Delimitación interactiva del volumen tumoral bruto para la radioterapia neoadyuvante del cáncer de recto, guiada por indicaciones y utilizando el modelo Segment Anything Model (SAM).

El modelo Segment Anything Model (SAM), un modelo base guiado por indicaciones, presenta un potencial considerable para la segmentación de imágenes médicas mediante la incorporación de conocimientos previos a través de indicaciones definidas por el usuario.

Sin embargo, la aplicación de SAM en la delimitación de los objetivos de la radioterapia sigue siendo limitada.

Este estudio propone un flujo de trabajo interactivo y viable, guiado por indicaciones y basado en un SAM optimizado. Se recopilaron un total de 100 casos de radioterapia neoadyuvante para cáncer de recto (60 para el entrenamiento y 40 para las pruebas). En este estudio, se utilizaron indicaciones de tipo cuadro delimitador para guiar a SAM en la segmentación del GTV. Los médicos dibujan manualmente los cuadros delimitadores en determinadas imágenes, mientras que los cuadros delimitadores para las imágenes restantes se generan automáticamente mediante una estrategia de interpolación.

Se evaluaron cuatro estrategias de ajuste fino para el entrenamiento de SAM, y también se evaluó el impacto del número y la ubicación de las indicaciones. Se comparó el rendimiento del flujo de trabajo finalizado con el SAM optimizado con cinco modelos de última generación (SOTA), y se analizó su solidez frente a las variaciones de las indicaciones en la selección de la imagen central y los márgenes del cuadro delimitador. En comparación con otros métodos de ajuste fino, la congelación del codificador de imágenes obtuvo el rendimiento más estable. Las indicaciones en solo 3 imágenes lograron una precisión comparable a las indicaciones en todas las imágenes.

La ubicación de la indicación de la imagen central mostró un impacto insignificante (p > 0,05). El flujo de trabajo finalizado basado en SAM superó a los modelos de referencia de extremo a extremo tanto visual como cuantitativamente (DSC 3D: 0,92 frente a 0,80; HD95 3D: 2,73 frente a 12,70; IoU: 0,86 frente a 0,67; Sensibilidad: 91,20 % frente a 85,98 %; Precisión: 93,65 % frente a 79,23 %), al tiempo que mantuvo un rendimiento estable en determinadas variaciones de las indicaciones. El flujo de trabajo interactivo propuesto, basado en SAM y con tan solo 3 cuadros delimitadores, logra una precisión favorable en la segmentación del GTV para la radioterapia neoadyuvante del cáncer de recto.