行业|AI赋能肿瘤放射治疗,构建放疗新生态!

2020
03/25

+
分享
评论
思宇医械观察(整理)
A-
A+
AI+放疗还包括智能可穿戴设备及智能放疗中心和减少医疗事故。期待未来更多AI+放疗产品的落地!

二十年或三十年后的肿瘤放射治疗会是什么样?真的可以一周完成癌症治疗吗?物理师短缺的问题解决了吗?让我们从目前AI在放疗中的几大应用,看看未来AI如何赋能肿瘤放疗构建放疗新生态!

一、AI+放疗治疗计划

临床上制定放疗治疗计划非常耗费时间,而且计划的质量也参差不齐。放疗医生和物理师常常需要对治疗计划进行讨论和反复修改。面对复杂病患,一个物理师每天只能为4-5个患者制定计划。但使用AI辅助,一个物理师每天可能可以为几十个患者,甚至能够为多个不同的医院做贡献。让AI学习优秀的放疗医生和物理师的经验,再用AI自动高效地完成治疗计划的制定。这不仅能解决物理师短缺的问题,还能缩小医疗资源的差距,实现医疗质量的同质化。

目前,放疗巨头瓦里安和医疗科技公司RaySearch都开发了能自动制定治疗计划的AI。瓦里安大中华区总裁张晓博士在接受采访时还曾透露过:“瓦里安正采取两步走的办法,一是多渠道培养人才,二是提高人工智能效率。”据了解,2008年至今瓦里安在国内已培训了1.5万人次放疗专业人才。“使用了人工智能软件制定的放疗计划方案,基本上超过目前80%物理师的人工计划水平,这可提高整个科室的同质化水平。”在张晓看来,这就是人工智能的一大特点,不是战胜所有人,也不是比最优秀的人更优秀,而是向最优秀的人学习,来帮助提升整体同质化水平。此外,现在放疗领域的一大热点是采用更加清晰的MRI图像,但做放疗计划需要电子密度的信息,CT图像会更适合。现在有研究人员尝试利用AI实现MRI和CT图像之间的转化。还有研究人员尝试用AI把四维CT图像转化为核医学图像,用以诊断肺部功能性的问题。

二、AI+放疗设备

目前常规放疗流程是:先通过CT、MR(磁共振)等影像设备确定肿瘤的位置、大小和形状等,放疗医生根据上述影像结果在病人体表或者是计算机上标出需要照射的部位,再由专门的医学物理师制定相应的放疗计划,并根据治疗方案做定位测试、质量控制工作来进一步优化治疗方案,经过验证的放疗计划会传输到放疗设备所在的治疗室对病人进行治疗。患者拍片获取CT、MR、PET等医学影像信息,一个过程下来通常需要2-3天,最快也要1天并且通常放疗一个疗程需要20-30次治疗,在这个过程中肿瘤状态与病人体质情况等或许已经发生了变化,但使用的放疗计划常常保持不变,始终根据疗程开始前的肿瘤影像。

而瓦里安的全新Ethos™智慧放疗平台率先实现了多模态在线自适应放射治疗,在AI技术驱动下,自动融合MR、CT、PET多模态影像,从初始计划设计、在线自适应治疗过程、到治疗监测,总时间从10小时压缩到15分钟。Ethos™智慧放疗平台的每一次治疗都能够根据患者解剖位置和形状变化来调整治疗方案,为每位患者实现个体化、精准化的治疗。Ethos™智慧放疗平台将肿瘤中心的工作效率和治疗能力推升到全新的高度,真正意义上开启了肿瘤个性化放射治疗的新时代。“CT擅长骨组织的检查,MR可以清晰看到软组织的成像,PET-CT是反映分子水平代谢信息的影像检查。每一种影像都有特殊的用处,人工智能驱动的Ethos平台具备智慧整合这3种检测方式信息的能力。”张晓说。在人工智能驱动下,Ethos智慧放疗平台可以实现自适应放疗,根据肿瘤形状、细胞特征以及周围器官改变而移动的肿瘤位置来进行调整,整个疗程中的每一次治疗都依据患者最新的肿瘤信息进行,极大避免了在1个疗程治疗中后期对已经痊愈的健康组织的伤害,最大限度保护正常组织。2020年2月,瓦里安宣布其Ethos™智慧放疗平台获得FDA批准上市。

三、AI+器官分割和靶区勾画

病变器官的正确定位与准确勾画是放疗计划运作的基础和关键。其分割的准确程度直接影响到后续放疗计划设计的准确度和放疗的效果。按照传统方法对影像进行勾画,需耗费大量时间。应用AI技术勾画靶区不仅能大幅提高效率还能避免由于靶区勾画的不准确导致的无效治疗。美国的一项对放疗患者的长期跟踪研究表明,在大医院和小医院进行放疗的存活率存在明显差距。而这种差距,一个主要原因是医生对器官分割的精准性,和对靶区勾画的专业性。美国西南医学中心MAIA Lab研究成果显示对于主要器官(OAR)的勾画,专家勾画与AI勾画的重合程度(Dice Index)目前是85%左右(在临床应用上,Dice Index到80%以上就很好了)。但是,靶区勾画的实现难度会稍大一些。因为每位医生的经历和经验不同,具体的治疗方案也会不同,很难有统一的标准。据了解,目前,AI智能勾画靶区已经成功运用在肺癌、乳腺癌、鼻咽癌、肝癌、前列腺癌、食管癌和皮肤癌上。

西门子医疗在RSNA2019上推出了两个基于AI的器官分割软件助手。AI-Rad Companion Brain MR基于形态计量学分析,能在MR影像中自动勾画大脑轮廓,并测量大脑体积辅助影像医生作出快速诊断。AI-Rad Companion Prostate MR能用于辅助活检。它能在MR影像上自动勾画出前列腺的外部轮廓,辅助影像医生快速标记病变,从而让外科医生更快完成活检。这两个软件都适用于不同厂商的MR设备,并可以在西门子医疗云上使用。

2020年1月2日,联影智能放疗轮廓勾画软件经国家药品监督管理局(NMPA)批复,获得三类医疗器械注册证。据联影称,uAI分割引擎已应用于北京大学第一医院,并在全国范围与各级医院展开深度合作,完成近4万例数据的分割训练。联影医疗董事长兼CEO薛敏曾在世界人工智能大会上表示,在图像后处理环节,运用AI的智能渲染技术,可以得到高清的器官影像,帮助医生更好地进行诊断和手术计划。uAI放疗轮廓勾画软件基于联影智能自主研发的分割算法,支持74个主要危及器官和靶区的全自动分割,也可对肺癌、直肠癌、肝癌、前列腺癌等病灶及106个脑区进行亚秒级分割。

uAI智能分割引擎可以对74个主要危及器官和靶区进行分割

目前,联影智能已与北京大学第一医院、四川省肿瘤医院、苏州大学附属第一医院等医院开展多项临床实践与科学研究,共同推动智能勾画应用与落地。在苏州大学附属第一医院里,联影智能与苏州大学附属第一医院展开了基于uAI放疗轮廓勾画软件的宫颈癌靶区自动勾画研究。uAI放疗轮廓勾画软件可实现亚秒级智能分割靶区 ——— 全盆腔淋巴引流区和宫旁区域,经医师检查确认后到勾画完成只需2-3分钟。      

绿线: 自动勾画效果  红线: 医师手动勾画效果

四、AI+放疗毒性预测和治疗结果预测

目前临床上预测放疗的毒性是在给出剂量分布后,通过一些指标评估预测放疗的毒性,比如平均剂量大于多少会产生临床上无法接受的毒性。使用深度学习模型可以代替这些旧的指标,不再依靠仅有的几个参数做临床决定。比如如何预测肝癌肺癌放疗可能产生的副作用。用深度学习模型可替代现有的诺模图, 从而实现准确度更高的个体化预测。斯坦福大学的研究人员用大量病人的影像、治疗计划和治疗后的毒性等数据,构建了世界上第一个基于深度学习的肝癌放疗模型。它可以方便准确地对新病人的预后进行预测。和实际临床观测到的预后相比发现,深度学习的预测要比现有模型要准确得多。

本文转载自其他网站,不代表健康界观点和立场。如有内容和图片的著作权异议,请及时联系我们(邮箱:guikequan@hmkx.cn

人点赞

收藏

人收藏

打赏

打赏

我有话说

0条评论

0/500

评论字数超出限制

表情
评论

为你推荐

精彩视频

您的申请提交成功

确定 取消
×

打赏作者

认可我就打赏我~

1元 5元 10元 20元 50元 其它

打赏

打赏作者

认可我就打赏我~

×
打赏

扫描二维码

立即打赏给Ta吧!

温馨提示:仅支持微信支付!