Пациент-специфичный контроль качества (PSQA) на основе электронных портальных устройств визуализации (EPID) широко применяется для предлучевой верификации, но обычно выполняется как однократная проверка утверждённого плана и лишь ограниченно отражает ежедневное состояние линейного ускорителя. Авторы предложили подход с использованием глубокого обучения, который предсказывает измеренное EPID-изображение по рассчитанному портальному дозному изображению, используя ежедневное состояние аппарата в качестве входного параметра.

Условная генеративно-состязательная сеть Pix2Pix была обучена преобразовывать изображения портальной дозы (Anisotropic Analytical Algorithm) в измеренные EPID-изображения, с добавлением 235-мерного вектора признаков Machine Performance Check (MPC) в качестве условного входа. Во время обучения также вводились синтетические образцы с отклонениями многолепесткового коллиматора (MLC) для представления позиционных смещений. Шесть вариантов модели оценивались на нескольких анатомических локализациях, комбинируя два целевых предсказания (EPID-изображение или карта дозовых различий) с тремя конфигурациями входных данных (базовая, MPC и MPC с аугментацией отклонений).

Гамма-анализ проводился при критериях 3%/3 мм, 3%/2 мм и 2%/2 мм. Модель с целевым предсказанием дозовых различий и полной интеграцией MPC показала лучшие результаты, достигнув среднеквадратичной ошибки 0.48 процентных пункта и корреляции Пирсона 0.944 для gamma passing rate (GPR) при 3%/2 мм. На возмущённых планах добавление признаков MPC вместе с аугментацией, учитывающей отклонения, снизило абсолютную ошибку предсказания GPR на 42%.

Включение данных об измеренном состоянии аппарата улучшило предсказание EPID-основанного PSQA при возмущениях MLC, оценённых в этом исследовании. Результаты указывают на потенциальную ценность фракционного, учитывающего состояние аппарата PSQA: предлучевое измерение устанавливает базовую линию, а последующие ежедневные данные MPC используются для обновления ожидаемого GPR утверждённого плана в день доставки каждой фракции. Авторы отмечают необходимость дальнейшей проспективной оценки клинически значимого выявления ошибок и риска ложноотрицательных результатов. Подход может обеспечить основу для расширения PSQA от однократной предлучевой оценки к фракционному мониторингу качества пациент-специфичной доставки дозы в течение всего курса лечения.