Proposta de metodologia para avaliação da aplicação de algoritmos de IA no planejamento radioterápico
Carregando...
Data
Data de publicação
Autores IPEN
Orientador
Lorena Pozzo
Título da Revista
ISSN da Revista
Título do Volume
É parte de
É parte de
É parte de
Exportar
Resumo
O aumento da incidência global dos casos de câncer, previsto em 24 milhões de casos
até 2030 destaca a urgência de ampliar o acesso à radioterapia. A disparidade é
evidente: países desenvolvidos têm uma máquina para 120.000 habitantes, enquanto
no Brasil, por exemplo, a proporção é de uma para 543.068. A medicina
personalizada, que exige replanejamentos frequentes, tende a agravar esse cenário.
A inteligência artificial surge como uma solução promissora, mas enfrenta desafios
como a falta de validação e evidências robustas para sua adoção clínica.
Este trabalho apresenta uma proposta de metodologia para avaliar algoritmos de IA
em radioterapia registrada no PROSPERO sob o número CRD42024574448. A
avaliação engloba tanto o desempenho, considerando métricas de segmentação e
planejamento dosimétrico, quanto a viabilidade clínica, analisando aspectos como
dados, treinamento, rastreabilidade, reprodutibilidade e explicabilidade. O protocolo
Durante a elaboração deste documento, foram identificadas questões estruturais
relevantes que antecedem a IA. Essas questões referem-se à falta de padronização
na prescrição e relato de doses entre as múltiplas diretrizes clínicas bem como a
existência de múltiplas diretrizes de contorno, dificultando a comparabilidade entre
estudos nessas áreas. O avanço tecnológico traz novos desafios, como a ausência
de conjuntos de dados padronizados para validar métricas matemáticas empregadas
na avaliação da segmentação, além da crescente demanda por maior explicabilidade
algorítmica.
Para garantirmos que o uso da IA possa contribuir com a redução da disparidade de
acesso é necessário um esforço interdisciplinar para viabilizar a padronização de
diretrizes clínicas, a criação de bancos de dados compartilhados e o desenvolvimento
de algoritmos transparentes e reprodutíveis. Apesar do estágio incipiente desses
sistemas na radioterapia, avanços significativos já foram alcançados. Visando a
validação desses sistemas bem como a aceleração dos avanços, a padronização de
métricas e ferramentas é essencial para evitar inconsistências que prejudiquem a
aplicação prática.The increasing global incidence of cancer cases, projected to reach 24 million by 2030,
highlights the urgent need to expand access to radiotherapy. The disparity is evident:
developed countries have one radiotherapy machine for every 120,000 inhabitants,
while in Brazil, for example, the ratio is one per 543,068. Personalized medicine, which
requires frequent replanning, tends to exacerbate this scenario. Artificial intelligence
(AI) emerges as a promising solution but faces challenges such as the lack of validation
and robust evidence for its clinical adoption.
This study proposes a methodology to evaluate AI algorithms in radiotherapy
registered in PROSPERO under the number CRD42024574448. The evaluation
encompasses both performance, considering segmentation and dosimetric planning
metrics, and clinical feasibility, analyzing aspects such as data, training, traceability,
reproducibility, and explainability.
During the preparation of this document, relevant structural issues preceding AI were
identified. These issues refer to the lack of standardization in dose prescription and
reporting among multiple clinical guidelines, as well as the existence of various
contouring guidelines, which hinders the comparability of studies in these areas.
Technological advancements bring new challenges, such as the absence of
standardized datasets for validating mathematical metrics used in segmentation
evaluation, in addition to the growing demand for greater algorithmic explainability.
To ensure that AI can contribute to reducing access disparities, an interdisciplinary
effort is required to enable the standardization of clinical guidelines, the creation of
shared data repositories, and the development of transparent and reproducible
algorithms. Despite the incipient stage of these systems in radiotherapy, significant
progress has already been made. To validate these systems and accelerate
advancements, the standardization of metrics and tools is essential to avoid
inconsistencies that could undermine practical application.
Como referenciar
LOURENÇO, RENATA M. Proposta de metodologia para avaliação da aplicação de algoritmos de IA no planejamento radioterápico. Orientador: Lorena Pozzo. 2025. 89 f. Dissertação (Mestrado Profissional em Tecnologia das Radiações em Ciências da Saúde) - Instituto de Pesquisas Energéticas e Nucleares - IPEN-CNEN/SP, São Paulo. Disponível em: https://repositorio.ipen.br/handle/123456789/49477. Acesso em: 09 Nov 2026.
Esta referência é gerada automaticamente de acordo com as normas do estilo IPEN/SP (ABNT NBR 6023) e recomenda-se uma verificação final e ajustes caso necessário.