Исследователи разработали автоматизированную модель принятия решений на основе морфомных признаков, извлекаемых из ежедневной веерно-лучевой КТ (fan-beam CT, FBCT), для определения пригодности каждой фракции к началу адаптивной радиотерапии «всё в одном» (AIO-RT). Ретроспективно проанализированы данные 48 пациенток с послеоперационным раком шейки матки (313 FBCT-фракций). Морфомные признаки извлекались из мочевого пузыря, прямой кишки, интраректального газа, двусторонних головок бедренной кости и межорганных пространственных взаимоотношений. Отбор признаков проводился методом LASSO, прогностические модели строились с использованием Random Forest (RF) и Gradient Boosting Machine (GBM) при перекрёстной валидации leave-one-patient-out.

Обе модели продемонстрировали высокую дискриминационную способность: AUC = 0.958 для RF и 0.952 для GBM. Морфологические признаки мочевого пузыря оказались доминирующими предикторами — в особенности объём и дескрипторы формы. Пространственные признаки также внесли вклад в классификацию, тогда как ректальный газ показал ограниченную, но дополняющую прогностическую ценность.

Предложенная FBCT-основанная морфомная модель способна точно идентифицировать непригодные фракции до начала AIO-RT, обеспечивая практичный и интерпретируемый инструмент поддержки решений для оптимизации рабочего процесса адаптивной радиотерапии.