Un team spagnolo ha sviluppato un modello basato sul Convolutional Neural Network (CNN) per predire l’istogramma dose/volume per il retto e la milza in pazienti con tumore alla prostata trattati con tecnica VMAT (Volumetric Modulated Arc Therapy).
I pazienti coinvolti sono atti 144, divisi in due gruppi: uno da 120 per sviluppare il modello e uno da 20 per la fase di validazione finale.
Gli autori sono partiti da un modello pre-allenato, VGG-16 network.
Il CNN ha lavorato a partire da immagini 2D dei volumi sagomati nella CT, anche se sono state poi considerate solo le informazioni geometriche di ogni fetta.
L’output del sistema erano i corrispettivi DVH per retto e milza per ogni fetta.
Il modello così realizzato ha individuato il 100% delle predizioni vere positive e l’81% delle predizioni vere negative.
L’accuratezza generale è del 87,5%, la precisione del 100% e il tasso di misclassificazione del 12,5%.
Il modello quindi funziona e permette quindi di predire con buona sicurezza l’istogramma dose/volume per la milza e il retto di pazienti trattati con una delle tecniche più avanzate di radioterapia, una tra le più precise.
(Ambroa EM, Pérez-Alija J, Gallego P. Convolutional neural network and transfer learning for dose volume histogram prediction for prostate cancer radiotherapy. Med Dosim. 2021 Apr 22:S0958-3947(21)00025-X. doi: 10.1016/j.meddos.2021.03.005. Epub ahead of print. PMID: 33896700)
Stefania Somaré
