利用人工智能提供个性化放射治疗

新克利夫兰诊所领导的研究表明，人工智能(AI)可以利用医疗扫描和健康记录来个性化治疗癌症患者的放射治疗剂量。

今天发表在柳叶刀数字健康该研究团队开发了一种人工智能框架基于患者计算机断层扫描(CT)扫描和电子健康记录。这一新的人工智能框架是首个使用医疗扫描来告知辐射剂量的框架，将该领域从使用通用剂量处方向前推进到更个性化的治疗。

目前,放射治疗是统一交付。给药剂量不反映可能影响治疗成功的单个肿瘤特征或患者特定因素的差异。人工智能框架开始考虑这种可变性，并提供个性化的辐射剂量，可以将治疗失败的概率降低到5%以下。

“虽然在很多方面都非常有效临床的设置该研究的第一作者、克利夫兰诊所陶西格癌症研究所放射肿瘤学家、勒纳研究所研究员Mohamed Abazeed M.D, Ph.D.说。“这个框架将帮助医生开发数据驱动的个性化剂量计划，可以最大限度地提高治疗成功的可能性，并减轻辐射的副作用病人。"

该框架是利用CT扫描和944个肺的电子健康记录建立的癌症患者用高剂量辐射治疗。治疗前的扫描结果被输入到一个深度学习模型中，该模型分析扫描结果以创建一个图像签名，预测治疗结果。通过复杂的数学建模，这种图像签名与来自病人健康记录的数据(描述临床风险因素)相结合，生成个性化的辐射剂量。

Abazeed博士说:“这种基于图像的深度学习框架的开发和验证是令人兴奋的，因为它不仅首次使用医学图像来告知辐射剂量处方，而且还具有直接影响患者护理的潜力。”“该框架最终可用于在日常临床实践中为个别患者提供量身定制的放射治疗。”

还有一些其他的因素使得这一史无前例的框架有别于其他类似的临床机器学习算法和方法。该团队开发的技术使用了一种人工神经网络，它将经典的机器学习方法与现代神经网络的能力结合起来。该网络决定了使用多少先验知识来指导治疗失败的预测。网络可以调整模型的先验知识范围。这种混合方法非常适合临床应用，因为与用于进行其他知名人工智能预测(如在线购物或拼车)的非临床数据集相比，单个医院的大多数临床数据集的样本量更小。

此外，该框架是使用肺放疗患者最大的数据集之一建立的，具有更高的准确性和限制错误发现。最后，每个临床中心都可以利用自己的CT数据集来定制框架，并针对特定的患者群体进行定制。

“机器学习工具，包括深度学习，将在医疗保健领域发挥重要作用，”Abazeed博士说。“这种基于图像的信息平台可以提供个性化多种癌症治疗的能力，但更直接的是向前的飞跃辐射精密医学。”

---

---