Automating High Quality RT Planning at Scale

要約

放射線治療 (RT) 計画は複雑で主観的であり、時間がかかります。
人工知能 (AI) の進歩により、その精度、効率、一貫性の向上が約束されていますが、大規模な標準化されたデータセットの不足によって進歩が制限されることがよくあります。
これに対処するために、高品質の治療計画を作成するためのスケーラブルなソリューションである Automated Iterative RT Planning (AIRTP) システムを導入します。
このスケーラブルなソリューションは、大量の一貫した高品質の治療計画を生成し、AI 主導の RT 計画の進歩における主要な障害を克服するように設計されています。
当社の AIRTP パイプラインは臨床ガイドラインに準拠しており、Eclipse of Varian などの RT 計画ソフトウェアと統合された AI を使用して、リスク臓器 (OAR) の輪郭形成、ヘルパー構造の作成、ビームのセットアップ、最適化、計画の品質向上などの重要な手順を自動化します。
さらに、3D 線量分布を再現するための最適化パラメータを決定するための新しいアプローチ、つまり線量予測を機械の制限によって制約された実行可能な治療計画に変換する方法です。
計画の品質を比較分析した結果、当社の自動パイプラインは、従来は計画ごとに数時間の労力を必要としていた手動で作成された治療計画と同等の品質の治療計画を生成していることが明らかになりました。
公的研究に力を入れている当社の AIRTP パイプラインの最初のデータリリースには、AAPM 2025 の課題をサポートする頭頸部がん部位および肺がん部位をカバーする 9 つのコホートが含まれています。
このデータ セットには、私たちが知る限り、既存の最もよく厳選された公開データ セットと比較して、10 倍以上の計画数が含まれています。
リポジトリ:{https://github.com/RiqiangGao/GDP-HMM_AAPMChallenge}

要約(オリジナル)

Radiotherapy (RT) planning is complex, subjective, and time-intensive. Advances in artificial intelligence (AI) promise to improve its precision, efficiency, and consistency, but progress is often limited by the scarcity of large, standardized datasets. To address this, we introduce the Automated Iterative RT Planning (AIRTP) system, a scalable solution for generating high-quality treatment plans. This scalable solution is designed to generate substantial volumes of consistently high-quality treatment plans, overcoming a key obstacle in the advancement of AI-driven RT planning. Our AIRTP pipeline adheres to clinical guidelines and automates essential steps, including organ-at-risk (OAR) contouring, helper structure creation, beam setup, optimization, and plan quality improvement, using AI integrated with RT planning software like Eclipse of Varian. Furthermore, a novel approach for determining optimization parameters to reproduce 3D dose distributions, i.e. a method to convert dose predictions to deliverable treatment plans constrained by machine limitations. A comparative analysis of plan quality reveals that our automated pipeline produces treatment plans of quality comparable to those generated manually, which traditionally require several hours of labor per plan. Committed to public research, the first data release of our AIRTP pipeline includes nine cohorts covering head-and-neck and lung cancer sites to support an AAPM 2025 challenge. This data set features more than 10 times the number of plans compared to the largest existing well-curated public data set to our best knowledge. Repo:{https://github.com/RiqiangGao/GDP-HMM_AAPMChallenge}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google