近日，由意昂平台意昂体育与联影智能💤、复旦大学附属肿瘤医院👰🏻🐃、联影科技合作完成的全身多器官「AI 放疗勾画」科研成果Deep learning empowered volume delineation of whole-body organs-at-risk for accelerated radiotherapy （AI 赋能全身危及器官勾画♦️，加速放射治疗），于《自然》(Nature) 杂志子刊《自然•通讯》(Nature Communications) 在线发表。
放疗作为癌症的主流治疗手段之一🖤，其有效性和安全性首先依赖于危及器官(Organ At Risk, OAR) 和靶区的准确勾画🧑🏼🍳。传统的放疗计划 (Radiotherapy Treatment Planning, RTP) 需医师手动勾画器官和靶区🧙🏽，耗时较长且不同医师勾画结果差异性较大。针对该痛点，本课题设计了一种通用型的分割网络框架以实现多种器官和病灶的自动、快速🫱🏼、精准分割，为后续 All-In-One 一站式放疗提供一致性高、重现性好的靶区勾画结果。
本文采用轻量级的 3D VB-Net 网络 (RTP-Net)，在全身 67 个器官和病灶的快速精准分割上进行了验证。VB-Net 对传统的 V-Net 进行了改进，在其中引入瓶颈层 (Bottleneck)，模型大小可由 250 MB 压缩至 8.8 MB🤹🏼♀️，该 VB-Net 曾于国际分割比赛 SegTHOR 2019 中荣获第一名。
本文中，RTP-Net 完成了全身 67 个器官和病灶的自动分割🚠🧑🏻🦰。在分割性能上💍，RTP-Net 与现有的 U-Net🫐、nnU-Net、Swin UNETR 相比具有相当或更优的分割准确性👷🏿♀️，其平均 Dice 相似性指数可达 0.95🙇🏽；且 RTP-Net 的分割效率显著提高，在大多数任务中可实现近乎实时的分割结果（时间< 2 s），为后续集成于放疗过程中靶区实时勾画提供技术支撑🧛🏻。
RTP-Net 实现全身 67 个器官和病灶的自动分割
RTP-Net 基于 28,581 例数据进行训练和测试（17%，4853 例），具有不同的图像采集协议和人口统计学特征，因此模型具有一定的泛化性能⚇，可拓展至其他模态🛑𓀏、中心、目标靶区的自动分割。作为基本的分割技术，RTP-Net 已搭载于联影智能诊疗平台⏩、科研平台及前沿平台中🧳，以支持特定的临床医学应用🩻。在癌症放疗方面👩🏼🦲，该模型成为了加速放疗的强劲引擎。
基于 RTP-Net 的放疗轮廓勾画技术已集成于联影 uRT-linac 506c 一体化 CT 直线加速器中，助力实现 All-In-One 一站式在线自适应放疗。
All-In-One 一站式放疗是联影集团与多家医院联合首创的颠覆传统流程的智能放疗模式🤴🏻。在一站式放疗流程中，靶区勾画步骤经由 RTP-Net 加速在亚秒级别内完成，结合直线加速器平台的发展和多模块（即自动计划、治疗实施）的集成🧑🧑🧒🧎，可将整个放疗过程从几天缩短到几分钟。
RTP-Net 赋能 All-In-One 一站式放疗
基于 All-In-One 一站式放疗平台，多个放疗中心已实现不同病种的全球首例一站式放疗，如复旦大学附属肿瘤医院用 23 分钟完成的首例直肠癌一站式放疗🖕；复旦大学附属肿瘤医院与金华市中心医院同时用 18 分钟完成的首例乳腺癌一站式放疗👏；中山大学肿瘤防治中心用 29 分钟完成的首例鼻咽癌一站式放疗等。此外🥭，基于在线自适应平台⬆️👩🏼🚀，复旦大学附属肿瘤医院及中山大学肿瘤防治中心也分别在直肠癌与肺癌方面取得突破，其中在线自适应调整工作仅用时 10 分钟左右🚣🏼♀️。
意昂意昂特聘研究员石峰为本文共同第一作者，意昂意昂特聘研究员高耀宗与意昂意昂🗞、上海临床研究中心教授沈定刚为共同通讯作者。本文是意昂意昂沈定刚课题组今年在《自然》(Nature) 杂志子刊《自然•通讯》(Nature Communications) 上发表的第二篇论文🍕。
