Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
CRIS Current Research Information System
Artificial intelligence (AI) has made a tremendous impact in the space of healthcare, and proton therapy is not an exception. Proton therapy has witnessed growing popularity in oncology over recent decades, and researchers are increasingly looking to develop AI and machine learning tools to aid in various steps of the treatment planning and delivery processes. This review delves into the emergent role of AI in proton therapy, evaluating its development, advantages, intended clinical contexts, and areas of application. Through the analysis of 76 studies, we aim to underscore the importance of AI applications in advancing proton therapy and to highlight their prospective influence on clinical practices.
Isaksson, L.J., Mastroleo, F., Vincini, M.G., Marvaso, G., Zaffaroni, M., Gola, M., et al. (2024). The emerging role of Artificial Intelligence in proton therapy: A review. CRITICAL REVIEWS IN ONCOLOGY HEMATOLOGY, 204, 1-12 [10.1016/j.critrevonc.2024.104485].
The emerging role of Artificial Intelligence in proton therapy: A review
Isaksson, Lars Johannes;Mastroleo, Federico;Vincini, Maria Giulia;Marvaso, Giulia;Zaffaroni, Mattia;Gola, Michał;Mazzola, Giovanni Carlo;Bergamaschi, Luca;Gaito, Simona;Alongi, Filippo;Doyen, Jerome;Fossati, Piero;Haustermans, Karin;Høyer, Morten;Langendijk, Johannes Albertus;Matute, Raùl;Orlandi, Ester;Schwarz, Marco;Troost, Esther G. C.;Vondracek, Vladimir;La Torre, Davide;Curigliano, Giuseppe;Petralia, Giuseppe;Orecchia, Roberto;Alterio, Daniela;Jereczek-Fossa, Barbara Alicja
2024
Abstract
Artificial intelligence (AI) has made a tremendous impact in the space of healthcare, and proton therapy is not an exception. Proton therapy has witnessed growing popularity in oncology over recent decades, and researchers are increasingly looking to develop AI and machine learning tools to aid in various steps of the treatment planning and delivery processes. This review delves into the emergent role of AI in proton therapy, evaluating its development, advantages, intended clinical contexts, and areas of application. Through the analysis of 76 studies, we aim to underscore the importance of AI applications in advancing proton therapy and to highlight their prospective influence on clinical practices.
Isaksson, L.J., Mastroleo, F., Vincini, M.G., Marvaso, G., Zaffaroni, M., Gola, M., et al. (2024). The emerging role of Artificial Intelligence in proton therapy: A review. CRITICAL REVIEWS IN ONCOLOGY HEMATOLOGY, 204, 1-12 [10.1016/j.critrevonc.2024.104485].
Isaksson, Lars Johannes; Mastroleo, Federico; Vincini, Maria Giulia; Marvaso, Giulia; Zaffaroni, Mattia; Gola, Michał; Mazzola, Giovanni Carlo; Bergam...espandi
File in questo prodotto:
Eventuali allegati, non sono esposti
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/1047644
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
2
8
6
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
