論文の概要: Artificial intelligence for simplified patient-centered dosimetry in radiopharmaceutical therapies
- arxiv url: http://arxiv.org/abs/2510.12714v1
- Date: Tue, 14 Oct 2025 16:55:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-15 19:02:32.403143
- Title: Artificial intelligence for simplified patient-centered dosimetry in radiopharmaceutical therapies
- Title（参考訳）: 放射線治療における簡易型患者中心線量測定のための人工知能
- Authors: Alejandro Lopez-Montes, Fereshteh Yousefirizi, Yizhou Chen, Yazdan Salimi, Robert Seifert, Ali Afshar-Oromieh, Carlos Uribe, Axel Rominger, Habib Zaidi, Arman Rahmim, Kuangyu Shi,
- Abstract要約: 放射線治療の急速な発展は、パーソナライズされた患者中心のドシメトリーの必要性の高まりを浮き彫りにしている。
患者フレンドリーなRTPに向けた簡易ドシメトリのためのAIの主な進歩について概説する。
RPTドシメトリにおけるAIの役割の今後の方向性について論じる。
- 参考スコア（独自算出の注目度）: 36.74047514528703
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: KEY WORDS: Artificial Intelligence (AI), Theranostics, Dosimetry, Radiopharmaceutical Therapy (RPT), Patient-friendly dosimetry KEY POINTS - The rapid evolution of radiopharmaceutical therapy (RPT) highlights the growing need for personalized and patient-centered dosimetry. - Artificial Intelligence (AI) offers solutions to the key limitations in current dosimetry calculations. - The main advances on AI for simplified dosimetry toward patient-friendly RPT are reviewed. - Future directions on the role of AI in RPT dosimetry are discussed.
- Abstract（参考訳）: KEY WORDS: AI, Theranostics, Dosimetry, Radiopharmaceutical Therapy (RPT), patient- friendly dosimetry KEY POINTS - 放射線医薬品療法(RPT)の急速な進化は、パーソナライズされた患者中心のドシメトリーの必要性の高まりを浮き彫りにしている。
-人工知能(AI)は、現在のドシメトリ計算における重要な制限に対する解決策を提供する。
-患者に優しいRTPに向けた簡易線量測定のためのAIの進歩を概観する。
-RTP線量測定におけるAIの役割の今後の方向性について論じる。
関連論文リスト
- New Insights into Automatic Treatment Planning for Cancer Radiotherapy Using Explainable Artificial Intelligence [1.8515971640245998]
本研究では,人工知能(AI)エージェントによる自動治療計画における不透明な意思決定プロセスを明らかにすることを目的とする。
本研究では,Actor-Critic with Experience Replay(ACER)ネットワークに基づくAIエージェントについて検討した。
論文 参考訳（メタデータ） (2025-08-19T19:38:16Z) - Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients [65.57160385098935]
糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。
我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。
当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
論文 参考訳（メタデータ） (2025-08-17T21:54:11Z) - Over-Relying on Reliance: Towards Realistic Evaluations of AI-Based Clinical Decision Support [12.247046469627554]
私たちは、AIのタスクにおける信頼、信頼、受け入れ、パフォーマンスといった評価指標を超えて進むことを提唱します。
私たちはコミュニティに、AIが医療専門家にもたらす創発的な価値を計測する、生態学的に有効な、ドメインに適した研究環境を優先するよう呼びかけています。
論文 参考訳（メタデータ） (2025-04-10T03:28:56Z) - The Impact of Artificial Intelligence on Emergency Medicine: A Review of Recent Advances [0.2544903230401084]
人工知能(AI)は、診断プロセスを強化し、患者の結果を改善することで、救急医療に革命をもたらす。
機械学習とディープラーニングは、複雑な画像データの解釈において重要な要素であり、迅速で正確な診断を提供し、従来の診断方法を超える可能性がある。
これらの進歩にもかかわらず、AIを臨床実践に統合することは、データのプライバシ、アルゴリズムバイアス、さまざまな設定にまたがる広範な検証の必要性といった課題を提示している。
論文 参考訳（メタデータ） (2025-03-17T17:45:00Z) - Semi-Supervised Learning for Dose Prediction in Targeted Radionuclide: A Synthetic Data Study [42.75913504373651]
TRT(Targeted Radionuclide Therapy)は、がん細胞に特異的に強力な放射線照射を投与することを目的とした、放射線腫瘍学の現代的な戦略である。
深層学習はRTをパーソナライズすることを約束する。
現在の方法では大量のSPECT画像撮影が必要であるが、日常的な臨床実践では達成できない。
論文 参考訳（メタデータ） (2025-03-07T12:21:09Z) - Towards Next-Generation Medical Agent: How o1 is Reshaping Decision-Making in Medical Scenarios [46.729092855387165]
本稿では,医療用AIエージェントのバックボーンLSMの選択について検討する。
我々の研究結果は、o1の診断精度と一貫性を高める能力を示し、よりスマートでより応答性の高いAIツールへの道を開いた。
論文 参考訳（メタデータ） (2024-11-16T18:19:53Z) - Future Artificial Intelligence tools and perspectives in medicine [1.7532045941271799]
現在、がんの限られた管理は人工知能の恩恵を受けており、主にコンピューター支援診断に関連しており、追加のリスクとコストを示す生検分析を避けている。
本稿では,臨床応用のためのAIベースの放射線治療ツールの進歩について概説する。
論文 参考訳（メタデータ） (2022-06-04T11:27:43Z) - Precision Radiotherapy via Information Integration of Expert Human
Knowledge and AI Recommendation to Optimize Clinical Decision Making [4.843028858507964]
本稿では,臨床意思決定を最適化するためのAIレコメンデーションと専門家の知識を統合するための体系的手法について述べる。
提案法は,非小細胞肺癌患者の放射線治療中に患者固有の情報と治療結果が収集される包括的データセットで実証された。
論文 参考訳（メタデータ） (2022-02-09T16:56:22Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。