Intelligente løsninger strømliner planlægning af strålebehandlingsbehandling – Physics World

Intelligente løsninger strømliner planlægning af strålebehandlingsbehandling – Physics World

Tidsstempel: 5. marts 2024 kl. 10:51

Introduktion af automatiserede værktøjer i behandlingsplanlægningsprocessen har gjort det muligt for det kliniske team på det britiske Castle Hill Hospital at forbedre konsistensen og samtidig opnå betydelige tidsbesparelser

<a href="https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-3.png" data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-3.png" data-caption="Intelligent design CT-simulatorerne på Castle Hill Hospital i Storbritannien er udstyret med deep-learning software, der automatisk afgrænser de organer, der er i fare. (Med høflighed: Siemens Healthineers)”>
Castle Hill autokonturering
Intelligent design CT-simulatorerne på Castle Hill Hospital i Storbritannien er udstyret med deep-learning software, der automatisk afgrænser de organer, der er i fare. (Med høflighed: Siemens Healthineers)

Intelligente softwareløsninger er blevet et afgørende værktøj for udstrakte kliniske teams til at yde den bedst mulige pleje til kræftpatienter, især dem, der kræver mere komplekse behandlinger med højere stråledoser. Softwaresystemer med indbygget kunstig intelligens kan automatisere gentagne opgaver, forbedre den information, der kan udvindes fra CT-simulatorer, og sikre ensartet behandling på tværs af et stigende antal tilfælde.

På Castle Hill Hospital i Cottingham, Storbritannien, som behandler flere hundrede patienter hver måned med sine seks lineære acceleratorer, er intelligent software blevet implementeret på tværs af hele behandlingsplanlægningsprocessen. "Vi forsøger at gøre brug af ethvert værktøj til vores rådighed, uanset om det er simple beslutningstræer eller kommerciel software, der gør vores arbejde nemmere og mere effektivt," siger Carl Horsfield, hovedfysiker ved Hull University Teaching Hospitals NHS Trust. "Som mange behandlingscentre mangler vi personale sammenlignet med nationale modeller, og vi bruger software til at hjælpe os med at levere pleje af høj kvalitet."

Lige i starten af ​​processen, automatiseret software på CT-simulatorerne – den SOMATOM go.Open Pro fra Siemens Healthineers – bevarer billedernes følsomhed ved at modulere stråledosis, så den passer til patientens størrelse. Scannerne er også udstyret med en smart algoritme, kaldet Direct i4D, der forbedrer kvaliteten af ​​tidsopløste billeder, der bruges til at fange vejrtrækningsbevægelsen hos patienter med lungekræft. Normalt producerer disse 4D CT-scanninger kun nøjagtige billeder, når der tages regelmæssige vejrtrækninger i løbet af optagelsestiden, typisk omkring to minutter, men det er sjældent tilfældet for patienter med lungesygdomme.

"Lungepatienter er ofte komplekse og problematiske ved CT, og jeg har brugt meget tid på at deltage i scanninger for at vurdere, om billederne til 4D-lungepatienter er klinisk velegnede," siger Horsfield. "Med denne smarte algoritme tilpasser scanningsparametrene sig til patientens vejrtrækning i realtid, hvilket gør radiograferne meget mere sikre på optagelsen, når vejrtrækningsmønsteret er uregelmæssigt."

Endnu større tidsbesparelser kan opnås ved at bruge en AI-drevet løsning indlejret i CT-scanneren, kaldet DirectORGANS, der kombinerer billeddataene med en dyb-læringsalgoritme for automatisk at konturere patientens kritiske organer. Sådanne automatiske konturer genereres for hver radikal patient, der behandles på Castle Hill, hvilket undgår behovet for, at en kliniker skal tegne enhver struktur i hånden. På overbelastede behandlingssteder, såsom hoved-og-hals, kan det reducere den tid, det tager med en time eller mere. "Det er altafgørende at spare tid for vores klinikere, og autocontouring er en fantastisk måde at sikre, at de ikke gentager simple opgaver for flere patienter," kommenterer Horsfield.

Det er vigtigt, at nøjagtigheden af ​​de automatiske konturer – og dermed mængden af ​​tid, der kan spares – afhænger af kvaliteten af ​​inputdataene. DirectORGANS tilbyder en vigtig fordel her, da det fanger et skræddersyet datasæt fra CT-scanningen, der er blevet optimeret til at generere de bedste resultater fra deep-learning-algoritmen. "Mange autokonturværktøjer hostes i skyen, hvilket betyder, at de kun har adgang til den scanning, der er konfigureret til det kliniske teams behov," forklarer Horsfield. "En af grundene til, at vi kan lide DirectORGANS, er, at den laver sin egen rekonstruktion og indstiller parametrene på den indhentende scanner, så de matcher den måde, organerne skal laves på."

Softwaren genererer nøjagtige konturer for mange almindelige organer i fare, herunder lunge, prostata, blære og rygmarvskanal. Når først den er oprettet, gennemgår patientens kliniker på Castle Hill altid strukturerne, redigerer dem efter behov og afgrænser manuelt tumoren. Det er afgørende, at klinikeren også skal godkende det endelige sæt konturer, før de bruges til behandlingsplanlægning. "En kliniker skal stadig sikre sig, at konturerne produceret af algoritmerne er egnede til formålet," siger Horsfield. "Vi beder dem også om at give feedback om kvaliteten af ​​organerne, hvilket giver os en vis intern kvalitetssikring."

Mens den oprindelige version af softwaren inkluderede 30 eller 40 forudindlæste strukturer, har den seneste udgivelse forbedret dækningen og nøjagtigheden yderligere. Et vigtigt fremskridt er for eksempel evnen til automatisk at konturere lymfeknudekæderne, normalt en manuel og omhyggelig opgave. "For prostatapatienter, hvor der er risiko for nodal infiltration, skal klinikerne arbejde sig hele vejen fra prostata over korsbenet til enden af ​​den lokale lymfeknudekæde," forklarer Horsfield. "At have automatiseret konturering for den slags strukturer vil være en massiv besparelse for dem, selv i den anledning, hvor der kræves noget redigering."

<a data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-1.png" data-caption="Videnbaseret planlægning RapidPlan exploits model data from previous cases to generate a personalized treatment plan for each new patient. (Courtesy: Siemens Healthineers)” title=”Click to open image in popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-1.png”>RapidPlan
Videnbaseret planlægning RapidPlan udnytter modeldata fra tidligere tilfælde til at generere en personlig behandlingsplan for hver ny patient. (Med høflighed: Siemens Healthineers)

I mellemtiden er en række automatiserede værktøjer også indbygget i teamets behandlingsplanlægningssystem, Varians Eclipse. En der har vist sig at være særlig nyttig for Castle Hill-holdet er RapidPlan, en vidensbaseret løsning, der bruger en model skabt ud fra tidligere sager til at generere en personlig behandlingsplan for en ny patient. "Det er et værktøj, der hjælper os med at bestemme, hvad der er opnåeligt for hver patient, især i mere komplicerede tilfælde, hvor placeringen af ​​de udsatte organer kan kompromittere dækningen af ​​målet," siger Horsfield. "Vi har klasseløsninger til vores behandlingsplaner som udgangspunkt, men det er smartere end som så, fordi det er specifikt for hver enkelt patients anatomi."

Denne videnbaserede tilgang har vist sig at være særlig gavnlig for nye medarbejdere og har også forbedret konsistensen og kvaliteten af ​​de planer, der er udarbejdet på tværs af hele teamet. "En person, der har været hos os i seks måneder, laver måske ikke en plan af samme standard som et af vores mere erfarne teammedlemmer," siger Horsfield. "Ved at øge deres viden med disse intelligente værktøjer får de adgang til den oplevelse og standardiserer kvaliteten af ​​de planer, vi producerer."

<a data-fancybox data-src="https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-2.png" data-caption="Software som løsning Carl Horsfield (centre) and the team at Castle Hill have deployed a series of intelligent tools to streamline the treatment planning process. (Courtesy: Siemens Healthineers)” title=”Click to open image in popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-physics-world-2.png”>Carl Horsfield og team
Software som løsning Carl Horsfield (i midten) og teamet på Castle Hill har implementeret en række intelligente værktøjer til at strømline behandlingsplanlægningsprocessen. (Med høflighed: Siemens Healthineers)

Som med enhver maskinlæringstilgang afhænger kvaliteten af ​​forudsigelserne af de træningsdata, der bruges til at skabe modellen. På Castle Hill har teamet brugt sine egne cases til at udvikle modeller for fire behandlingssteder – lunge, hoved-og-hals, spiserør og prostata – med flere andre, der nu udvikles for at realisere yderligere tidsbesparelser for planlægningsteamet. "En af de store vanskeligheder med behandlingsplanlægning er at vide, hvornår man skal stoppe," siger Horsfield. "RapidPlan giver sikkerhed for, at du har fundet en optimal løsning til den pågældende patient, og at der er mindre fordele ved at bruge ekstra tid på at stille spørgsmålstegn ved dine valg."

Eclipse behandlingsplanlægningssystemet giver også en grænseflade til at tilføje skræddersyede værktøjer til planlægningsprocessen. Som et eksempel har teamet på Castle Hill skabt et automatiseret værktøj til at skabe optimeringsstrukturer, som begrænser de løsninger, der produceres af behandlingsplanlægningssystemet ved at definere bestemte områder, der ikke bør målrettes med stråling. "Vi har lavet omkring 15 forskellige protokoller for at skabe disse undgåelses- og optimeringsstrukturer," siger Horsfield. "De er alle enkle operationer, men vi indså, at de blev udført manuelt for næsten alle behandlingsplaner. Det har været virkelig styrkende at være i stand til at skabe vores egne værktøjer til at gøre vores processer mere effektive.”

Sådanne effektivitetsbesparelser er særligt kritiske på et tidspunkt, hvor behandlingscentre som Castle Hill håndterer nedfaldet fra COVID-19-pandemien. Med en enorm tilstrømning af patienter og mangel på sundhedspersonale hjælper intelligente værktøjer, der kan automatisere i det mindste noget af behandlingsplanlægningsprocessen, den igangværende indsats for at klare efterslæbet. "Vores kapacitet før COVID var at producere 40 planer om ugen, og nu gør hele teamet et stort skub for at øge det til 50," siger Horsfield. "Hver effektivitet, vi kan opnå ved at automatisere vores processer, hjælper os med at gøre fremskridt i forhold til vores genopretningsplan, samtidig med at vi sikrer, at vi fortsætter med at producere planer af høj kvalitet for hver patient, vi behandler."

Tidsstempel:

Mere fra Fysik verden