Automating High Quality RT Planning at Scale

要約

放射線療法（RT）計画は、複雑で、主観的で、時間型であることです。
人工知能（AI）の進歩は、その精度、効率、一貫性を改善することを約束しますが、進歩は大規模で標準化されたデータセットの不足によってしばしば制限されます。
これに対処するために、高品質の治療計画を生成するためのスケーラブルなソリューションである自動反復RT計画（AIRTP）システムを紹介します。
このスケーラブルなソリューションは、AI駆動型RT計画の進歩における重要な障害を克服するために、かなりの量の一貫した高品質の治療計画を生成するように設計されています。
AIRTPパイプラインは、臨床ガイドラインを順守し、リスクのある（OAR）輪郭、ヘルパー構造の作成、ビームセットアップ、最適化、および計画の品質改善を含む重要なステップを自動化します。
さらに、3D用量分布を再現する最適化パラメーターを決定するための新しいアプローチ、つまり、用量予測を機械の制限によって制約される成果物の治療計画に変換する方法。
計画品質の比較分析は、自動化されたパイプラインが手動で生成されたものに匹敵する品質の治療計画を生成し、従来、計画ごとに数時間の労働が必要であることを明らかにしています。
AIRTPパイプラインの最初のデータリリースには、公共の研究にコミットして、Head and Neckおよび肺がんのサイトをカバーする9つのコホートが含まれており、AAPM 2025チャレンジをサポートしています。
このデータセットには、最大の知識に合わせて、既存の最大の適切にキュレーションされたパブリックデータセットと比較して、プランの数の10倍以上が特徴です。
レポ：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