面向快速碳离子治疗规划的 AI 剂量引擎
医学物理
2026-01-27 v2
摘要
蒙特卡洛 (MC) 模拟为碳离子治疗剂量计算提供金标准精度，但计算负担重。解析笔描算法虽快，但在异质组织中精度有限。我们开发了第一个基于 AI 的剂量引擎，能够预测吸收剂量、相对生物学有效性 (RBE) 加权优化中 alpha 与 beta 参数，实现 MC 水平的精度且计算时间大幅降低。我们将基于 Transformer 的 DoTA 模型扩展以预测吸收剂量 (C-DoTA-d)、alpha (C-DoTA-alpha) 和 beta (C-DoTA-beta)，并引入交叉注意力机制用于 alpha 与 beta 以整合剂量与能量输入。训练数据集来自约 7 万根 187 例颈部癌症患者的笔描，真实值由 GPU 加速的 MC 工具包 FRED 提供。我们在独立测试集上使用剂量剂率 (1%/1 mm)、深度剂量和等剂量线 Dice 系数进行评估。进行了基于 MC dropout 的不确定性分析。所有预测的中位 gamma 通过率均超过 98%（剂量为 99.76%，alpha 为 99.14%，beta 为 98.74%），在最复杂的解剖结构中最低值仍高于 85%。等剂量线的 Dice 系数为 0.95，高梯度区域略有减小。相较于 MC FRED，推理速度快 400 倍以上（0.032 秒 vs. 14 秒/根笔描），同时保持精度。不确定性分析显示模型高度稳定，所有模型的平均标准偏差均低于 0.5%。C-DoTA 在约 30 毫秒内实现对每个笔描的 MC 质量剂量和 RBE 模型参数预测。其速度与精度支持在线自适应规划，为碳离子治疗工作流程的更高效化铺平了道路。未来工作将扩展至其他解剖部位、束流几何和临床束流。
引用
@article{arxiv.2510.11271,
title = {An AI dose engine for fast carbon ion treatment planning},
author = {Anastasiia Quarz and Angelica De Gregorio and Gaia Franciosini and Angelo Schiavi and Zoltán Perkó and Lennart Volz and Christoph Hoog Antink and Vincenzo Patera and Marco Durante and Christian Graeff},
journal= {arXiv preprint arXiv:2510.11271},
year = {2026}
}