日前，beat365英国官网网站beat365英国官网网站耿立升、北京大學第三醫院放療科楊瑞傑、中國科學院自動化所隋婧、河南省腫瘤醫院李定傑、鄭州大學附屬第一醫院郭躍信、重慶醫科大學附屬第一醫院李英、煙台毓璜頂醫院張偉、陝西省腫瘤醫院吳湘陽、中國人民解放軍總醫院徐壽平以及美國紐約紀念斯隆凱特琳癌症中心Maria Chan聯合研究團隊在歐洲放射腫瘤學會European Society of Radiotherapy and Oncology (ESTRO)會刊《Radiotherapy and Oncology》雜志發表文章Commissioning and clinical implementation of an Autoencoder based Classification-Regression model for VMAT patient-specific QA in a multi-institution scenario（論文鍊接：https://www.sciencedirect.com/science/article/pii/S016781402106607X）。聯合研究團隊通過多學科交叉融合，提出基于多任務自動編碼器的分類回歸模型(Autoencoder based Classification-Regression (ACLR) model)，實現調強放療患者劑量驗證環節的自動化，并構建多中心臨床驗證平台，将該模型于多機構中進行臨床實施，給出質量保證建議。這是首個将基于人工智能的調強放療患者劑量驗證方法成功應用于多中心驗證及臨床實施的研究。

癌症現已成為嚴重威脅人類健康的疾病之一，據國際癌症中心發布的數據顯示，癌症在許多國家的死因順位上已經超越心血管疾病（如腦卒中和冠心病）等高死亡率慢性疾病。目前癌症的治療方式主要分為手術治療、放射治療及化學治療等。自1895年倫琴發現X射線以來，持續的技術進步推動着放療的發展，放療主要是利用放射源或加速器産生的高能射線來破壞惡性腫瘤細胞，同時盡可能地保護周圍的正常組織來達到疾病治愈或者緩解的目的。

調強放射治療是目前臨床中應用最廣泛的放射治療技術之一。為了保證患者實際接收劑量與計劃劑量沒有明顯偏差，需對每一例治療計劃在患者初次治療之前進行劑量驗證。但随着接受放療的患者數量逐年增多，這種驗證方式給臨床工作帶來了很大的人力物力負擔。因此，如何在患者劑量驗證環節提高效率并減輕人力負擔，成為臨床放療的一個備受矚目的問題。

随着計算機科學的進步，大數據、人工智能在醫學領域展現出很好的應用前景。調強放療包含大量的醫學影像數據和治療計劃數據，與人工智能的結合具有很好的優勢。在前期的研究中，團隊結合放療計劃文件及模型算法，找到了放療計劃的複雜性特征參數與治療實施準确性之間的關系，通過構建深度學習模型算法，在單機構數據下成功預測調強放療計劃的伽馬通過率（γ passing rate），在臨床使用的3%/2mm的伽馬标準下，模型平均預測誤差為2.6%。同時，模型也實現了自動将放療計劃進行分類（“通過”/“未通過”）的功能，這使得臨床物理師可以更有針對性地分析劑量誤差來源。

但在不同的機構間，由于放療計劃數據的異質性，還需考慮加速器、放療計劃系統、驗證設備和驗證方法等對于深度學習模型性能的影響。因此，人工智能模型在其他機構的性能尚不可知。若将模型推廣至多家機構，需要進行多機構驗證，并給出嚴格的質量保證措施來保證人工智能模型的安全性和可靠性。研究團隊聯合國内6家知名醫院，定量研究了不同臨床因素（加速器型号、放療計劃系統、劑量驗證設備等）對模型的影響。結果表明，不同放療計劃系統對模型的預測性能有一定的影響，而不同加速器型号以及劑量驗證設備對模型性能的影響較小。另外，通過端到端(E2E) 測試和一系列的質量保證措施，将模型應用于多機構的臨床劑量驗證中，發現，人工智能模型在不同機構的不同臨床環境中也可以準确預測大部分計劃的質量保證結果。因此，該模型可以作為輔助手段應用于臨床劑量驗證，且不局限于特定的機構，這将減輕患者劑量驗證工作負擔。本工作既是ACLR模型臨床劑量驗證工作的重要拓展，也為人工智能模型後續在不同的臨床環境中實現自動化質量保證奠定了基礎。

圖1 多任務自動編碼器分類回歸模型（ACLR模型）

圖2 針對調強放療患者劑量驗證的ACLR模型的調試、實施和質量保證的工作流程。

在本研究中，北京大學第三醫院放療科楊瑞傑副研究員、beat365英国官网网站beat365英国官网网站碩士研究生楊雪瑩、中國科學院自動化所博士研究生王樂為論文的共同第一作者；beat365英国官网网站beat365英国官网网站耿立升教授、中國科學院自動化所隋婧教授為論文的共同通訊作者。該研究得到了國家重點研發項目、國家自然科學基金重點項目等基金資助。

《Radiotherapy and Oncology》（又稱綠皮雜志），是歐洲放射腫瘤學會ESTRO的旗艦期刊，與美國放射腫瘤學會ASTRO的旗艦期刊《International Journal of Radiation Oncology Biology Physics》（又稱紅皮雜志）為國際腫瘤放療領域影響力最大的兩本期刊。