Cette étude a évalué la précision de la segmentation, l'efficacité et la stabilité des caractéristiques radiomiques pour le contour manuel (MD), basé sur l'intelligence artificielle (IA) et hybride (MD + IA) des organes pelviens sur la tomodensitométrie de planification (pCT) et le cone-beam CT HyperSight (hCBCT) pour la radiothérapie adaptative. La similarité de Dice et la distance de Hausdorff au 95e percentile (HD95) ont quantifié l'accord de segmentation, tandis que la stabilité des caractéristiques radiomiques a été évaluée à l'aide du coefficient de corrélation de concordance (CCC). L'accord entre les approches de segmentation était le plus élevé pour la vessie et les fémurs (Dice médian 0,95–0,96 ; HD95 1,88–2,17 mm), intermédiaire pour la prostate et le rectum (Dice médian 0,92 ; HD95 2,22–2,62 mm), et le plus faible pour les vésicules séminales et le bulbe pénien (Dice médian 0,76–0,83 ; HD95 3,01–3,41 mm). L'IA et MD + IA ont réduit les temps de contour d'environ 90 % et 60 % par rapport à MD. La stabilité des caractéristiques radiomiques différait significativement entre les modes de segmentation (tous padj ≤ 0,05). Les caractéristiques GLRLM présentaient une stabilité significativement plus élevée que les autres caractéristiques, tandis que les caractéristiques morphologiques montraient une stabilité moindre. La stabilité médiane des caractéristiques radiomiques était la plus élevée pour la vessie et les fémurs, et intermédiaire pour la prostate et le rectum. En conclusion, le contour basé sur l'IA et hybride a atteint une grande précision et des économies de temps substantielles, tandis que les caractéristiques radiomiques basées sur la texture et l'intensité ont montré une robustesse avec la segmentation IA. Cette étude a démontré la faisabilité d'extraire des paramètres quantitatifs distincts et fiables basés sur le contour uniquement par IA des structures pelviennes.
Schmidt et al. (Sat,) ont étudié cette question.