Tekoälypohjaisen automaattisen menetelmän arviointi sädehoidon annossuunnittelussa käytettävien elinten rajaamisessa

Abstract

Tässä pro gradu -tutkielmassa tutkittiin tekoälypohjaisen automaattisen menetelmän (Siemens OrgansRT, AI-Rad Companion) kliinistä suorituskykyä kriittisten elinten rajaamisessa, eli segmentoinnissa. Sädehoidon annossuunnitelma tehdään potilaskohtaisesti ja etenkin segmentointi vie runsaasti työntekijöiden aikaa. Työajan säästämiseksi segmentointiin on kehitetty automaattisia tekoälypohjaisia menetelmiä. Menetelmien toimivuutta täytyy kuitenkin arvioida ennen kliinistä käyttöönottoa.

Tutkimuksessa automatisoidun segmentointimenetelmän tekemiä rakenteiden rajauksia verrataan ammattihenkilöiden piirtämiin rajauksiin Dice similarity coefficient (DSC) -mittarin ja Hausdorffin etäisyyden (HD) avulla.

Tutkimuksen aineisto koostettiin 75 potilaan tietokonetomografialaitteella otetuista sädehoidon annossuunnittelukuvista. Yhteensä 17 rakennetta valittiin tarkasteltavaksi tutkimukseen.

Matalimmat, eli tutkimuksen heikoimmat, DSC:n arvot saivat pään ja kaulan alueen rakenteet, etenkin linssit. Oikean linssin DSC on 0,50 ja vasemman 0,47. Korkeimmat, eli tutkimuksen parhaat, DSC:n arvot sai rintakehän alueelta keuhkot, joiden DSC:t ovat 0,98. Rakenteiden HD-arvot tutkimuksessa vaihtelivat 4,33–25,07~mm välillä ja HD95 arvot vaihtelivat 2,01–17,07~mm välillä. Korkeimmat, eli tutkimuksen heikoimmat, HD:n ja HD95:n arvot sai peräsuoli, matalimman HD:n sai oikeanpuoleinen linssi ja matalimman HD95:n sai oikeanpuoleinen keuhko.

Tutkimuksen tulokset ovat samaa suuruusluokkaa muiden vastaavien menetelmien tulosten kanssa. Aineiston rakenteiden rajauksissa oli mukana sekä kliiniseen käyttöön kelpaavia rajauksia, mutta myös sellaisia, jotka annossuunnittelua varten tulisi korjata.