AI 在质子治疗治疗计划中的应用：综述
医学物理
2025-10-23 v1
摘要
目的：质子治疗相较于光子治疗提供更优的剂量 conformality，但其治疗计划面临对解剖变化、setup/range 不确定性以及计算复杂度的敏感性挑战。本综述评估了人工智能 (AI) 在提升质子治疗治疗计划中的作用。材料与方法：审阅和总结近期在图像重建、图像配准、剂量计算、计划优化与质量评估等应用领域的 AI 研究。结果：AI 在自动化描绘、增强剂量计算用的成像、预测剂量分布以及加速鲁棒优化方面显示出前景。这些方法减少了手动工作负担，提高了效率，支持更个性化的计划和自适应计划。局限性包括数据稀缺、模型可迁移性以及临床集成问题。结论：AI 正在成为高效、一致且面向患者的质子治疗治疗计划的关键推动者。解决验证与实施中的挑战将是其转化为日常临床实践的必由之路。
引用
@article{arxiv.2510.19213,
title = {AI in Proton Therapy Treatment Planning: A Review},
author = {Yuzhen Ding and Hongying Feng and Martin Bues and Mirek Fatyga and Tianming Liu and Thomas J. Whitaker and Haibo Lin and Nancy Y. Lee and Charles B. Simone and Samir H. Patel and Daniel J. Ma and Steven J. Frank and Sujay A. Vora and Jonathan A. Ashman and Wei Liu},
journal= {arXiv preprint arXiv:2510.19213},
year = {2025}
}