Klinische Anwendung eines niedrigdosierten CBCT AI-Modells

Kurzzusammenfassung

Kegel-Bogen-CT (CBCT) ist ein bildgebendes Verfahren, das in der interventionellen digitalen Subtraktionsangiografie (DSA) verwendet wird. Es erzeugt dreidimensionale Bilder durch Kegel-Bogen-Röntgenstrahlung und Computerrekonstruktion. Klinisch führt CBCT zur Punktion von Lungen- und Leberläsionen und bewertet die post-interventionellen Ergebnisse bei Leberkrebs und zerebrovaskulären Erkrankungen. Allerdings bergen CBCT-gesteuerte Interventionen ein hohes Patientendosisrisiko; die Dosisreduktion verschlechtert oft die Bildqualität und beeinträchtigt die Ergebnisse der Prozedur. Studien berichten, dass jede 100 mGy Strahlendosiserhöhung das Krebsrisiko um das 1,96-fache erhöht. Künstliche Intelligenz ermöglicht niedrigdosierte CBCT. Unser bisheriger DeepPriorCBCT-Modell integrierte anatomische Vorausberechnungen mittels neuronaler diskreter Repräsentationslernen, reduzierte die Thorax-CBCT-Dosis auf ein Sechstel der Routineprotokolle und bewahrte die Bildqualität. Wir entwickelten weiter DeepPriorCBCT-V2 unter Verwendung von 55.000 vorrekonstruktiven CBCT-Datensätzen, die Gehirn, Brustkorb und Bauch abdecken. Dieses mehrorganische Modell erhält die Bildqualität bei einem Sechstel der Standardstrahlendosis. Dennoch bleibt seine klinische Leistung in der realen Welt unbestätigt. Daher entwarfen wir diese prospektive multizentrische randomisierte kontrollierte Studie, um die klinische Anwendbarkeit von DeepPriorCBCT-V2 zu bewerten.