Subscribe Now

* You will receive the latest news and updates on your favorite celebrities!

Trending News

人工智能

「健康及醫療人工智能」系列(6):
搜索類似放射治療計劃的算法 

陳穎志博士  香港理工大學   醫療科技及資訊學系

2019-12-19

體積弧形調控放射治療 (Volumetric Arc Therapy, VMAT)是一種新技術,以多弧照射有效地將復雜的劑量分佈傳遞到一個體積。這種技術可以產生復雜的劑量分佈,並且更有利於較大和不規則的腫瘤(如腦轉移瘤)。體積弧形調控立體定位放射治療(Volumetric Modulated Arc Stereotactic Radiotherapy, VMA-SRT)的優化規劃過程時間長,限制其臨床效率和使用。

本文提出的相似性搜索算法利用特徵向量模型,將當前病例跟數據庫內每一個治療效果良好的放射治療病例比對,檢索最相似病例,得出合適的治療計劃初始參數,加快優化規劃過程。特徵向量模型包括以下七組總共98個標準化特徵:

  1. 解剖學特徵:治療目標數量;治療目標和有風險器官(如腦幹)的體積;以及治療目標和腦幹之間的重疊體積。每個治療目標輪廓都是由腫瘤科醫生於三維CT圖像繪製的。(圖1)
  2. 有風險器官的特定特徵:治療目標跟腦幹,視神經,視交叉,和左右眼球的距離。
  3. 治療目標的特定特徵:治療目標的尺寸(高度,寬度和長度)和四個輪廓形狀特徵:
  4. 複雜性;
  5. 不規則性 I,即通過輪廓的最大弦長與輪廓面積之比;
  6. 不規則性 II,即通過輪廓的最大半徑與最小半徑之比;
  7. 所有外部輪廓點與中心之間的距離。

調整模型是根據臨床需求的邏輯,定義每一個特徵的特定權重(表1)。

特徵

權重

臨床需求

治療目標和腦幹之間的重疊體積

10

腦轉移瘤放射治療規劃的主要考慮因素

治療目標數量

3

為了增加劑量梯度,多個治療目標會影響射線束排列和計劃的質量。

治療目標跟有風險器官的距離

1

如果有風險器官接近治療目標,為了維持有風險器官的耐受劑量,治療目標的覆蓋範圍將受到影響。

治療目標的體積

0.5

如果治療目標的體積太大,則難以規劃放射治療計劃。

有風險器官的體積,治療目標的尺寸,輪廓形狀

0.1

有風險器官的體積和治療目標的輪廓都對放射治療計劃有影響。

表1  特徵的特定權重

研究人員收集了多例體積弧形調控立體定位放射治療(Volumetric Modulated Arc Stereotactic Radiotherapy, VMA-SRT)腦轉移瘤放射治療計劃(年齡範圍32至81歲)用作參考案例數據庫。按照腫瘤學家的臨床劑量處方,並規劃另外10例體積弧形調控立體定位放射治療(Volumetric Modulated Arc Stereotactic Radiotherapy, VMA-SRT)新案例,同時進行常規優化和特徵向量模型支持的優化。

圖1比較一個新案例和最相似參考案例的結構輪廓。通過特徵向量模型支持的治療計劃優化,規劃時間中位數顯著減少了40%,從3.7小時減少至2.2小時(p = 0.002,pFDR = 0.032)。平均優化運算次數從8.5顯著減少至6.0(p = 0.006,pFDR = 0.047)。兩種方法的計劃質素沒有顯著差異。從這些結果來看,特徵向量模型支持的腦轉移瘤放射治療計劃優化可以加快規劃過程,同時保持計劃質素。

圖1 從三維CT圖像中提取的結構輪廓。左側:新案例,右側:參考案例。

特別鳴謝: Dr. Vincent Wu 和 Dr. Eva Liu 對此研究所作出的貢獻。

研究結果和圖片來自以下期刊論文:

  1.  Liu ES, Wu VW, Harris B, Foote M, Lehman M, Chan LW. Vector-model-supported optimization in volumetric-modulated arc stereotactic radiotherapy planning for brain metastasis. Med Dosim. 2017 Mar 17. pii: S0958-3947(17)30002-X. doi: 10.1016/j.meddos.2017.01.002.
  2.  Liu ES, Wu VW, Harris B, Lehman M, Pryor D, Chan LW. Vector-model-supported approach in prostate plan optimization. Med Dosim. 2017 Mar 17. pii: S0958-3947(17)30001-8. doi: 10.1016/j.meddos.2017.01.001.
陳穎志博士 Dr Lawrence Chan
陳穎志博士
香港理工大學醫療科技及資訊學系副教授
浙江大學核醫學與分子影像研究所客席教授
港澳抗癌協會常務理事

「健康及醫療人工智能」系列:

1.「健康及醫療人工智能」系列(1):人工智能於臨床和研究應用中的卓越特性

2.「健康及醫療人工智能」系列(2):人工智能基礎知識及醫學分析模型

3.「健康及醫療人工智能」系列(3):電子病歷搜索引擎

4.「健康及醫療人工智能」系列(4):醫學文件搜索算法

5.「健康及醫療人工智能」系列(5):搜索引擎輔助製定放射治療計劃

6.「健康及醫療人工智能」系列(6):搜索類似放射治療計劃的算法

7.「健康及醫療人工智能」系列(7): 基於功能性磁力共振數據的神經元連接模型

8.「健康及醫療人工智能」系列(8): 使用遺傳算法和GPU改善神經元連接模型

9.「健康及醫療人工智能」系列(9): 放射組學:醫學圖像的高通量測序

10.「健康及醫療人工智能」系列(10): 輔助醫學圖像分析的計算機視覺

其他文章