AI可以跳跃的癌症患者放射治疗

人工智能可以帮助癌症患者迅速开始辐射治疗 - 从而降低癌症蔓延的几率 - 立即将复杂的临床数据转化为最佳的攻击计划。

患者通常必须等待几天到一周开始治疗，而医生手动制定治疗计划。但UT Southwestern的新研究表明，增强的深度学习模型将此过程简化为一秒钟的一小部分。

“其中一些患者需要辐射立即治疗，但医生往往要告诉他们回家等待，“斯维江，博士说，博士说，他指导了UT Southwestern的医疗人工智能和自动化（Maia）实验室。”在近实时实现最佳治疗计划是重要的是我们更广泛的使命使用AI改善所有方面的一部分癌症关心。”

放射治疗是一种常见的癌症治疗形式，利用高辐射束来破坏癌细胞和收缩肿瘤。以前的研究表明，即使每周延迟这种疗法也可以增加一些癌症的几率，无论是重现12-14％的癌症。

这种统计数据激励江队的团队探索使用AI改进多个方面的方法放射治疗- 从治疗前所需的初始剂量计划开始在计划进展之前发生的剂量重新计算。

江泽民表示，开发复杂的治疗计划可能是一个耗时和繁琐的过程，涉及仔细审查患者的影像数据和医疗团队内的反馈的几个阶段。

Maia Lab对剂量预测的新研究，发表于医学物理学，展示了AI在收到后的五分之一的百分之一秒内生产最佳治疗计划的能力临床数据对于患者。

研究人员通过喂食70前列腺的数据来实现了这一点癌症患者进入四种深学习模式。通过重复，AI学会了开发3-D渲染的如何最好地分配每位患者的辐射。每个模型准确预测医疗团队开发的治疗计划。

该研究建立在2019年发布的其他Maia研究中，专注于制定肺和头部和颈部癌症的治疗计划。

“我们的AI可以削减医生和剂量策划者之间发生的大部分来源，”江泽民说。“这急剧提高了效率。”

江泽民的第二次新研究，也发表在医学物理学，显示AI如何在每个辐射会话之前快速准确地重新计算剂量，考虑到患者的解剖学是如何自上次以来的改变治疗。除了在每次会议之前进行解剖成像所需的时间之外，常规的准确重新计算有时需要等待10分钟或更长时间。

江的研究人员开发了一种AI算法，组合了用于剂量计算的两个常规模型：一种简单，快速模型，缺乏准确性和复杂的模型，准确，但需要更长的时间，通常大约半小时。

新开发的AI评估了基于70个前列腺癌患者的数据的模型之间的差异 - 并学习了如何利用速度和准确性在一秒钟内产生计算。

UT Southwestern计划在实施患者界面后使用新的AI功能在临床护理中。同时，Maia Lab正在为几种其他目的开发深学习工具，包括增强的医学成像和图像处理，自动化医疗程序和改善的疾病诊断和治疗结果预测。

---

---