6月26日，美国放射肿瘤学学会（ASTRO）发布了多伦多大学医学院的一项研究报告：
项目
膀胱、直肠的自动勾画在前列腺放射治疗的临床评价——分别基于深度学习（DL）和图谱（ATLAS）目的
自动勾画可以减轻放疗人员的工作负担、减少观察者间的差异（inter-observervariation）以及人工勾画危及器官（OAR）的时间。当前，人工手动勾画仍然是大多数放疗工作站的标准，部分原因可能是对自动勾画后所需要的审核和手动修改所带来的时间和工作负荷上的不确定性。本次初步的研究，将标准人工手动勾画工作流程和自动勾画流程（分别基于深度学习和图谱）进行了比较，比较他们之间对前列腺癌患者的膀胱和直肠的勾画效果和效率。方法
研究团队基于三种勾画生成的方法，定义了三个勾画工作流程，分别是人工手动勾画（MAN）、基于图谱的勾画（ATLAS）和基于深度学习的勾画（DEEP）。针对每一个工作流程，初次的勾画结果都是回顾性地在15个前列腺癌的患者影像上完成，接着后期再由其他独立的放射肿瘤科的医师来进行修改，而勾画的方法则对医师保密。研究团队对工作流程上所需的时间（初次勾画所需时间和医师手动修改的时间）、勾画的相似度和剂量学评估。结果
初次勾画所需时间的中间值分别是10.9分钟（人工手动）、1.4分钟（深度学习）和1.2分钟（ATLAS），在初次勾画的结果中，基于深度学习的自动勾画在几何相似性上更接近于人工手动的勾画。在医师修改的过程中，所需时间的均值分别是4.1分钟（人工手动），4.7分钟（深度学习），10.2分钟（ATLAS）。在医师后期的手动修改的过程中，医师在基于ATLAS的自动勾画的结果上所编辑修改的几何范围要普遍大于人工手动和基于深度学习的自动勾画。而在临床相关的剂量体积指标的比较上，三者之间没有区别。结论
虽然自动勾画软件给初次勾画环节节省了大量时间，但是医师后期审核修改步骤的工作流程的量化也同样是很重要的。使用基于深度学习的自动勾画能对膀胱和直肠的勾画节省时间，同时也不会对医师后期修改阶段所消耗时间和剂量学评估造成负面影响，在几何勾画相似性上也更接近人工医师的勾画。本次研究表明深度学习在放射治疗中用于OAR的勾画上是一种临床可行的解决方案。注：该研究详情可点击文末，访问ASTRO
