放射肿瘤学中机器学习与人工智能的临床应用

《放射肿瘤学中机器学习与人工智能的临床应用》旨在将机器学习的实用概念应用于临床放射肿瘤学。它填补了现有图书市场的空白，为在职临床医生提供教育，使其了解如何运用机器学习改善临床和以患者为中心的效果。

本书分为三个部分：第一部分阐述机器学习和放射肿瘤学的基本概念，详细介绍应用于基因组学的技术；第二部分探讨转化机会，如放射基因组学和自动分割；最后一部分涵盖当前的临床应用，包括临床决策、如何将人工智能融入工作流程、应用案例以及与行业的跨领域合作。本书对于需要深入了解机器学习以支持放射肿瘤学的肿瘤学家、放射科医生以及生物医学领域的众多人员而言，是一份宝贵的资料。

约翰·康（John Kang）博士是华盛顿大学放射肿瘤学系助理教授兼生物医学信息学负责人。其研究重点在于肿瘤学中的机器学习。 蒂姆·拉泰（Tim Rattay）博士是英国莱斯特大学乳腺外科副教授，同时也是莱斯特大学医院乳腺外科顾问医生。 巴里·S.罗森斯坦（Barry S.Rosenstein）是西奈山伊坎医学院放射肿瘤学教授以及遗传学与基因组科学教授。 主译邢力刚，山东省肿瘤医院副院长，主任医师、博士研究生导师。承担国家自然科学基金两项及多中心临床研究多项，为首或通讯作者发表SCI论文30余篇。荣获山东省有突出贡献中青年专家、中国肿瘤青年科学家奖。获山东省科技进步三等奖两项，国家科技进步二等奖、山东省科技进步奖3项。 王琳琳，山东第一医科大学肿瘤临床学院副院长，山东省肿瘤医院保健办公室主任，GCP机构主任。胸部放疗专业主任医师，博士生导师。发表中英文期刊文章50余篇，其中SCI收录40余篇，以第一或通讯作者发表SCI收录文章30余篇，总影响因子180余分。 孟雪，肿瘤学博士，主任医师，教授，博士生导师。山东第一医科大学附属肿瘤医院副院长，山东第一医科大学预防医学科学院院长，山东第一医科大学肿瘤学系主任。以第一或通讯作者发表SCI论文30余篇，累计影响因子130余分。 巩贯忠，副主任技师，山东省肿瘤医院放射物理师，放射物理技术科副主任。澳大利亚悉尼大学访问学者，山东第一医科大学医学物理系副主任，主要从事医学图像处理引导肿瘤精确放疗的基础研究及临床应用工作。

目 录
第一部分？基本原理和概述
第一章？机器学习基础 3
一、人工智能与机器学习（AI/ML） 3
二、获取与量化经验 4
三、从经验中学习 7
四、自动化学习的本质 11
五、机器学习的类型 14
六、结论 23
参考文献 23
第二章？人工智能、机器学习与临床医学中的生物伦理学 26
一、引言 26
二、伦理学、AI/ML与责任 27
三、临床医学与研究中的生物伦理原则及AI/ML 28
四、与AI/ML的伦理合作：给临床医生的建议 31
五、结论 33
参考文献 33
第三章？机器学习在癌症基因组学中的应用 35
一、引言 35
二、基因组技术概述 36
三、基因组学在肿瘤学中的应用 39
四、基因组学中机器学习的常见挑战 45
五、未来发展方向和展望 51
参考文献 52
第四章？影像组学：“挖掘医学影像在精准肿瘤放疗中的潜力” 66
一、引言 66
二、影像组学工作流程 67
三、影像组学流程中的潜在问题 71
四、影像组学研究标准化的建议 73
五、放射肿瘤学中影像组学研究的实用路线图 79
六、结论 85
参考文献 86
第五章？深度学习用于医学图像分割 96
一、图像自动化分割的临床需求 96
二、医学图像分割中深度学习的应用原理 98
三、典型深度学习架构 101
四、深度学习分割模型训练的实用优化策略 103
五、图像预处理 104
六、图像块（patch）选择 106
七、数据增强 108
八、模型融合和输出不确定性评估 110
九、国际竞赛在医学图像分割中的作用 112
十、基于人工智能的图像分割及其延伸 113
十一、结论 114
参考文献 114
第六章？肿瘤诊疗中的自然语言处理 123
一、什么是自然语言处理 123
二、肿瘤学中的自然语言处理 127
三、NLP在肿瘤学诊疗中的应用场景 127
四、临床医生在NLP系统开发中的作用 128
五、通用NLP的任务和挑战 129
六、医学NLP的任务和挑战 131
七、NLP方法 132
八、工具和资源 137
九、NLP系统的临床实施 140
十、结论、局限性与未来展望 141
参考文献 142
第七章？机器学习模型的评估：从开发到临床部署 146
一、引言 146
二、模型开发 147
三、模型性能评估 155
四、真实世界影响评估 169
参考文献 170
第二部分？研究应用
第八章？放射治疗中的种系基因组学 177
一、种系基因组分析概述 177
二、现代临床基因组学 178
三、人工智能在临床基因组学中的应用 179
四、全基因组关联研究（GWAS） 179
五、放射基因组学 180
七、机器学习和放射基因组学 182
七、使用机器学习检测上位性 184
八、使用ML提高统计效能的方法 185
九、过滤：独立模型的预处理 185
十、封装式与嵌入式特征选择 186
十一、放射基因组学中的多步特征选择 186
十二、结论 186
参考文献 187
第九章？放射治疗中的肿瘤基因组学 195
一、引言 195
二、肿瘤基因组生物信息学 198
三、应用示例 202
四、挑战与建议 209
六、结论 212
参考文献 212
第十章？应用医学影像进行放疗疗效的预测 215
一、引言 215
二、治疗前影像生物标志物与放疗结局 216
四、Delta影像生物标志物与放射剂量和结局关联 246
五、肿瘤放疗影像生物标志物预测模型临床应用的发展方向与挑战 262
六、经费声明 273
七、结论 274
参考文献 275
第十一章？肿瘤学中的因果推断 287
一、引言：背景与历史 288
二、反事实 291
三、因果图 295
四、机器学习在肿瘤学中用于因果推断的新兴用途 298
参考文献 300
第十二章？机器学习在质量控制和计划实施中的应用 303
一、引言 304
二、放射治疗计划设计过程中的质量保证 304
三、结论 313
参考文献 313
第三部分？临床应用及未来展望
第十三章？案例研究：深度学习在放射治疗图像自动分割中的应用 319
一、人工智能（AI）在放疗靶区勾画中的临床应用 319
二、放疗工作流程中AI驱动自动分割的优化 320
三、深度学习在放疗中的临床应用 321
四、自动分割中深度学习临床应用的挑战与解决方案 322
五、使用联邦学习辅助临床应用 324
五、结论 325
参考文献 325
第十四章？案例研究：临床中的自适应放射治疗 328
一、引言 328
二、头颈部肿瘤的自适应放射治疗 329
三、自适应放射治疗工作流程 332
四、结论 337
参考文献 337
第十五章？案例研究：处理小样本数据集——医学影像的迁移学习 343
一、引言 343
二、数据集大小 344
三、数据不平衡 344
四、数据增强 349
五、迁移学习 350
六、案例研究：肌少症分割 354
七、结论 358
参考文献 358
第十六章？案例研究：头颈部肿瘤放射治疗的良恶性淋巴结分类 360
一、引言 360
二、基于INFIELD临床试验的初始模型 362
三、对病理证实淋巴结状态的手术患者进行模型微调和验证 369
四、该混合模型用于累及淋巴结放射治疗前瞻性II期临床研究 371
五、未来发展方向 374
六、结论 377
参考文献 377
第十七章？当前和下一代机器学习和人工智能在放射肿瘤学中的应用培训 381
一、引言 381
二、学习使用、评估和验证AI 384
三、肿瘤学领域的人力需求 387
四、信息学/ML整合到放射肿瘤学的实例 387
五、住院医师阶段的培训机会 388
六、信息学奖学金 389
七、科技公司的AI住院医师项目 391
八、学术机构的研讨会和会议 392
九、基金资助 394
十、结论 395
参考文献 395
第十八章？机器学习与人工智能的商业化与监管 400
一、引言 400
二、开发商业软件 401
三、监管环境 405
四、关于临床软件中人工智能应用的说明 407
五、结论 407
中英文名词术语对照 408