[論文レビュー] An Artificial Intelligence-Driven Agent for Real-Time Head-and-Neck IMRT Plan Generation using Conditional Generative Adversarial Network (cGAN)

Xinyi Li, Yang Sheng+7 more|arXiv (Cornell University)|Sep 27, 2020

Advanced Radiotherapy Techniques参考文献 34被引用数 36

ひとこと要約

本論文では、条件付きGAN（cGAN）に基づくAIドリブンエージェントを提示し、頭頸部IMRT計画を3秒未塔で完全自動かつリアルタイムに生成することを可能にした。新規のピラミッド構造型生成器（PyraNet）とカスタマイズされたDenseNet識別器を用い、3次元CTデータから9つのフルエンスマップを同時に予測した。線量学的品質は臨床用TPS計画と同等であり、重要構造の線量に有意差は認められなかった。

ABSTRACT

Purpose: To develop an Artificial Intelligence (AI) agent for fully-automated rapid head and neck (H&N) IMRT plan generation without time-consuming inverse planning.$$$$ Methods: This AI agent was trained using a conditional Generative Adversarial Network architecture. The generator, PyraNet, is a novel Deep Learning network that implements 28 classic ResNet blocks in pyramid-like concatenations. The discriminator is a customized 4-layer DenseNet. The AI agent first generates customized 2D projections at 9 template beam angles from 3D CT volume and structures of a patient. These projections are then stacked as 4D inputs of PyraNet, from which 9 radiation fluence maps are generated simultaneously. Finally, the predicted fluence maps are imported into a commercial treatment planning system (TPS) for plan integrity checks. The AI agent was built and tested upon 231 oropharyngeal plans from a TPS plan library. Only the primary plans in the sequential boost regime were studied. A customized Harr wavelet loss was adopted for fluence map comparison. Isodose distributions in test AI plans and TPS plans were qualitatively evaluated. Key dosimetric metrics were statistically compared.$$$$ Results: All test AI plans were successfully generated. Isodose gradients outside of PTV in AI plans were comparable with TPS plans. After PTV coverage normalization, $D_{mean}$ of parotids and oral cavity in AI plans and TPS plans were comparable without statistical significance. AI plans achieved comparable $D_{max}$ at 0.01cc of brainstem and cord+5mm without clinically relevant differences, but body $D_{max}$ was higher than the TPS plan results. The AI agent needs ~3s per case to predict fluence maps.$$$$ Conclusions: The developed AI agent can generate H&N IMRT plans with satisfying dosimetry quality. With rapid and fully automated implementation, it holds great potential for clinical applications.

研究の動機と目的

• 頭頸部IMRTにおける逆問題計画の時間的負担を解消し、完全自動のAIドリブン計画ソリューションを開発すること。
• 口腔咽頭がんの逐次ブースト療法において、迅速で一貫性があり高品質なIMRT計画生成の臨床的ニーズに対応すること。
• 標的領域の被照射量や臓器障害リスクを損なわず、リアルタイムでの計画生成を達成すること。
• 定量的および定性的な線量学的指標を用いて、AI生成計画を臨床用TPS計画と照合して検証すること。

提案手法

• 条件付き生成対抗ネットワーク（cGAN）アーキテクチャを採用し、28個のResNetブロックをピラミッド型に連結した新規生成器ネットワーク（PyraNet）を構築した。
• 実際のものと生成されたフルエンスマップを区別できるよう、4層構造のカスタマイズされたDenseNetを識別器として設計した。
• AIエージェントはまず、3次元CTボリュームと構造セットから9つの標準角度における2次元ビームプロジェクションを生成する。
• これらの2次元プロジェクションをスタックして4次元入力テンソルを作成し、PyraNetに供給することで、9つのフルエンスマップを同時に生成した。
• AI計画とTPS計画のフルエンスマップ類似度を向上させるために、カスタマイズされたハールウェーブレット損失関数を導入した。
• 生成されたフルエンスマップは、商業用TPSにインポートされ、整合性の確認と線量学的評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 AIエージェントは、臨床用TPS計画と同等の線量学的品質をリアルタイムで頭頸部IMRT計画に生成できるか？
• RQ2 提案されたcGANベースの手法は、臨床計画と比較して、標的領域被照射量と臓器障害リスクの保護をどの程度維持できるか？
• RQ3 AIエージェントの推論速度はどの程度で、臨床ワークフロー統合を可能にするか？
• RQ4 AI生成フルエンスマップは、TPS計画と比較してどの程度等線量勾配特性を保持しているか？

主な発見

• 全231例のテストケースが、1例あたり約3秒で正常に生成され、リアルタイム実現可能性が裏付けられた。
• AI生成計画におけるPTV外の等線量勾配は、臨床用TPS計画と定性的に同等の品質であった。
• PTV被照射量の正規化後、副鼻腔および口腔内の平均線量にAI計画とTPS計画の間に統計的に有意な差は認められなかった。
• 脳幹および脊髄+5mmにおける0.01ccでの最大線量は、AI計画とTPS計画で同等であり、臨床的差異は認められなかった。
• 体最大線量はAI計画でわずかにTPS計画より高値であったが、臨床的懸念はなかった。
• カスタマイズされたハールウェーブレット損失の導入により、フルエンスマップの忠実度が向上し、一貫性のある線量学的結果に寄与した。