基于放射组学的机器学习预测盆腔调强放疗剂量验证的γ通过率

目的利用放射组学特征构建不同的机器学习分类模型, 预测盆腔肿瘤调强放疗剂量验证的γ通过率, 并探讨最佳预测模型。方法回顾性分析196例盆腔肿瘤调强放疗计划, 采用基于模体测量方式的三维剂量验证结果, γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、支持向量机、自适应增强和梯度提升决策树4种机器学习算法, 计算曲线下面积(AUC)值、敏感度和特异度, 评估4种预测模型的分类性能。结果随机森林、支持向量机、自适应增强、梯度提升决策树模型的灵敏度和特异度分别为0.93、0.85, 0.93、0.96, 0.38、0.69, 0.46、0.46。随机森林模型和自适应增强模型的AUC值分别为0.81和0.82, 支持向量机和梯度提升决策树模型的AUC值为0.87。结论针对盆腔肿瘤调强放疗计划, 可以采用基于放射组学特征的机器学习方法来构建γ通过率的预测模型。支持向量机模型和梯度提升决策树模型的分类性能要优于随机森林模型、自适应增强模型。     

基于机器学习算法术后急性肾损伤风险预测模型建立

目的 基于机器学习算法构建预测术后急性肾损伤(PO-AKI)的风险模型。方法 选择陆军军医大学附属西南医院自2014年1月至2019年6月、四川大学附属华西医院自2019年5月至2020年1月及中山大学附属第一医院自2019年6月至2019年12月发生PO-AKI的635例患者纳入PO-AKI组。按1∶3比例随机匹配同时间段未发生PO-AKI的1 905例患者纳入非PO-AKI组。将所有患者按照7∶3比例随机分为建模组(n=1 778)和验证组(n=762)。在数据预处理特征选择手术患者常见的临床指标(一般资料、既往史、手术相关信息和实验室检验)后,基于6种机器学习算法建立PO-AKI的风险预测模型。通过受试者工作曲线下面积(AUC)、敏感度、特异度、准确度和F1分数评估模型效应。选择6种机器学习模型中性能最优者搭建可视化PO-AKI预测网页模型。结果 构建了6种PO-AKI机器学习预测模型,以神经网络(NNET)算法最优。验证组中AUC为0.942(95%可信区间0.926～0.958),敏感度和特异度分别为85.3%和86.9%。结论 基于机器学习算法成功建立了PO-AKI预测模型...     

基于机器学习算法构建术后谵妄风险预测模型的研究进展

术后谵妄(POD)是老年患者术后常见的严重并发症,表现为注意力及认知功能急性障碍,可导致住院时间延长、死亡率增高,并且增加个人与社会的经济负担。术前早期预测POD有助于减少或逆转其发生,对改善患者预后及减轻社会负担具有重要意义。近年来机器学习的深度发展促使更加高效可靠的POD预测模型不断发展完善,极大提高了POD风险的预防及临床诊疗水平,笔者对基于机器学习构建术后谵妄预测风险模型进展作一综述。     

基于深度学习的乳腺癌保乳术后调强放疗剂量分布预测

目的研究基于深度学习的方法预测乳腺癌保乳术后调强放疗(IMRT)剂量分布, 并评估其预测精度。方法回顾性分析2018年1月至2023年3月在上海国际医学中心接受IMRT的110例左侧乳腺癌保乳术后患者的调强放疗数据, 随机固定选择80例作为训练集, 随机固定10例作为验证集, 剩余20例作为测试集。首先将患者的计算机体层成像(CT)图像、感兴趣区、体素与靶区距离和对应的剂量分布四通道特征作为输入数据, 然后使用U-net网络进行训练得到预测模型, 利用该模型对测试集进行剂量预测, 验证体素与靶区距离特征在剂量预测中的影响, 并将剂量预测结果与实际手动计划剂量进行比较。结果加入体素与靶区距离特征的模型使预测精度更高, 测试集中20例患者的剂量评分和剂量体积直方图(DVH)评分分别为2.10±0.18和2.28±0.08, 与手动计划剂量分布更加接近(t=2.52、2.40, P<0.05)。靶区和危及器官(OAR)的剂量预测结果与手动计划剂量的偏差在4%以内, 健侧乳腺平均剂量增加了13 cGy, 均在临床可接受范围内。除PTV60的D2、D98(Di为i%的PTV体积接受的剂量)...     

局部晚期非小细胞肺癌患者调强放疗后发生急性放射性肺损伤的影响因素及风险预测模型研究

目的 探讨局部晚期非小细胞肺癌（NSCLC）患者调强放疗后发生急性放射性肺损伤的危险因素,并建立预测风险的列线图模型。 方法 回顾性分析2017年5月至2019年11月于南京医科大学附属脑科医院行调强放疗的216例局部晚期NSCLC患者的临床资料,其中男性94例、女性122例,年龄37~83（61.5±9.6）岁。根据急性放射性肺损伤的发生情况将患者分为急性放射性肺损伤组和无急性放射性肺损伤组。计数资料的比较采用χ2检验,采用LASSO分析和Logistic回归分析筛选局部晚期NSCLC患者调强放疗后发生急性放射性肺损伤的独立危险因素,采用R软件包建立预测局部晚期NSCLC患者调强放疗后发生急性放射性肺损伤的风险列线图模型,计算一致性指数,绘制校正曲线、受试者工作特征（ROC）曲线和决策曲线。 结果 216例局部晚期NSCLC患者调强放疗后有65例患者发生急性放射性肺损伤,发生率为30.09%。LASSO分析和Logistic回归分析结果显示,年龄、V₅、V₂₀、V₃₀、平均肺剂量、第1秒用力呼气容积（FEV₁）、放疗剂量分割模式及图像验证是局部晚期NSCLC患者调强放疗后发生急性放射性肺损伤的独立危险因素（OR=2.946~4.688,均P<0.05）。建立预测局部晚期NSCLC患者调强放疗后发生急性放射性肺损伤的风险列线图模型的一致性指数为0.819（95%CI:0.789~0.853）,校正曲线与理想曲线相接近,ROC曲线下面积为0.802,决策曲线显示阈值概率在6%~100%时,具有较高的净获益值。 结论 基于年龄、V₅、V₂₀、V₃₀、平均肺剂量、FEV₁、放疗剂量分割模式及图像验证建立的列线图对局部晚期NSCLC患者调强放疗后急性放射性肺损伤发生风险的预测具有较高的准确率。     

腔内近距离放射治疗食管癌的特点和作用

食管癌腔内近距离放疗是将放射源置于食管腔内进行放射治疗的一种方法,它可以作为表浅性食管癌或复发性食管癌的主要治疗手段,但更多的是将其作为局限性中晚期食管癌外照射后追加剂量照射的方法,这样可以提高肿瘤控制率和患者的生存率,对病变长度小于5cm或肿瘤局限于肌层的患者疗效更为明显。只要降低单次剂量、控制总剂量,腔内近距离放疗的早期反应可以耐受,后期并发症也可以得到控制。     

鼻咽癌放疗后晚期并发症研究进展

鼻咽癌放疗后晚期并发症有口干、放射性龋齿、味觉减退、张口困难、颈部纤维化、听力下降、放射性副鼻窦炎、放射性脑损伤等。利用先进的放疗技术制定个体化的放疗计划,既提高肿瘤局部剂量又降低了周围正常组织照射剂量,放疗后积极准确的护理和功能锻炼可减低和减轻并发症的发生。     

基于放射组学的盆腔肿瘤不同调强放疗技术γ通过率的预测研究

目的采用基于放射组学的机器学习方法, 探索盆腔肿瘤不同调强放疗技术下γ通过率(GPR)分类预测模型的可行性, 并比较了4种集成树模型的分类性能。方法回顾性收集了409例使用不同调强放疗技术的计划, 采用基于模体测量方式的三维剂量验证结果, γ通过率标准为3%/2 mm、10%剂量阈值。提取基于剂量文件的放射组学特征构建预测模型。分别采用随机森林、自适应增强、极端梯度提升树和轻量级梯度提升机4种机器学习算法, 并且通过计算灵敏度、特异度、F1分数及曲线下面积(AUC)值来评估它们的分类性能。结果随机森林、自适应增强、极端梯度提升树、轻量级梯度提升机模型的灵敏度和特异度分别为0.96、0.82、0.93、0.89和0.38、0.54、0.62、0.62, F1分数和AUC值分别为0.86、0.81、0.88、0.86和0.81、0.77、0.85、0.83。其中极端梯度提升树模型的灵敏度达到0.93, 特异度、F1分数和AUC值均为最高, 要优于其他3种模型。结论针对采用不同调强放疗技术的盆腔肿瘤调强计划, 使用基于放射组学的机器学习方法来构建伽马通过率分类预测模型具有一定的可行性, 能够...     

自动扫描系统测量医用加速器辐射野性能指标比较

放射治疗已广泛应用于肿瘤患者的治疗中,在患者进行放射治疗前医学物理人员要根据患者的具体情况制定相应的治疗计划[1].放疗机离轴比和百分深度剂量数据的准确性是患者接受准确放疗剂量的前提,是放射治疗质量保证的重要环节.目前,医疗机构大多采用自动扫描系统来测量辐射野的百分深度剂量曲线和离轴比曲线,但是不同厂家不同型号的扫描系统对辐射野的测量偏差势必导致患者放疗计划偏差,影响治疗效果.本研究选用Blue Phantom自动扫描系统(简称"蓝水箱"),其配备OmniPro-Accept软件平台,可测量水、空气和胶片辐射场的剂量分布.RTS-200型和RTS-300型放疗自动扫描系统采用了自动化测量和控制技术,可以快速方便准确地测量辐射场的剂量分布.本研究分析自动扫描系统测量的一致性,为医疗机构测量辐射野性能提供参考.     

高压氧治疗鼻咽癌放射性损伤20例的临床疗效评价

目的 观察高压氧（HBO）对鼻咽癌放疗后期各种并发症的治疗作用，并对其特异性疗效进行了综合评价。方法鼻咽癌患者40例，分为HBO组和对照组，两组均接受相同条件的放射治疗。HBO组20例，除常规处理外，同时给予HBO治疗。治疗压力为0．2MPa（2．0ATA）吸纯氧2次，每次40min，每天1次，10d为1个疗程，治疗8—12个疗程。对照组20例只给予常规处理。结果两组患者放疗后期并发症的发生率基本相似（P〉0．05），但HBO组患者各种并发症的治愈率及缓解率均明显高于对照组（P〈0．05）。结论HBO对鼻咽癌放疗后的各种并发症具有明显的治疗效果，可以减轻患者的痛苦，使其生活质量得到明显提高。     

三种双剂量计法估算介入术者有效剂量比较

目的 比较3种双剂量计算法估算介入术者有效剂量的优劣。方法 在仿真人体模内布放热释光剂量片并将体模置于介入术者位置,在体模外穿戴铅防护衣、铅围脖和铅帽,并在铅衣内左前胸和铅围脖外左侧放置个人剂量计,在手术台上放置散射模体,分别为CIRS放疗调强体模和CT剂量检测模体,模拟介入手术曝光条件曝光一定时间,通过器官组织吸收剂量估算有效剂量;以3种双剂量计法计算有效剂量并与体模法结果进行比较。结果 得到两组各4个有效剂量结果,即使用CIRS放疗调强体模时,体模法、NCRP法、Niklason法和Boetticher法分别为0.138、0.097、0.161和0.173 mSv;使用CT剂量检测模体时分别为0.018、0.013、0.019和0.026 mSv。其中,Niklason法与体模法最为接近。结论 对于估算介入术者的有效剂量,Niklason法更为准确和实用。     

放射性药物内照射治疗后肿瘤控制概率计算模型的研究

目的 导出一个考虑剂量及生物学影响因素,能计算放射性药物内照射治疗后肿瘤控制概率（TCP）的模型。方法 参考现有的放射治疗TCP模型（模型1和2）、细胞存活率模型。导出依赖于剂量,辐射敏感性、DNA单链断裂修复等因素的内照射治疗后的TCP计算模型（模型3）,然后在同一治疗条件下以核素^32P为例,用模型3和模型1、2分别进行计算并对结果进行比较。结果 在假设的参数条件下,模型3所算得的给定治疗活度时的可治疗的肿瘤半径范围最小且点源时与实验结果最接近,活度无究大时其最大限度的治疗半径最小且点源时与核素的最大射程吻合,要比模型1、2算得的结果更接近于实际情况。结论 模型3比较全面地考虑了涉及的因素。可用于肿瘤TCP值计算,以作为评估计划及预测结果的依据。     

Complications of treatment of paediatric malignancies

Advances in surgical techniques, radiotherapy and chemotherapy have led to improved survival for children with solid tumours and leukaemia. However, the treatment has also resulted in increased side effects both in the short and long term. This article outlines the complications which may arise as a result of treatment under the headings of surgery; chemotherapy; radiotherapy; organ specific complications; infection and graft-v-host disease.     

How do the attitudes of therapeutic radiographers affect students’ learning during practice placement?

IntroductionPractice placements are essential for radiotherapy students to learn and embed the necessary skills for practice; thus, each placement should afford an optimum learning experience. A key finding from the Phase 3 student arm of recent doctoral research suggests that for some students an optimum learning experience is not guaranteed. Using students' own words, this paper seeks to increase radiographers' awareness of how their behaviours can affect students’ placement learning, and aims to help improve the placement learning experience for both.MethodA three-phase, U.K.-wide, mixed methods study was conducted. In the Phase 3 student arm, qualitative data were gathered via focus groups/interviews from volunteer student radiographers. Data were transcribed, manually coded, and analysed thematically by the Researcher using the applied research methodology Framework Analysis.ResultsThe analysed data were complimentary to radiographers, overall, but common themes were identified criticising certain of their attitudes and behaviours. Students exhibited fragility in response to perceived negative attitudes and behaviours, and failed to develop resilience in response to further similar experiences. This had a negative effect on their placement learning. Positive attitudes from radiographers enhanced students’ placement learning. The placement experiences of radiotherapy students are consistent with those of other AHP and nursing students identified in the literature.ConclusionIncreasing radiographers' awareness of the negative and positive effects of their behaviours and attitudes will help improve students' placement learning experience. Students’ resilience may be improved by teaching them coping strategies to use on placement.Implications for practiceThe retention of radiotherapy students is an urgent concern for the radiotherapy profession therefore it is important to take steps to improve it. Enhancing students’ placement experience may contribute to increased retention.     

Real-time dosimetry in external beam radiation therapy

With growing complexity in radiotherapy treatment delivery, it has become mandatory to check each and every treatment plan before implementing clinically. This process is currently administered by an independent secondary check of all treatment parameters and as a pre-treatment quality assurance (QA) check for intensity modulated radiation therapy (IMRT) and volumetric modulated arc therapy treatment plans. Although pre-treatment IMRT QA is aimed to ensure the correct dose is delivered to the patient, it does not necessarily predict the clinically relevant patient dose errors. During radiotherapy, treatment uncertainties can affect tumor control and may increase complications to surrounding normal tissues. To combat this, image guided radiotherapy is employed to help ensure the plan conditions are mimicked on the treatment machine. However, it does not provide information on actual delivered dose to the tumor volume. Knowledge of actual dose delivered during treatment aid in confirming the prescribed dose and also to replan/reassess the treatment in situations where the planned dose is not delivered as expected by the treating physician. Major accidents in radiotherapy would have been averted if real time dosimetry is incorporated as part of the routine radiotherapy procedure. Of late real-time dosimetry is becoming popular with complex treatments in radiotherapy. Real-time dosimetry can be either in the form of point doses or planar doses or projected on to a 3D image dataset to obtain volumetric dose. They either provide entrance dose or exit dose or dose inside the natural cavities of a patient. In external beam radiotherapy, there are four different established platforms whereby the delivered dose information can be obtained: (1) Collimator; (2) Patient; (3) Couch; and (4) Electronic Portal Imaging Device. Current real-time dosimetric techniques available in radiotherapy have their own advantages and disadvantages and a combination of one or more of these methods provide vital information about the actual dose delivered to radiotherapy patients.     

Machine Learning Offers Exciting Potential for Predicting Postprocedural Outcomes: A Framework for Developing Random Forest Models in IR

PurposeTo demonstrate that random forest models trained on a large national sample can accurately predict relevant outcomes and may ultimately contribute to future clinical decision support tools in IR.Materials and MethodsPatient data from years 2012–2014 of the National Inpatient Sample were used to develop random forest machine learning models to predict iatrogenic pneumothorax after computed tomography–guided transthoracic biopsy (TTB), in-hospital mortality after transjugular intrahepatic portosystemic shunt (TIPS), and length of stay > 3 days after uterine artery embolization (UAE). Model performance was evaluated with area under the receiver operating characteristic curve (AUROC) and maximum F1 score. The threshold for AUROC significance was set at 0.75.ResultsAUROC was 0.913 for the TTB model, 0.788 for the TIPS model, and 0.879 for the UAE model. Maximum F1 score was 0.532 for the TTB model, 0.357 for the TIPS model, and 0.700 for the UAE model. The TTB model had the highest AUROC, while the UAE model had the highest F1 score. All models met the criteria for AUROC significance.ConclusionsThis study demonstrates that machine learning models may suitably predict a variety of different clinically relevant outcomes, including procedure-specific complications, mortality, and length of stay. Performance of these models will improve as more high-quality IR data become available.     

淮安市2020年放射诊疗资源应用现状调查

目的 调查淮安市放射诊疗资源配置现状及医疗照射频度。方法 根据"江苏省放射卫生信息管理平台"2020年监测数据，对淮安市放射诊疗机构的人员、设备、照射频次进行描述性分析。结果 淮安市共有放射诊疗机构181家，其中三级医院7家（3.9%），二级医院24家（13.3%），一级医院126家（69.6%），未评级医院24家（13.3%）；放射工作人员1 397人，其中男性948人（67.9%），女性449人（32.1%）；放射诊疗设备459台，其中放射诊断设备420台，放疗设备13台，核医学设备4台，介入放射学设备22台；不同级别医院放射工作人员和设备的平均数量相差较大，三级、二级、一级和未评级医院平均放射工作人员分别为80.1、20.9、2.2和2.0人，三级、二级、一级和未评级医院平均放射诊疗设备数量分别为15.7、5.5、1.4、1.6台。淮安市2020年度X射线诊断频次2 903 246人次，放射治疗27 648人次，核医学8 078人次，介入放射学17 874人次。全市医疗照射频度为599.50人次/千人口，其中常规X射线诊断频度为334.59人次/千人口，CT为239.82人次/千人口，乳腺和牙科共计14.18人次/千人口，介入3.62人次/千人口，放射治疗5.61人次/千人口，核医学1.69人次/千人口。结论 各级医院放射诊疗资源不平衡，需加强合理配置。二级医院的放射工作人员可能更容易产生职业倦怠。新冠肺炎疫情防控常态化下，要加大放射卫生监督力度，确保放射诊疗活动的正当性和防护最优化。医疗照射频度与经济水平基本一致，分析不同地区医疗照射频度差异及预测发展趋势，需建立更为精确的预测模型。     

经皮经肝胆道后装放疗导管预置术治疗胆道壶腹癌10例

目的 探讨经皮肝穿刺胆道后装放疗导管预置技术的可行性和安全性.方法 选择10例壶腹癌患者,在经皮肝穿刺技术行胆道支架植入术后,经导引导丝送入后装放疗导管,依据病变部位对导管头端及通过导管置入的假源进行定位,每次内照射前CT或透视下复位,给与足量内照射.结果 10例患者均顺利完成经皮肝穿胆道支架置人术和假源定位,并于术后5～7 d内完成足量内照射,治疗过程中未发生严重并发症.结论 经皮肝穿胆道后装放疗导管预置技术安全可行,其成功率高、并发症少,能有效提高胆道支架通畅率,适用于姑息治疗的壶腹癌患者,值得应用和推广.     

基于机器学习方法研究造成缺血特异性狭窄的斑块特征

目的 利用机器学习（ML）方法探讨定量、定性的冠状动脉斑块特征以及血流动力学参数对缺血特异性狭窄血管的影响。 材料与方法 回顾性分析同时行冠状动脉CT血管成像（CCTA）、有创冠状动脉造影（ICA）及FFR测量的255例病人共328支血管的临床及影像资料。以FFR≤0.80作为提示病变特异性缺血的指标,依据FFR值将纳入血管分为非缺血组（FFR>0.80）和缺血组（FFR≤0.80）。测量所有纳入斑块的CCTA参数,包括斑块的定量、定性特征以及血流动力学参数。采用LogitBoost算法建立随机森林模型,通过信息增益排序方法自动选择特征。分类准确度、敏感度以及f1值（分类准确度与敏感度的调和平均值）用以评价随机森林模型对造成缺血特异性狭窄斑块的预测价值,并计算受试者操作特征（ROC）曲线下面积。采用十折分层交叉验证法计算模型的总体分类准确度。 结果 应用ML方法得出,血流动力学参数FFR_CT、ΔFFR_CT是预测缺血特异性狭窄最重要的2个特征,其次是斑块的定量、定性特征,包括脂质斑块体积、斑块弯曲、斑块不规则、非钙化斑块体积、狭窄程度、纤维斑块体积和管腔体积。在排序前10的特征中有9个是CCTA相关参数,只有1个临床参数。采用随机森林模型预测缺血特异性狭窄的分类准确度为0.940,敏感度为0.940,f1值为0.940;预测缺血特异性狭窄的 ROC曲线下面积为0.992,模型的总体分类准确度为0.921±0.047。 结论 ML方法能够很好地预测引起心肌缺血的冠状动脉特异性狭窄病变的斑块特征。