Систематический обзор 52 исследований показал, что глубокое обучение может автоматизировать сегментацию, планирование и реконструкцию в брахитерапии рака шейки матки, достигая коэффициента Dice >0,90 для отдельных структур, но большинство разработок остаются на стадии proof-of-concept.

Конусно-лучевая компьютерная томография (КЛКТ) открывает путь к адаптивной лучевой терапии, позволяя корректировать план облучения в соответствии с анатомией дня. Обзор освещает достижения в улучшении качества КЛКТ-изображений, AI-автосегментации и автоматизированных систем принятия решений о необходимости адаптации плана — ключевых элементов для рутинного внедрения адаптивной лучевой терапии.

Двухцентровое исследование продемонстрировало, что использование ПЭТ-сегментации в качестве априорной информации улучшает автоматическую сегментацию очагов на ¹⁷⁷Lu-PSMA ОЭКТ/КТ. nnU-Net модель с ПЭТ-управлением показала DSC 0.78±0.14 при внешней валидации против 0.70±0.25 для модели без ПЭТ (p=0.014).

Исследование в Journal of Nuclear Medicine продемонстрировало высокую точность метода автоматической сегментации метаболического объема опухоли лимфомы с помощью ИИ, что может уменьшить ручной труд и вариабельность в лимфомном имиджинге.