Development of a neural network for analysis of external radiotherapy treatment for breast cancer

Abstract

Este estudio se centra en mejorar la precisión de la planificación y predicción de dosis de radiación en el tratamiento del cáncer de mama. Se utiliza una base de datos compuesta por 740 imágenes de resonancia magnética (RM) para el entrenamiento y 140 imágenes de tomografía computarizada (TC) para la validación. Se realiza una comparación entre dos enfoques: las Redes Neuronales (RN) y el Modelo Monte Carlo (MMC). Para abordar esta tarea, se desarrolla un modelo híbrido que combina las RN, utilizando las arquitecturas ResNet50 y U-Net, y el MMC. Los resultados obtenidos se presentan tanto cualitativa como cuantitativamente. La precisión de las RN, evaluada mediante métricas específicas, alcanza un 97.1% de precisión. Por otro lado, el MMC se evalúa utilizando desviación estándar y dosis máxima y mínima, evidenciando resultados similares en la dosis máxima absorbida. Es importante destacar que la diferencia media de dosis entre las RN y el MMC es mínima, con valores de 2.15 Gy y 2.19 Gy, respectivamente. Este estudio representa un avance significativo en la mejora de la precisión en la planificación de dosis de radiación para el tratamiento del cáncer de mama. Se aprovechan las capacidades de la inteligencia artificial y la simulación Monte Carlo en este contexto, ofreciendo resultados prometedores que contribuyen al campo de la radioterapia.