近日,我院放疗科柏森团队联合四川大学智能医学中心章毅团队，在爱思唯尔旗下期刊Medical Image Analysis（影响因子11.148）发表文章“Incorporating historical sub-optimal deep neural networks for dose prediction in radiotherapy”，实现了放射治疗剂量分布信息的精准预测，为放射治疗计划的自动制定提供了有效参考信息。

放射治疗剂量分布评估是放射治疗质量控制的重要环节，剂量分布的设计过程依赖于剂量师的个人经验，需要反复试错后得到，严重影响计划制定的效率以及质量。本研究纳入了2019年-2020年在四川大学华西医院放疗科完成的2000余例放射治疗患者放射治疗定位CT图像、放射治疗计划和剂量，通过深度卷积神经网络学习患者CT图像与剂量分布之间的映射关系，模型结构图如下。

图1 甲状腺良性肿瘤剂量预测模型示意图

该模型可有效进行肿瘤放射治疗患者放射治疗剂量预测，预测准确率达95.6%。该系统目前可支持前列腺癌、直肠癌、宫颈癌、鼻咽癌、甲状腺良性肿瘤等多种典型放射治疗病种，为放射治疗剂量师进行计划设计提供了有效的前瞻性信息，为肿瘤学医师进行放射治疗剂量分布评估提供了有效的参考意见，并为基层放疗单位进行计划设计指导建立了硬件基础。

放射治疗是一个医学、物理学、电子学和信息学充分交叉融合的领域，人工智能技术在放射治疗中的研究与应用有着天然的优势。基于人工智能的剂量预测模型能够为剂量师进行计划设计提供有效的前瞻性信息，从而减少反复试错过程中的人力资源浪费，并提高放疗计划系统使用效率，该系统也可以为肿瘤学医师进行放射治疗剂量分布评估提供参考意见。

本文第一作者为四川大学计算机学院专职博士后胡俊杰，主要研究方向为智能医学，我院放疗科柏森主任技师、四川大学计算机学院章毅教授为共同通讯作者。