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、その精度と効率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希少性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、一貫して高品質の治療計画のかなりの量を生成するように設計されており、AI駆動型RT計画の進歩における重要な障害を克服します。
AIRTPパイプラインは、臨床ガイドラインを順守し、リスクのある輪郭（OAR）の輪郭、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ための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制約された成果物の治療計画に変換する方法が提案されています。
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。
私たちの最良の知識のために、このデータセットは、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、10倍以上のプランを備えています。
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 with artificial intelligence (AI) promise to improve its precision and efficiency, 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 Varian Eclipse. 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 is proposed. 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. To our best knowledge, this dataset features more than 10 times number of plans compared to the largest existing well-curated public dataset. Repo: https://github.com/RiqiangGao/GDP-HMM_AAPMChallenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google