DEEP-LEARNING-AUTOKONTURIERUNG SPART ZEIT

Versierte Radioonkologen müssen sich bislang nicht hinter Deep-Learning basierten Methoden verstecken, wenn es um die Konturierung von Risikoorganen (OAR) geht. Das konnte Dr. Florian Putz mit seinen Kollegen von der Universität Erlangen in seiner OAR-Turing-Test-Studie nachweisen. Einen Vorteil hat die computerbasierte Autokonturierung aber: Sie spart Zeit.

Risikoorgane von insgesamt 40 Patienten – jeweils zehn in einer der vier Körperregionen Thorax, Brust, Abdomen, Becken – wurden durch jeweils drei Radioonkologen manuell konturiert, darüber hinaus mithilfe von drei kommerziellen Autosegmentierungslösungen erstellt und im Anschluss in randomisierter Reihenfolge verblindet bewertet (OAR Turing-Test). Dabei war je eine Autokonturierlösung Atlas-, eine Modell- und eine Deep Learning-basiert. Bei Bedarf korrigierten die Mediziner die Autokonturierungen. Die Korrekturzeit floss in die Bewertung des jeweiligen Zeitaufwands mit ein. Insgesamt erfolgten 3.600 Einzelbewertungen von 1.440 OAR-Strukturen. Ein qualitativer Unterschied zwischen der verblindeten Bewertung der manuellen und der Deep-Learning-Konturen ergab sich nicht, dafür war letztere aber den anderen beiden älteren Autokonturierungstechnologien qualitativ signifikant überlegen. Noch dazu war sie die schnellste aller Methoden: Der Zeitaufwand für die Konturierung lag hierbei im Mittel nur bei 4,1 Minuten, die Atlas-basierte Lösung benötigte 9,6, die Modellbasierte 10,9 und die manuelle Konturierung durch die Radioonkologen allein 16,7 Minuten.