[論文レビュー] Applications of Artificial Intelligence in Particle Radiotherapy

Chao Wu, Dan Nguyen+4 more|arXiv (Cornell University)|Feb 5, 2021

Advanced Radiotherapy Techniques参考文献 118被引用数 4

ひとこと要約

本論文は、治療計画、適応的治療、線量および範囲の検証、その他の臨床ワークフローを焦点として、粒子線放性線治療における人工知能（AI）の応用について包括的なレビューを提供している。AIが粒子線治療の物理的利点を活用することで正確性と効率性が向上するが、広範な臨床的導入にはまだ課題が残っている。

ABSTRACT

Radiotherapy, due to its technology-intensive nature and reliance on digital data and human-machine interactions, is particularly suited to benefit from artificial intelligence (AI) to improve the accuracy and efficiency of its clinical workflow. Recently, various artificial intelligence (AI) methods have been successfully developed to exploit the benefit of the inherent physical properties of particle therapy. Many reviews about AI applications in radiotherapy have already been published, but none were specifically dedicated to particle therapy. In this article, we present a comprehensive review of the recent published works on AI applications in particle therapy, which can be classified into particle therapy treatment planning, adaptive particle therapy, range and dose verification and other applications in particle therapy. Although promising results reported in these works demonstrate how AI-based methods can help exploit the intrinsic physic advantages of particle therapy, challenges remained to be address before AI applications in particle therapy enjoy widespread implementation in clinical practice.

研究の動機と目的

• 既存の文献におけるギャップを埋めるために、一般の放性線治療ではなく、粒子線放性線治療に特化したAIの応用に焦点を当てる。
• 粒子線治療の固有の物理的特性を活用するAI手法を特定および分類し、臨床的アウトカムの向上に寄与するものとする。
• AIが粒子線治療において現在どのように位置づけられているかを評価し、有望な結果と臨床的実装に向けた継続的な課題を強調する。
• 治療計画やリアルタイム適応を含む、粒子線治療のワークフローの主要段階にわたるAI応用の構造的概要を提供する。
• 未開拓の分野やAIの導入を制限する技術的障壁を特定することで、今後の研究を導く。

提案手法

• 臨床ワークフロー統合に焦点を当てた、粒子線治療におけるAI応用に関する査読付き論文の体系的レビュー。
• AI応用を4つの主要カテゴリに分類する：治療計画、適応的治療、範囲および線量の検証、その他の新興用途。
• 医用画像および治療計画データに適用された深層学習、畳み込みニューラルネットワーク（CNN）、強化学習などのAI技術の分析。
• 患者固有の画像（例：CT、PET）および治療計画を用いてトレーニングされたAIモデルの分析により、最適なビーム配置および線量分布を予測する。
• 画像フィードバックを用いたオンライン適応的再計画および範囲不確実性補正のためのリアルタイムAIシステムの評価。
• 報告された臨床およびプロトタイプ研究の結果を用いて、AIベースの手法と従来手法を、速度、正確性、耐障害性の観点から比較評価する。

実験結果

リサーチクエスチョン

• RQ1 AIはどのように粒子線治療の治療計画の正確性と効率性を向上させることができるか？
• RQ2 AIは分画的治療中にリアルタイムで適応的粒子線治療を可能にする役割を果たすことができるか？
• RQ3 AIベースの手法はどのように粒子線治療における範囲および線量の検証を向上させるか？
• RQ4 AIが粒子線治療に広く導入されるのを妨げる主な技術的および臨床的課題は何か？
• RQ5 AI技術は、例えばブラッグピークのような粒子ビームの特異な物理的利点をどのように活用して、より良い臨床的アウトカムを達成するか？

主な発見

• AIベースの治療計画手法は、従来の計画法と比較して、計画時間の大幅な短縮に加え、計画品質の維持または向上を実現している。
• AIを活用した適応的粒子線治療により、日常的な画像を基にしたリアルタイム再計画が可能となり、がん巣の被照映像の向上と臓器障害リスクの低減が達成されている。
• 範囲および線量検証のためのAIモデルは、プロトンの範囲不確実性をより正確に予測する能力を示しており、広範な画像撮影による分画化の必要性が低下している。
• 深層学習ベースの手法は、複雑な解剖的領域ですら高い空間分解能で患者固有の線量分布を予測する可能性を示しており、前向きな成果を上げている。
• 研究環境では優れた性能を示しているものの、臨床的実装は、データ不足、モデルの解釈可能性の欠如、規制上の障壁により制限されている。
• 多様な患者集団および解剖的部位にわたる堅牢で汎用性のあるモデルを必要とするため、AIを既存の粒子線治療システムに統合することは依然として困難である。