DITTO: A Visual Digital Twin for Interventions and Temporal Treatment Outcomes in Head and Neck Cancer

数字孪生模型对头颈癌（HNC）肿瘤学家非常有吸引力，因为他们必须在肿瘤控制效果与毒性和死亡风险之间权衡一系列复杂的治疗决策。评估个体风险配置文件需要更深入地了解不同因素之间的相互作用，例如患者健康状况、肿瘤的空间位置和扩散以及随后可能发生的毒性风险，这些因素无法通过简单的启发式方法充分捕捉。为了帮助临床医生更好地理解在决定治疗方案时的权衡，我们开发了DITTO，这是一个数字孪生和可视化计算系统，允许临床医生分析每个患者的详细风险配置文件，并决定治疗方案。DITTO依赖于顺序深度强化学习数字孪生（DT）来提供个性化的长期和短期疾病结果风险和毒性风险的风险。基于与肿瘤学家的协作设计，我们还实现了几种可视化解释方法，以促进临床信任，并鼓励在使用我们的系统时保持健康的怀疑态度。我们通过定量评估性能和定性反馈的案例研究来评估DITTO的有效性。最后，我们讨论了开发临床视觉XAI应用程序的设计经验教训，以供临床最终用户使用。

DITTO试图通过数字孪生模型和可视化计算系统来帮助头颈癌临床医生更好地理解患者的风险概况，并制定治疗计划。

DITTO使用序贯深度强化学习数字孪生模型来提供个性化风险评估，以支持头颈癌患者的治疗决策。

DITTO实现了可视化解释性方法以促进临床信任和健康的怀疑，通过定量评估和定性反馈的案例研究来评估其效力。

近期相关研究包括基于数字孪生模型的个性化医疗和可解释性人工智能在医疗领域的应用等。