原標(biāo)題：《Nature Machine Intelligence》發(fā)表人工智能在腫瘤放療領(lǐng)域應(yīng)用新進(jìn)展

放射治療是腫瘤治療的重要手段之一，約70%左右的腫瘤患者需接受放射治療。然而射線在殺死腫瘤細(xì)胞的同時(shí)，也會(huì)對(duì)腫瘤周邊乃至射線路徑上的正常組織器官造成損傷，從而引發(fā)各類并發(fā)癥，影響患者的治療療效及生存質(zhì)量。因此，在進(jìn)行放療計(jì)劃設(shè)計(jì)之前，必須在患者定位CT圖像上精確勾畫相關(guān)正常組織危及器官（organs at risk，簡(jiǎn)稱OAR），并在設(shè)計(jì)放療計(jì)劃時(shí)對(duì)其進(jìn)行保護(hù)，降低其受照射的劑量與體積。但是，傳統(tǒng)人工勾畫正常組織器官耗時(shí)費(fèi)力，且在不同水平的醫(yī)師之間存在明顯的勾畫差異。因此臨床放療需要一種標(biāo)準(zhǔn)統(tǒng)一且精準(zhǔn)快速的勾畫工具幫助放療醫(yī)師及物理師完成正常組織危及器官的勾畫工作。目前雖然存在一些可供商用的自動(dòng)勾畫系統(tǒng)，但仍存在可供勾畫器官數(shù)量少、勾畫精度偏差較大等問題。

近日，《Nature Machine Intelligence》發(fā)表了上海邃藍(lán)智能科技（上海）有限公司、加州大學(xué)爾灣分校謝曉暉教授團(tuán)隊(duì)、上海交通大學(xué)附屬第一人民醫(yī)院腫瘤放療科劉勇教授團(tuán)隊(duì)三方合作的研究論著《Clinically applicable deep learning framework for organs at risk delineation in CT images》。該研究采用了一種被稱為Ua-Net的深度學(xué)習(xí)模型，能夠準(zhǔn)確快速地在CT上勾畫28個(gè)頭頸部正常組織危及器官。

本研究以開源CT圖像為基礎(chǔ)，由專業(yè)的放療科醫(yī)師勾畫了315例頭頸部腫瘤患者的28個(gè)危及器官，并以這此作為建模數(shù)據(jù)。建模采用一種稱為Ua-Net的算法模型，該模型與常規(guī)的U-Net主要區(qū)別在于，Ua-Net利用OAR檢測(cè)模塊首先識(shí)別包含OAR的區(qū)域，然后僅對(duì)檢測(cè)到的OAR區(qū)域內(nèi)的圖像特征進(jìn)行上采樣，而不是像U-Net中對(duì)整個(gè)輸入圖像進(jìn)行上采樣。這樣兩階段設(shè)計(jì)模式使模型可以將注意力集中在提取OAR周圍的高分辨率圖像特征上，促進(jìn)了模型的訓(xùn)練。這樣的作法不僅減少了OAR正常范圍之外的假陽(yáng)性預(yù)測(cè)，還大大減少了上采樣步驟所需的GPU內(nèi)存消耗。結(jié)果顯示該模型在28個(gè)OAR中獲得的平均Dice-S?rensen系數(shù)（DSC）為78.34％，比已報(bào)道的最新方法高5.18％。就DSC而言，深度學(xué)習(xí)模型的性能比高年資放療醫(yī)師高10.05％（即使放療醫(yī)師除了CT以外還參考MRI圖像，模型的性能亦高出8.26％），而且勾畫時(shí)間大幅縮短只需幾秒鐘即可完成，勾畫精度也明顯高于目前其它同類算法。研究進(jìn)一步檢查了其魯棒性和臨床實(shí)用性，發(fā)現(xiàn)盡管勾畫完成后雖然仍需一定修改，但仍可將勾畫每位患者OAR的平均時(shí)間從34分鐘縮短到13分鐘。這些結(jié)果表明，這些結(jié)果表明，深度學(xué)習(xí)為費(fèi)時(shí)費(fèi)力的OAR勾畫任務(wù)提供了一種有力的潛在解決方案，期待其未來對(duì)臨床放療提供有效幫助。

上海邃藍(lán)智能科技（上海）有限公司，是一家在醫(yī)療人工智能鄰域研發(fā)的領(lǐng)先公司，在上海張江、美國(guó)加州爾灣擁有雙研發(fā)中心，公司擁有強(qiáng)大的醫(yī)療人工智能研發(fā)團(tuán)隊(duì)，具有獨(dú)有的人工智能核心算法，除在放射治療AI研發(fā)鄰域研究外，還在醫(yī)學(xué)影像鄰域有多項(xiàng)發(fā)明。這是邃藍(lán)公司繼2018年11月在《Medical Physics》聯(lián)合發(fā)表放射治療人工智能勾畫研究文章后，又一篇在國(guó)際頂級(jí)學(xué)術(shù)雜志收入發(fā)表的文章，標(biāo)志著該公司研發(fā)團(tuán)隊(duì)在這一領(lǐng)域處于國(guó)際領(lǐng)先水平。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。