2022年5月13日

人工智能模型可以为每位患者节省放射治疗师和放射肿瘤学家的工作时间

在埃因霍温的Catharina医院，乳腺癌患者放射治疗的大部分工作已经实现自动化。医院拥有最精准、最智能的癌症患者治疗设备。但直到现在，制定精确的放射计划和在CT图像上描绘单个患者的器官仍然主要是手工完成的。这可能要改变了，这要感谢来自埃因霍温理工大学的p邓学生Nienke Bakx的研究。这项研究发表在放射肿瘤学．

Nienke Bakx大约两年半前在Catharina医院开始了她的研究生课程，以研究药物的使用人工智能在制定乳房放射治疗计划时癌症患者．

人工智能可以将员工现有的专业知识和经验提升到一个新的水平，卡特琳娜临床物理学家、Bakx的主管科恩·赫克曼(Coen Hurkmans)解释说。“然而，你首先必须能够从数据中获取这些知识。这就是TU/e的由来。这就是数据分析和算法的必要知识所在。”

临床试验

毕业后，Bakx继续作为合格医学工程师硕士后项目的实习生，对她的规划方法进行广泛的临床测试。pdeng学生还调查了器官的勾画是否乳腺癌患者可通过计算机快速、准确、可靠地完成。

她的努力现在已经有了成果:从今年春天开始，凯瑟琳娜医院的放射治疗部门将部分转向人工智能生成的计划。在六月，这也会发生在器官的勾画成像上。Hurkmans说，这将为放射治疗师和放射肿瘤学家节省每个病人的工作时间，并确保更大的一致性。

飞行模拟器

“当患有乳腺癌的人需要接受放射治疗时，放射肿瘤学家会考虑到底需要什么:多少剂量，多少次疗程，频率是多少?然后，我们必须确保治疗也在技术上正确地进行。为此，我们需要病人在放射治疗位置的图像。目前我们仍在使用CT图像，但在不久的将来，这些图像将越来越多地使用MRI图像。器官在图像上被非常精确地描绘出来，”赫克曼说。

“然后我们模拟一种飞行模拟器我们想要如何照射:从哪一侧，以什么样的强度，让尽可能多的辐射进入肿瘤，尽可能少的辐射到达周围组织。”

在模拟器里面有一个治疗设备的模型和每个病人的解剖图像。一个有经验的规划辐射技术专家然后创建一个辐射计划。这项工作可以自动化。医疗保健专业人员自然会用非常熟练的眼光来看待。人工智能是一种实用而有效的方式来获取、计算和解释他们的知识和经验。如果你把几十个之前创建的治疗计划放入一个模型中，你可以训练计算机自己创建它们。

高质量的数据集

Nienke Bakx:“在世界其他地方，这种方法已经用于前列腺癌和头颈部癌症等，但在乳腺癌方面还没有先例。我首先弄清楚了哪些分析模型和算法被用于其他领域。”

两个经过验证的软件模型脱颖而出:基于卷积神经网络(cnn)的开源U-Net模型。简单地说，该模型会越来越深入地挖掘数据。cARF模型，cARF代表上下文Atlas回归森林。

后一种模型由瑞典医疗技术公司RaySearch实验室(RS)使用和训练，该公司与世界各地的癌症研究机构合作，研究更好的治疗方法。Catharina医院使用RS软件。

95%的可用的

Nienke Bakx用来自100多个患者治疗计划的数据填充了这两个模型。然后在一个临床试验中，用来自20个全新患者的数据对训练过的模型进行测试。放射治疗师和放射肿瘤学家为这20名患者手工制定计划，并将其与自动生成的计划进行比较，以便进一步优化软件。输入越好，输出越好。

这给了一个非常好的结果:95%的计算机计算出来的结果在没有任何手动调整的情况下是可用的。从所需剂量的预测中，也很容易推导出最终的机器参数。

U-Net模型的得分比cARF模型好一点，这足以让RaySearch开始在RayStation软件中使用U-Net模型进行放射治疗患者规划。他们正在研制一种用于乳房放射治疗的新模块。

共识

在她的研究中，Bakx广泛咨询了放射治疗师和放射肿瘤学家:他们对这些计划有什么看法，他们真的会使用它们吗?这对人们接受新的工作方法是很重要的。事实证明，一些专家认为这些模型从来没有更好过，而另一些专家则这么认为。

Hurkmans:“这个项目不仅仅是应用人工智能和使用正确的算法。它还提供了很多关于人们如何在实践中处理它以及他们认为重要的东西的见解。达成共识是非常重要的。我们注意到，他们头脑中有更多的信息。我们想把它拿出来处理。我们想更清楚地知道他们到底想要什么。这些相互的讨论已经导致了质量的提高。”

Catharina现在有一个经过充分训练的、经过验证的工作模型，5月10日已经投入临床实践。一个伟大的里程碑。顺便说一句，放射治疗师和辐射肿瘤学家检查所有自动设置的东西。因此，如果他们愿意，他们可以很容易地自己做出改变。