[논문 리뷰] An Artificial Intelligence-Driven Agent for Real-Time Head-and-Neck IMRT Plan Generation using Conditional Generative Adversarial Network (cGAN)

Xinyi Li, Yang Sheng외 7명|arXiv (Cornell University)|2020. 09. 27.

Advanced Radiotherapy Techniques참고 문헌 34인용 수 36

한 줄 요약

이 논문은 조건부 GAN(cGAN) 기반의 AI 기반 에이전트를 제시하며, 3초 이내로 완전 자동화된 실시간 헤드 앤 넥 IMRT 계획 수립을 가능하게 한다. 새로운 피라미드 구조의 생성기(PyraNet)와 맞춤형 DenseNet 판별기로 구성된 이 시스템은 3D CT 자료에서 동시에 9개의 플루언스 맵을 예측하며, 임상 TPS 계획과 유사한 방사선선량 품질을 달성하여 주요 구조의 방사선선량에 유의미한 차이가 없음을 입증한다.

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.

연구 동기 및 목표

• 두경부 IMRT에서 역방향 계획 수립의 시간 소모를 제거하기 위해 완전 자동화된 AI 기반 계획 수립 솔루션을 개발한다.
• 구강부암의 순차적 보조 치료 루틴에서 빠르고 일관되며 고품질의 IMRT 계획 수립의 임상적 필요를 충족시킨다.
• 목표 병변의 피복도나 위험 기관 보호를 훼손하지 않으면서 실시간 계획 수립을 달성한다.
• 정량적 및 정성적 방사선선량 평가 지표를 사용하여 AI 생성 계획을 임상 TPS 계획과 비교 검증한다.

제안 방법

• 조건부 생성 대안 네트워크(cGAN) 아키텍처를 사용하였으며, 피라미드 구조의 연결 방식으로 28개의 ResNet 블록을 배열한 새로운 생성기 네트워크(PyraNet)를 기반으로 하였다.
• 실제와 생성된 플루언스 맵을 구분하기 위해 4층으로 구성된 맞춤형 DenseNet 판별기를 설계하였다.
• AI 에이전트는 먼저 3D CT 볼륨과 구조 세트에서 표준 9개 각도에서 2D 빔 영상 투영을 생성한다.
• 이러한 2D 투영 영상들은 4차원 입력 텐서로 통합되어 PyraNet에 입력되어 동시에 9개의 플루언스 맵을 생성한다.
• AI 계획과 TPS 계획 간의 플루언스 맵 유사도를 향상시키기 위해 맞춤형 Harr 웨이브렛 손실 함수를 사용하였다.
• 생성된 플루언스 맵는 상업용 TPS에 임포트되어 무결성 검사 및 방사선선량 평가를 수행하였다.

실험 결과

연구 질문

• RQ1 AI 에이전트는 실시간으로 임상 TPS 계획 수준의 방사선선량 품질을 갖춘 두경부 IMRT 계획을 생성할 수 있는가?
• RQ2 제안된 cGAN 기반 방법은 임상 계획과 비교해 목표 병변 피복도 및 위험 기관 보호를 얼마나 잘 유지하는가?
• RQ3 AI 에이전트의 추론 속도는 얼마이며, 임상 워크플로우 통합을 지원할 수 있는가?
• RQ4 AI 생성 플루언스 맵는 TPS 계획과 비교해 등선량 기울기 특성을 어느 정도 유지하는가?

주요 결과

• 모든 231개의 테스트 케이스가 케이스당 약 3초 이내로 성공적으로 생성되어 실시간 가능성을 입증하였다.
• AI 생성 계획에서 PTV 외부의 등선량 기울기는 임상 TPS 계획과 정성적으로 유사하였다.
• PTV 피복도를 정규화한 후, AI 계획과 TPS 계획 간에 피어리브 및 구강강의 평균 방사선선량에 통계적으로 유의미한 차이가 없었다.
• 뇌간 및 체 +5mm에서 0.01cc 기준 최대 방사선선량은 AI 계획과 TPS 계획 간에 유사하였으며, 임상적으로 관련성이 없는 차이가 있었다.
• 신체 최대 방사선선량은 AI 계획에서 약간 높게 나타났지만, 임상적으로 우려할 만한 수준은 아니었다.
• 맞춤형 Harr 웨이브렛 손실의 사용은 플루언스 맵의 정밀도를 향상시켜 일관된 방사선선량 결과를 도모하였다.