論文の概要: End-user validation of BRIGHT with custom-developed graphical user interface applied to cervical cancer brachytherapy

• arxiv url: http://arxiv.org/abs/2602.16321v1
• Date: Wed, 18 Feb 2026 10:01:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.569036
• Title: End-user validation of BRIGHT with custom-developed graphical user interface applied to cervical cancer brachytherapy
• Title（参考訳）: カスタムグラフィカルユーザインタフェースを用いたBRIGHTの子宮頸癌治療への応用
• Authors: Leah R. M. Dickhoff, Ellen M. Kerkhof, Heloisa H. Deuzeman, Laura A. Velema, Stephanie M. de Boer, Lavinia A. L. Verhagen, Danique L. J. Barten, Bradley R. Pieters, Lukas J. A. Stalpers, Renzo J. Scholman, Pedro M. Matos, Anton Bouter, Carien L. Creutzberg, Peter A. N. Bosman, Tanja Alderliesten,
• Abstract要約: BRIGHTを用いた多目的最適化は前立腺癌治療計画において洞察力があり有効であることが証明されている。 BRIGHTは複数の治療計画を生成し、それぞれが腫瘍のカバレッジと臓器とリスクの間隔のトレードオフを持っている。 本稿では,計画ナビゲーション,ペア比較,線量分布の可視化,調整の可能なGUIを提案する。
• 参考スコア（独自算出の注目度）: 0.7421330188240015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-objective optimisation using BRIGHT has proven insightful and effective in prostate cancer brachytherapy treatment planning. BRachytherapy via artificially Intelligent GOMEA-Heuristic based Treatment planning (BRIGHT) generates multiple treatment plans, each with a different trade-off between tumour coverage and organs-at-risk sparing. BRIGHT was recently extended to cervical cancer brachytherapy. In this study, we present a novel, custom-developed graphical user interface (GUI) that enables plan navigation, pairwise comparisons, dose distribution visualisation, and possibility for adjustments - essential for efficient clinical use of BRIGHT. End-user validation of BRIGHT with the dedicated GUI was conducted for cervical cancer brachytherapy by emulating clinical practice in ten previously treated patients. A multidisciplinary brachytherapy team used BRIGHT to create new treatment plans. GUI usability was assessed using the System Usability Scale (SUS). BRIGHT plan quality was compared to clinical practice via blinded one-on-one comparisons. The GUI offered helpful features for plan navigation and evaluation, giving users quick insight into whether planning aims are achievable and what treatment options are available. The overall SUS score was 83.3, indicating an 'excellent' system. BRIGHT outperformed clinical practice in five out of ten patients regarding the coverage-sparing trade-off and performed equally well in the remaining five. The BRIGHT plan was preferred over the clinical plan in eight out of ten patients, four of which showed clinically relevant differences. The clinical plan was preferred in two patients, neither with clinically relevant differences. In conclusion, BRIGHT, with its dedicated GUI, is a clinically viable and user-friendly tool for treatment planning in cervical cancer brachytherapy.
• Abstract（参考訳）: BRIGHTを用いた多目的最適化は前立腺癌治療計画において洞察力があり有効であることが証明されている。 BRachytherapy via artificially Intelligent GOMEA-Heuristic Based Treatment Planning (BRIGHT) は複数の治療計画を生成する。 BRIGHTは先日,頚部癌に対するブラキセラピーに拡張された。 本研究では, 計画ナビゲーション, ペア比較, 線量分布の可視化, および適応の可能性 - BRIGHTの効率的な臨床利用に不可欠な新しいGUIを提案する。 当科における当科における10例の臨床経験を模擬して, 当科における当科におけるBRIGHTの内科的評価を行った。 複数の学際的ブラキセラピーチームはBRIGHTを使用して新しい治療計画を作成しました。 GUIのユーザビリティは、System Usability Scale (SUS)を用いて評価された。 BRIGHT計画の質は盲点1対1比較による臨床実践と比較した。 GUIは計画のナビゲーションと評価に有用な機能を提供しており、計画の目的が達成可能か、どのような治療オプションが利用可能かを簡単に知ることができる。 SUS全体のスコアは83.3で、「優れた」システムを示している。 BRIGHTは10例中5例で治療成績が良好で,残りの5例は良好であった。 BRIGHTプランは10例中8例において臨床計画よりも好まれ,その内4例は臨床的に有意な差異を示した。 臨床計画が好ましく,臨床的に有意な相違は認められなかった。 BRIGHTは、その専用GUIとともに、頚部癌治療における治療計画のための臨床的に実用的でユーザフレンドリーなツールである。

関連論文リスト

• ALMo: Interactive Aim-Limit-Defined, Multi-Objective System for Personalized High-Dose-Rate Brachytherapy Treatment Planning and Visualization for Cervical Cancer [38.24269895136321]
  本稿では, ALMo (Aim-Limit-Defined Multi-Objective System) を提案する。 ALMoは、手作業による計画品質を一貫して満たまたは超過した治療計画を生成し、65%のケースでドシメトリックな改善を示している。
  論文  参考訳（メタデータ） (2026-02-14T08:24:38Z)
• Prior-informed optimization of treatment recommendation via bandit algorithms trained on large language model-processed historical records [0.6875312133832079]
  現在の医療実践は、患者個別のバリエーションを無視した標準化された治療枠組みと経験的手法に依存している。 本研究では,Large Language Models (LLMs), Conditional Tabular Generative Adversarial Networks (CTGAN), T-learner counterfactual model, and contextual bandit approachを統合した総合システムを構築した。
  論文  参考訳（メタデータ） (2025-10-21T18:57:00Z)
• Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
  本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。 我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
  論文  参考訳（メタデータ） (2025-10-21T18:10:45Z)
• Automated Treatment Planning for Interstitial HDR Brachytherapy for Locally Advanced Cervical Cancer using Deep Reinforcement Learning [3.9838929530763076]
  本研究の目的は、完全に自動化されたHDRブラキセラピー計画フレームワークを開発することである。 階層的な2段階自動計画フレームワークを提案する。 未確認の患者では、RLベースの自動計画法が平均93.89%を達成し、平均91.86%の臨床計画を上回りました。
  論文  参考訳（メタデータ） (2025-06-13T17:07:30Z)
• Optimizing Post-Cancer Treatment Prognosis: A Study of Machine Learning and Ensemble Techniques [0.0]
  このイニシアチブは、各患者の旅行と幸福の重要性を強調して、がん治療の有効性を改善することを目指している。 医療の専門知識とスマートテクノロジーを組み合わせて、各患者の治療スケジュールを正確に予測するモデルを作成しました。 約13の機械学習アルゴリズムを採用し、15の異なる特徴を分析して、この課題に取り組みました。
  論文  参考訳（メタデータ） (2025-04-21T19:40:49Z)
• Towards Regulatory-Confirmed Adaptive Clinical Trials: Machine Learning Opportunities and Solutions [59.28853595868749]
  本研究は,全人口と低給付人口の規制制約と治療方針値を統合した将来の臨床試験の新たな2つの目的を紹介する。 我々は、第III相臨床試験を設計するための新しい枠組みであるRFAN(Randomize First Augment Next)を定式化する。 我々のフレームワークは、標準的なランダム化コンポーネントと適応コンポーネントから構成されており、臨床試験中に患者を効率よく安全に獲得し、患者を治療アームに割り当てることを目的としている。
  論文  参考訳（メタデータ） (2025-03-12T10:17:54Z)
• Adaptive Objective Configuration in Bi-Objective Evolutionary Optimization for Cervical Cancer Brachytherapy Treatment Planning [0.0]
  そこで我々はMO-RV-GOMEAを用いた適応的客観的構成法を提案する。 本研究は,10症例に対して,新たなアプローチが目的を適切に考慮し,目的を適切に達成する方法を示す。
  論文  参考訳（メタデータ） (2022-03-16T18:16:33Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)

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。