Метрики для оценки качества автоматической сегментации при планировании лучевой терапии: критический обзор

Развитие методов на основе искусственного интеллекта привело к созданию и публикации многочисленных систем автоматической сегментации в лучевой терапии. Эти системы могут уменьшать вариабельность контурирования, связанную с неблагоприятными клиническими исходами, и повышать эффективность планирования лечения. Однако единых стандартов оценки платформ автоматической сегментации, позволяющих определить, достигают ли они этих целей, не существует. В настоящем обзоре рассмотрены наиболее часто используемые методы оценки, включая геометрическое перекрытие, дозиметрические параметры, время, затрачиваемое на контурирование, и клинические шкалы оценки. Представленные данные свидетельствуют о том, что многие распространённые геометрические индексы, например коэффициент сходства Дайса, недостаточно хорошо коррелируют с клинически значимыми конечными точками. Поэтому для оценки клинической готовности автоматической сегментации к использованию при планировании лучевой терапии необходим комплексный многодоменный подход, включающий комбинированные геометрические и/или дозиметрические метрики и оценку врачами.