基于 AI 的端到端辐射治疗计划：在一秒内完成
图像与视频处理
2026-03-09 v1 人工智能
机器学习
系统与控制
系统与控制
医学物理
摘要
基于人工智能的辐射疗法（RT）计划有望减少规划时间和制作者之间的差异，提高临床工作流程的效率和一致性。目前大多数自动化方法依赖于多次剂量评估和校正，导致计划生成时间为数分钟。我们引入 AIRT（Artificial Intelligence-based Radiotherapy），一个从 CT 图像和结构轮廓直接推断可递送治疗计划的端到端深度学习框架。在单张 Nvidia A100 GPU 上，AIRT 在一秒内内生成单弧 VMAT 前列腺计划，从影像和解剖输入到叶片排序。该框架包括可微分剂量反馈、对抗性强度图形塑形以及计划生成数据增强，以提高计划质量和鲁棒性。该模型在超过 10,000 例完整前列腺病例上进行训练。针对靶区覆盖和器官旁区（OAR）节省指标，证明了 RapidPlan Eclipse 的非劣性。靶区均匀性（HI = 0.10 ± 0.01）和 OAR 节省情况与参考计划相同，采用 AcurosXB 进行评估。这些结果标志着超快速标准化 RT 计划和简化临床工作流程的重要进展。
引用
@article{arxiv.2603.06338,
title = {AI End-to-End Radiation Treatment Planning Under One Second},
author = {Simon Arberet and Riqiang Gao and Martin Kraus and Florin C. Ghesu and Wilko Verbakel and Mamadou Diallo and Anthony Magliari and Venkatesan Karuppusamy and Sushil Beriwal and REQUITE Consortium and Ali Kamen and Dorin Comaniciu},
journal= {arXiv preprint arXiv:2603.06338},
year = {2026}
}