克利夫兰：新克利夫兰诊所主导的研究表明，人工智能(AI)可以使用医学扫描和健康记录来个性化用于治疗癌症患者的放射治疗剂量。

研究小组今天在“柳叶刀数字健康”杂志上发表了基于患者计算机断层扫描(CT)扫描和电子健康记录的人工智能框架。这个新的AI框架是第一个使用医学扫描来告知辐射剂量，从使用通用剂量处方到更个性化治疗的领域。

目前，均匀地提供放射疗法。所递送的剂量不反映可能影响治疗成功的个体肿瘤特征或患者特异性因素的差异。人工智能框架开始考虑到这种可变性，并提供个性化的辐射剂量，可以将治疗失败概率降低到5%以下。

“虽然在许多临床环境中都非常有效，但放射治疗可以从剂量优化能力中获益，”主要作者，医学博士，医学博士，医学博士，克利夫兰诊所Taussig癌症研究所的辐射肿瘤学家和勒纳研究所的研究员说。“该框架将帮助医生开发数据驱动的个性化剂量计划，以最大限度地提高治疗成功的可能性并减轻患者的放射副作用。”

该框架使用CT扫描和944名接受高剂量辐射治疗的肺癌患者的电子健康记录构建。将治疗前扫描输入深度学习模型，该模型分析扫描以创建预测治疗结果的图像特征。使用复杂的数学建模，该图像签名与来自患者健康记录的数据(描述临床风险因素)相结合，以生成个性化的辐射剂量。

“这种基于图像的深度学习框架的开发和验证令人兴奋，因为它不仅是第一个使用医学图像来通知放射剂量处方，而且还有可能直接影响患者护理，”博士说。 Abazeed。“该框架最终可用于为日常临床实践中的个体患者提供量身定制的放射治疗。”

除了其他类似的临床机器学习算法和方法之外，还有其他几个因素可以设置这种首创的框架。该团队开发的技术使用人工神经网络，将经典的机器学习方法与现代神经网络的力量相结合。网络确定使用多少先验知识来指导关于治疗失败的预测。先验知识通知模型的程度可由网络调整。这种混合方法非常适合临床应用，因为与用于制作其他众所周知的AI预测(即在线购物或乘车共享)的非临床数据集相比，各个医院的大多数临床数据集的样本量更为适中。

此外，该框架是使用最大的数据集之一为接受肺部放射治疗的患者建立的，提高了准确性并限制了错误的发现。最后，每个临床中心可以利用他们自己的CT数据集来定制框架并根据他们的特定患者群体进行定制。

“机器学习工具，包括深度学习，有望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，但更直接的是辐射精准医学的飞跃。”