การบำบัดด้วยรังสีที่ประสบความสำเร็จขึ้นอยู่กับการสร้างแผนการรักษาที่ถูกต้องซึ่งจะส่งปริมาณรังสีไปยังเป้าหมายที่กำหนดอย่างแม่นยำ อย่างไรก็ตาม ความแม่นยำของแผนนี้ดีพอๆ กับความแม่นยำของการคำนวณขนาดยาพื้นฐานเท่านั้น และสำหรับการบำบัดด้วยโปรตอน การคำนวณปริมาณรังสีที่แม่นยำมีความสำคัญยิ่งกว่า เนื่องจากโปรตอนมีการกระจายปริมาณรังสีที่สอดคล้องกันมากกว่าโฟตอน
และมีความไว
ต่อการเปลี่ยนแปลงทางกายวิภาคมากกว่านอกจากความแม่นยำสูงแล้ว อธิบายว่าการคำนวณปริมาณโปรตอนต้องรวดเร็วเช่นกัน สำหรับการวางแผนการรักษาหมายถึงไม่กี่นาที สำหรับการวางแผนใหม่ก่อนการส่งเศษส่วนในการบำบัดด้วยรังสีแบบปรับตัว ไม่กี่วินาที มองไปข้างหน้า เราอาจเห็นการแนะนำ
ของการปรับแบบเรียลไทม์ระหว่างการให้การรักษา “เราไม่ทำสิ่งนี้ในตอนนี้” เขาตั้งข้อสังเกต “แต่ในบางจุด เราอาจต้องการปรับแผนการรักษาแบบเรียลไทม์ สำหรับการใช้งานประเภทนั้น เราจะต้องคำนวณปริมาณยาเป็นมิลลิวินาที” ปัจจุบัน มีเทคนิคหลักสองประเภทที่ใช้สำหรับการคำนวณปริมาณ
ซึ่งแสดงโดย: อัลกอริทึมลำแสงดินสอ ซึ่งมีความแม่นยำน้อยกว่าแต่ค่อนข้างเร็ว; และการจำลองแบบมอนติคาร์โล (MC) ซึ่งแม่นยำกว่าแต่โดยทั่วไปแล้วจะช้ากว่ามาก “แต่เราต้องการความแม่นยำและรวดเร็วในการคำนวณปริมาณโปรตอน” เจียงกล่าว “ดังนั้นจึงมีความต้องการทางคลินิก
ที่ยังไม่ได้รับการตอบสนอง: เราจำเป็นต้องพัฒนาอัลกอริทึมที่ทั้งรวดเร็วและแม่นยำ” แล้วจะสำเร็จได้อย่างไร? วิธีหนึ่งคือการปรับปรุงประสิทธิภาพของการคำนวณ MC โดยใช้หน่วยประมวลผลกราฟิก (GPU) เพื่อเร่งรหัส MC เป็นต้น หรือการดีนอยส์ที่ใช้การเรียนรู้เชิงลึกเพื่อลดสัญญาณรบกวน
ในผลลัพธ์ที่คำนวณโดย MC อีกทางเลือกหนึ่งคือการใช้วิธีการเรียนรู้เชิงลึกเพื่อปรับปรุงความแม่นยำของอัลกอริทึมลำแสงดินสอ ท้ายที่สุด อาจเป็นไปได้ที่จะพัฒนาอัลกอริทึมใหม่ที่แตกต่างกันโดยสิ้นเชิงซึ่งตรงตามข้อกำหนดทั้งสอง และการเรียนรู้เชิงลึกสามารถช่วยสำรวจความเป็นไปได้นี้ได้
รวมความเร็ว
และความแม่นยำการเร่ง GPU ของการจำลอง MC เป็นไปได้แล้ว เมื่อ 10 ปีที่แล้ว และเพื่อนร่วมงานได้พัฒนาgPMCซึ่งเป็นแพ็คเกจ MC สำหรับการคำนวณปริมาณโปรตอนอย่างรวดเร็วบน GPU สิ่งนี้ทำให้สามารถคำนวณแผนการรักษาโปรตอนทั่วไปที่มีความไม่แน่นอน 1% ใน 10–20 วินาที
ตั้งข้อสังเกตว่าด้วย GPU ที่เร็วขึ้นในปัจจุบัน gPMC อาจให้ประสิทธิภาพที่สูงขึ้นไปอีกได้ทำงานร่วมกับเพื่อนร่วมงาน และได้พัฒนาที่ใช้การเรียนรู้เชิงลึก พวกเขาสร้างปลั๊กอินปริมาณรังสีลึกที่สามารถเพิ่มให้กับกลไกปริมาณ MC ที่ใช้ GPU เพื่อเปิดใช้งานการคำนวณปริมาณ MC แบบเรียลไทม์
ดีนัวเซอร์ทำงานในเวลาเพียง 39 มิลลิวินาที โดยที่การคำนวณปริมาณรังสีทั้งหมดใช้เวลาเพียง 150 มิลลิวินาที ตั้งข้อสังเกตว่าปลั๊กอินนี้ได้รับการพัฒนาสำหรับการรักษาด้วยรังสีโฟตอน แต่ยังสามารถใช้สำหรับ ในการคำนวณปริมาณโปรตอน จากนั้น ได้อธิบายวิธีใช้เทคนิคการเรียนรู้เชิงลึกโดยตรง
สำหรับการคำนวณขนาดยา เขาย้ำว่าสิ่งนี้แตกต่างจากการคาดคะเนขนาดยา ซึ่งถือว่าความสัมพันธ์ระหว่างกายวิภาคศาสตร์ของผู้ป่วยกับการกระจายขนาดยาที่เหมาะสมที่สุด และใช้ความสัมพันธ์นี้เพื่อสร้างแบบจำลองการทำนาย หลังจากการฝึกอบรมเกี่ยวกับข้อมูลการรักษาในอดีตของสถาน
ที่เกิด
โรคเดียวกัน แบบจำลองจะคาดการณ์การกระจายขนาดยาที่เหมาะสมที่สุดสำหรับผู้ป่วยรายใหม่ และใช้สิ่งนี้เป็นแนวทางในการวางแผนการรักษา ใช้การคาดคะเนขนาดยาเฉพาะผู้ป่วยประเภทนี้ในทางคลินิกมานานกว่าสองปีแล้ว แต่การคำนวณขนาดยามีมากกว่านี้ “ที่นี่ ความสัมพันธ์
ที่เรากำลังพยายามใช้ประโยชน์คือระหว่างกายวิภาคศาสตร์ของผู้ป่วยและพารามิเตอร์ของเครื่อง และการกระจายขนาดยาจริง” เจียงกล่าว “คุณรู้กายวิภาคของผู้ป่วย คุณรู้แผนการรักษา ตอนนี้คุณต้องการดูการกระจายของขนาดยา ดังนั้นมันจึงเป็นการคำนวณขนาดยา”
ทีมงานของ Jiang ได้พัฒนาแบบจำลองการคำนวณปริมาณรังสีที่ใช้การเรียนรู้เชิงลึกเป็นครั้งแรกสำหรับการรักษาด้วยรังสีโฟตอนบีม แบบจำลองนี้ได้รับการฝึกฝนโดยใช้การกระจายขนาดยาที่คำนวณโดย MC สำหรับลักษณะทางกายวิภาคของผู้ป่วยและพารามิเตอร์ต่างๆ ของเครื่อง สำหรับอินพุตแบบจำลอง
ทีมงานใช้การสแกน CT ของผู้ป่วยและการกระจายปริมาณรังสีการติดตามด้วยรังสีสำหรับแต่ละลำแสง โดยมีพารามิเตอร์ของเครื่องที่เข้ารหัสในการติดตามรังสี “สิ่งนี้ทำให้กระบวนการเรียนรู้เชิงลึกทั้งหมดง่ายขึ้นและเป็นวิธีที่ดีในการรวมฟิสิกส์เข้ากับการเรียนรู้เชิงลึก” นักวิจัยได้ใช้วิธีการที่คล้ายกันในการคำนวณ
ปริมาณโปรตอนโดยใช้โมเดลการเรียนรู้เชิงลึกเพื่อเพิ่มความแม่นยำในการคำนวณปริมาณรังสีของลำแสงดินสอจากการจำลอง MC พวกเขาฝึกฝนและทดสอบแบบจำลองโดยใช้การกระจายลำแสงดินสอและข้อมูลจากแพลตฟอร์ม สำหรับผู้ป่วยมะเร็งศีรษะและคอ ตับ ต่อมลูกหมาก และมะเร็งปอด 290 ราย
สำหรับแต่ละแผน พวกเขาฝึกแบบจำลองเพื่อทำนายการกระจายปริมาณ MC จากปริมาณลำแสงดินสอ
วิธีการนี้บรรลุข้อตกลงในระดับสูงระหว่างปริมาณที่แปลงแล้วและปริมาณ MC “เมื่อเทียบกับลำแสงดินสอ เราเห็นว่าความแม่นยำดีขึ้นอย่างมาก และประสิทธิภาพก็ยังสูงมาก” เจียงกล่าว แบบจำลอง
ที่พัฒนาขึ้นนี้สามารถเพิ่มเข้าไปในเวิร์กโฟลว์ทางคลินิกของการวางแผนการรักษาด้วยโปรตอน เพื่อปรับปรุงความแม่นยำในการคำนวณปริมาณรังสี ยังให้ความสำคัญกับงานวิจัยที่คล้ายกันซึ่งกำลังดำเนินการโดยกลุ่มอื่นๆ จากมหาวิทยาลัยหวู่ฮั่น การใช้โครงข่ายประสาทเทียม สำหรับการคำนวณ
