江苏龙网

  1. 首页 > 资讯 > 科技 > >

##AI医学 | 人工智能在肿瘤放射治疗中的研究进展

作者：张玉海 ， 李月敏
单位：解放军总医院第八医学中心放疗科
据中国国家癌症中心统计 ， 截至2016年1月 ， 中国现有肿瘤患者750万人左右 。根据WHO的数据显示 ， 大约70%的癌症患者需要接受放射治疗 。虽然目前临床放射治疗技术日趋成熟 ， 但是仍存在诸多具有挑战性的难题亟待解决 。首先 ， 我国放疗人才严重不足 ， 而肿瘤放疗靶区和危及器官的勾画占用了放疗医师大量的时间和精力 ， 人工勾画效率低 。第二 ， 靶区勾画、计划设计极度依赖放疗医师和物理师的临床经验 ， 不同医师、物理师之间的设计结果又存在较大的差异 。而且还存在放疗质控内容繁冗、质控设备种类繁多、质控过程耗时耗力等难题 。所以有效提高质控效率是放射治疗的重要保证 。近年来 ， 随着人工智能(AI)在精准放疗领域的不断深入 ， 解决这些难题成为可能 。所谓人工智能 ， 是研究开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门新的技术科学 ， 机器学习(ML)是人工智能主要的实现方法 。本文将围绕放射治疗流程 ， 就人工智能在不同环节中的研究现状进行介绍和分析 ， 并对其存在的问题和未来的发展方向进行讨论 。
【##AI医学 | 人工智能在肿瘤放射治疗中的研究进展】##AI医学 | 人工智能在肿瘤放射治疗中的研究进展
文章图片

文章图片

选择患者
放疗过程由很多步骤组成 ， 第一步就是选择患者 。选择一个放疗患者 ， 需要评估的内容很多 ， 如肿瘤分期、病理类型、基因检测、手术切除情况 ， 还有患者的年龄、基础病、器官功能、生活习惯等 。海量的信息容易让医师顾此失彼 ， 产生误诊漏诊 。美国医学研究所在关于学习型医疗体系的报告中建议通过机器学习和数据挖掘的分析方法在临床肿瘤学领域找出癌症治疗和临床结果两者之间潜在的因果关系 ， 并用比较效益研究方法(CER)与大数据协同工作 ， 快速有效地验证数学预测模型 ， 其目的就是让正确的肿瘤治疗方案提供给正确的病人 。因此 ， 基于大数据的人工智能预测模型要能够帮助医生判断患者能否从放疗中获益 ， 并帮助医生决定是否推荐放射治疗 。Valdes等报告了一个基于人工智能的临床决策支持系统 ， 该系统把曾经接受光子和质子放射治疗的早期肺癌和术后口咽癌患者形成的数据集 ， 采用机器学习的方式建立足够精确的分析模型 ， 新患者则利用该分析模型与历史治疗方案进行匹配 ， 从而为患者找到最佳的治疗方案 。Kress 等使用多元逻辑回归模型对美国医疗保险数据库中39 619例65岁以上的前列腺癌、乳腺癌和结直肠癌患者进行分析 ， 分析变量包括性别、年龄、肿瘤分期、手术、放疗、化疗等19个因素 。统计结果发现50%的患者在生命的最后6个月接受了放疗 ， 其生存率与没有接受放疗的患者没有统计学差异 ， 并且还增加了急诊、X线检查和医生就诊的次数 。也就是说 ， 大数据分析结果显示 ， 生命末期的放化疗并没有延长生存时间、改善生活质量 ， 反而增加了治疗负担 ， 因此需要优化给予姑息放疗的时机 。
另外 ， 确定接受放疗的患者 ， 从哪种放疗技术中能够获益 ， 也是需要考虑的问题 。现在放疗技术种类繁多 ， 各有长处 ， 有常规的分次外照射、立体定向放射治疗(SBRT)、调强放疗(IMRT)、近距离治疗、质子重粒子放疗等 。此时 ， 一个关于放射治疗物理特性、生物学效应 ， 并能预测最终临床结果的生物物理数学模型显得尤为重要 。利用这种模型权衡放疗疗效、副作用以及经济效益等多种因素 ， 帮助医生和患者做出正确的决策 。这一点 ， 对于粒子治疗尤为重要 。当前 ， 质子重粒子放射治疗是很有前途的治疗技术 ， 由于这种技术的使用成本很高 ， Langendijk等开发了一种基于正常组织并发症概率(NTCP)模型的方法来选择适合质子治疗的患者 。这种基于模型的方法包括三个步骤 ， 首先选取接受过光子放射治疗的患者建立数据库 ， 基于大数据分析开发和验证NTCP模型；然后利用计算机技术对不同的辐射传输技术(如3D－CRT和IM-RT、IMRT和质子之间)进行比较研究 ， 估计新放射治疗技术的潜在效益；最后将计算机比较分析的结果集成到NTCP模型中来 ， 选出NTCP值降低方面最可能受益于质子而非光子的患者 。该模型已经被荷兰卫生当局应用于患者的质子治疗 。


推荐阅读


上一篇：『』外出办公人员了解一下？ThinkBook掀起轻薄简约新浪潮

下一篇：『』抑制接地线上的高频干扰，SCHURTEER公司新增地线扼流圈