利用人工智能提供个性化放射治疗

克利夫兰诊所领导的新研究表明，人工智能(AI)可以使用医疗扫描和健康记录来个性化用于治疗癌症患者的放射治疗剂量。

今日出版于《柳叶刀数字健康》在美国，该研究团队开发了一种人工智能框架基于患者计算机断层扫描(CT)和电子扫描健康记录．这一新的AI框架是第一个使用医疗扫描来告知辐射剂量的框架，将该领域从使用通用剂量处方推进到更个性化的治疗。

目前,放射治疗统一下发。提供的剂量不反映个体肿瘤特征的差异或可能影响治疗成功的患者特异性因素。人工智能框架开始考虑这种可变性，并提供个性化的辐射剂量，可以将治疗失败的概率降低到5%以下。

虽然在很多方面都非常有效临床的设置克利夫兰诊所Taussig癌症研究所的放射肿瘤学家、勒纳研究所的研究员Mohamed Abazeed博士说:“在美国，放射治疗可以从剂量优化能力中获得极大的好处。”“这个框架将帮助医生开发数据驱动的个性化剂量计划，可以最大限度地提高治疗成功的可能性，并减轻辐射副作用病人．"

该框架是利用CT扫描和944例肺部的电子健康记录建立的癌症患者用高剂量辐射治疗。治疗前的扫描结果被输入到一个深度学习模型中，该模型分析扫描结果来创建一个预测治疗结果的图像签名。通过复杂的数学建模，该图像签名与来自患者健康记录(描述临床风险因素)的数据相结合，生成个性化的辐射剂量。

Abazeed博士说:“这种基于图像的深度学习框架的开发和验证是令人兴奋的，因为它不仅是第一个使用医学图像来告知放疗剂量的处方，而且它还具有直接影响患者护理的潜力。”“该框架最终可以用于在日常临床实践中为个别患者提供量身定制的放射治疗。”

还有其他几个因素使这个首创的框架有别于其他类似的临床机器学习算法和方法。该团队开发的技术使用了一种人工神经网络，将经典的机器学习方法与现代神经网络的力量相结合。该网络决定了使用多少先验知识来指导对治疗失败的预测。先验知识通知模型的程度可由网络调整。这种混合方法非常适合临床应用，因为与用于进行其他知名AI预测(如在线购物或拼车)的非临床数据集相比，单个医院的大多数临床数据集的样本量更小。

此外，该框架是使用接受肺部放射治疗的患者的最大数据集之一构建的，提供了更高的准确性，并限制了错误发现。最后，每个临床中心可以利用他们自己的CT数据集来定制框架，并针对他们特定的患者群体进行定制。

“包括深度学习在内的机器学习工具将在医疗保健领域发挥重要作用，”Abazeed博士说。“这个基于图像的信息平台可以提供多种癌症个性化治疗的能力，但更直接的飞跃是在辐射精密医学。”

---

---