Clinical implementation of magnetic resonance imaging simulation for radiation oncology planning: 5 year experience
Notice bibliographique
Résumé
PURPOSE: Integrating magnetic resonance (MR) into radiotherapy planning has several advantages. This report details the clinical implementation of an MR simulation (MR-planning) program for external beam radiotherapy (EBRT) in one of North America's largest radiotherapy programs. METHODS AND MATERIALS: An MR radiotherapy planning program was developed and implemented at Sunnybrook Health Sciences Center in 2016 with two dedicated wide-bore MR platforms (1.5 and 3.0 Tesla). Planning MR was sequentially implemented every 3 months for separate treatment sites, including the central nervous system (CNS), gynecologic (GYN), head and neck (HN), genitourinary (GU), gastrointestinal (GI), breast, and brachial plexus. Essential protocols and processes were detailed in this report, including clinical workflow, optimized MR-image acquisition protocols, MR-adapted patient setup, strategies to overcome risks and challenges, and an MR-planning quality assurance program. This study retrospectively reviewed simulation site data for all MR-planning sessions performed for EBRT over the past 5 years. RESULTS: From July 2016 to December 2021, 8798 MR-planning sessions were carried out, which corresponds to 25% of all computer tomography (CT) simulations (CT-planning) performed during the same period at our institution. There was a progressive rise from 80 MR-planning sessions in 2016 to 1126 in 2017, 1492 in 2018, 1824 in 2019, 2040 in 2020, and 2236 in 2021. As a result, the relative number of planning MR/CT increased from 3% of all planning sessions in 2016 to 36% in 2021. The most common site of MR-planning was CNS (49%), HN (13%), GYN (12%), GU (12%), and others (8%). CONCLUSION: Detailed clinical processes and protocols of our MR-planning program were presented, which have been improved over more than 5 years of robust experience. Strategies to overcome risks and challenges in the implementation process are highlighted. Our work provides details that can be used by institutions interested in implementing an MR-planning program.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».