療方案。該方法是在圣地亞哥超級計算機中心（SDSC）的Voyager超級計算機上開發的，并得到了美國國家科學基金會（NSF）NAIRR試點項目的支持。

研究人員表示，獲取共享的美國國家網絡基礎設施對于模型的訓練、測試以及將其集成到臨床可用工作流程中至關重要。SDSC的Voyager是一臺由NSF資助的超級計算機，配備了針對人工智能應用優化的英特爾Habana Gaudi處理器。

加州大學圣地亞哥醫學院放射醫學與應用科學系的人工智能研究員Lance Moore在SDSC的一篇文章中表示："我們利用SDSC的Voyager系統上的NAIRR試點配額開發了這款新工具，并將其集成到廣泛使用的醫療軟件平臺中，使臨床醫生能夠輕松使用。這款新工具利用人工智能自動化并加速治療規劃，只需點擊一下，系統就能分析患者的醫學影像，并在不到四分鐘的時間內生成高質量的定制化方案——這可能會減少患者的不適和人為錯誤的風險。"

根據世界衛生組織的數據，全球每年約有60萬名女性罹患宮頸癌，估計導致34萬人死亡。近距離放射治療是許多患者的標準治療選擇，但治療規劃復雜且耗時，通常需要一個小時或更長時間，并且需要臨床醫生具備豐富的專業知識。

加州大學圣地亞哥分校的團隊旨在通過自動化治療規劃中最耗時的步驟，同時保持臨床準確性，來應對這些挑戰。他們的系統將深度學習劑量預測模型與優化流程相結合，將預測的劑量分布轉換為可實施的治療方案。與之前需要手動導出和重新導入醫學影像數據的研究工作流程不同，新工具完全在BrachyVision治療規劃系統內運行，使用API接口。

該工具的核心是一個3D多級網絡的U-Net模型，該模型使用了加州大學圣地亞哥分校的1800多個歷史宮頸癌近距離放射治療計劃進行訓練。該模型根據CT影像、解剖輪廓以及體內近距離放射治療施源器的物理布局，預測患者特定的放射劑量分布。然后，通過優化步驟確定駐留時間，即放射源在每個位置停留的時間，以緊密匹配預測劑量。

在針對涵蓋七種不同施源器設計的28例宮頸癌病例進行的測試中，自動化系統生成的治療方案與臨床實踐中使用的方案非常接近。平均而言，AI生成的放射劑量圖與臨床實施的方案在3D治療區域內的差異不到4%，并且生成方案的時間約為三分半鐘。更復雜的病例處理時間較長，但規劃時間仍遠短于傳統的手動工作流程。

研究人員認為，通過減少規劃時間和變異性，基于AI的自動規劃有助于標準化治療，尤其是在資源有限或專業人員較少的診所。不過，他們強調，臨床醫生在實施治療前應審查和調整這些自動化方案。

未來的工作將側重于在實際臨床環境中測試該工具，確保其在不同醫院都能可靠運行，并將該方法應用于其他癌癥類型，包括乳腺癌和前列腺癌。目前，這項工作代表著借助Voyager等大規模計算基礎設施，將放射腫瘤學中的AI研究轉化為實用工具的又一步進展。

• 與Ai時代前沿合作，將大門向更多普通用戶敞開！免費課程限時領，還有好禮相送！無論你是對新技術充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。文章留言或私信小編拉您入群！