新型AI工具将宫颈癌放疗规划时间从数小时缩短至数分钟|ai工具|乳腺癌|前列腺|医生|放疗|治疗|癌症患者

加州大学圣地亚哥分校的研究人员开发了一种人工智能工具，可显著缩短宫颈癌近距离放射治疗的规划时间。近距离放射治疗（Brachytherapy）是一种有效的内部放疗形式，但通常需要大量人工操作。

这一系统在近期发表于《近距离放射治疗》杂志的一篇论文中有所描述，它将深度学习模型直接集成到商业治疗规划系统中，临床医生只需点击一下即可生成定制化治疗方案。该方法是在圣地亚哥超级计算机中心（SDSC）的Voyager超级计算机上开发的，并得到了美国国家科学基金会（NSF）NAIRR试点项目的支持。

研究人员表示，获取共享的美国国家网络基础设施对于模型的训练、测试以及将其集成到临床可用工作流程中至关重要。SDSC的Voyager是一台由NSF资助的超级计算机，配备了针对人工智能应用优化的英特尔Habana Gaudi处理器。

加州大学圣地亚哥医学院放射医学与应用科学系的人工智能研究员Lance Moore在SDSC的一篇文章中表示："我们利用SDSC的Voyager系统上的NAIRR试点配额开发了这款新工具，并将其集成到广泛使用的医疗软件平台中，使临床医生能够轻松使用。这款新工具利用人工智能自动化并加速治疗规划，只需点击一下，系统就能分析患者的医学影像，并在不到四分钟的时间内生成高质量的定制化方案——这可能会减少患者的不适和人为错误的风险。"

根据世界卫生组织的数据，全球每年约有60万名女性罹患宫颈癌，估计导致34万人死亡。近距离放射治疗是许多患者的标准治疗选择，但治疗规划复杂且耗时，通常需要一个小时或更长时间，并且需要临床医生具备丰富的专业知识。

加州大学圣地亚哥分校的团队旨在通过自动化治疗规划中最耗时的步骤，同时保持临床准确性，来应对这些挑战。他们的系统将深度学习剂量预测模型与优化流程相结合，将预测的剂量分布转换为可实施的治疗方案。与之前需要手动导出和重新导入医学影像数据的研究工作流程不同，新工具完全在BrachyVision治疗规划系统内运行，使用API接口。

该工具的核心是一个3D多级网络的U-Net模型，该模型使用了加州大学圣地亚哥分校的1800多个历史宫颈癌近距离放射治疗计划进行训练。该模型根据CT影像、解剖轮廓以及体内近距离放射治疗施源器的物理布局，预测患者特定的放射剂量分布。然后，通过优化步骤确定驻留时间，即放射源在每个位置停留的时间，以紧密匹配预测剂量。

在针对涵盖七种不同施源器设计的28例宫颈癌病例进行的测试中，自动化系统生成的治疗方案与临床实践中使用的方案非常接近。平均而言，AI生成的放射剂量图与临床实施的方案在3D治疗区域内的差异不到4%，并且生成方案的时间约为三分半钟。更复杂的病例处理时间较长，但规划时间仍远短于传统的手动工作流程。

研究人员认为，通过减少规划时间和变异性，基于AI的自动规划有助于标准化治疗，尤其是在资源有限或专业人员较少的诊所。不过，他们强调，临床医生在实施治疗前应审查和调整这些自动化方案。