Intelligente Lösungen optimieren die Planung von Strahlentherapiebehandlungen – Physics World

<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="Intelligentes Design Die CT-Simulatoren im Castle Hill Hospital im Vereinigten Königreich sind mit Deep-Learning-Software ausgestattet, die die gefährdeten Organe automatisch abgrenzt. (Mit freundlicher Genehmigung von Siemens Healthineers)“>

Intelligente Softwarelösungen sind zu einem entscheidenden Werkzeug für überlastete klinische Teams geworden, um Krebspatienten die bestmögliche Versorgung zu bieten, insbesondere solchen, die komplexere Behandlungen mit höheren Strahlendosen benötigen. Softwaresysteme mit integrierter künstlicher Intelligenz können sich wiederholende Aufgaben automatisieren, die aus CT-Simulatoren extrahierbaren Informationen verbessern und eine konsistente Versorgung bei einer zunehmenden Anzahl von Fällen gewährleisten.

Im Castle Hill Hospital in Cottingham, Großbritannien, das jeden Monat mehrere hundert Patienten mit seinen sechs Linearbeschleunigern behandelt, wurde im gesamten Behandlungsplanungsprozess intelligente Software eingesetzt. „Wir versuchen, jedes uns zur Verfügung stehende Werkzeug zu nutzen, seien es einfache Entscheidungsbäume oder kommerzielle Software, die unsere Arbeit einfacher und effizienter macht“, sagt Carl Horsfield, leitender Physiker am Hull University Teaching Hospitals NHS Trust. „Wie in vielen Behandlungszentren mangelt es uns im Vergleich zu nationalen Modellen an Personal, und wir nutzen Software, die uns dabei hilft, eine qualitativ hochwertige Versorgung zu gewährleisten.“

Gleich zu Beginn des Prozesses wird eine automatisierte Software auf den CT-Simulatoren – die SOMATOM go.Open Pro von Siemens Healthineers – erhält die Empfindlichkeit der Bilder durch Modulation der Strahlendosis entsprechend der Größe des Patienten. Die Scanner sind außerdem mit einem intelligenten Algorithmus namens Direct i4D ausgestattet, der die Qualität zeitaufgelöster Bilder verbessert, die zur Erfassung der Atembewegung von Patienten mit Lungenkrebs verwendet werden. Normalerweise liefern diese 4D-CT-Scans nur dann genaue Bilder, wenn während der Aufnahmezeit, typischerweise etwa zwei Minuten, regelmäßig geatmet wird, aber das ist bei Patienten mit Lungenerkrankungen selten der Fall.

„Lungenpatienten sind bei der CT oft komplex und problematisch, und ich habe viel Zeit damit verbracht, Scans zu beobachten, um zu beurteilen, ob die Bilder für 4D-Lungenpatienten klinisch geeignet sind“, sagt Horsfield. „Mit diesem intelligenten Algorithmus passen sich die Scanparameter in Echtzeit an die Atmung des Patienten an, was den Radiologen viel mehr Sicherheit bei der Erfassung gibt, wenn das Atemmuster unregelmäßig ist.“

Eine noch größere Zeitersparnis kann durch den Einsatz einer in den CT-Scanner integrierten KI-gestützten Lösung namens DirectORGANS erzielt werden, die die Bilddaten mit einem Deep-Learning-Algorithmus kombiniert, um die kritischen Organe des Patienten automatisch zu konturieren. Solche automatischen Konturen werden für jeden radikalen Patienten erstellt, der in Castle Hill behandelt wird, sodass kein Arzt jede Struktur von Hand zeichnen muss. An überlasteten Behandlungsstellen, etwa im Kopf-Hals-Bereich, kann dies die benötigte Zeit um eine Stunde oder mehr verkürzen. „Für unsere Ärzte ist es von größter Bedeutung, Zeit zu sparen, und Autokonturierung ist eine fantastische Möglichkeit, um sicherzustellen, dass sie einfache Aufgaben nicht für mehrere Patienten wiederholen müssen“, kommentiert Horsfield.

Wichtig ist, dass die Genauigkeit der automatischen Konturen – und damit die Zeitersparnis – von der Qualität der Eingabedaten abhängt. DirectORGANS bietet hier einen entscheidenden Vorteil, da es einen maßgeschneiderten Datensatz aus dem CT-Scan erfasst, der optimiert wurde, um mit dem Deep-Learning-Algorithmus die besten Ergebnisse zu erzielen. „Viele Autokonturierungstools werden in der Cloud gehostet, was bedeutet, dass sie nur Zugriff auf den Scan haben, der für die Bedürfnisse des klinischen Teams konfiguriert wurde“, erklärt Horsfield. „Einer der Gründe, warum uns DirectORGANS gefällt, ist, dass es seine eigene Rekonstruktion durchführt und dabei die Parameter des erfassenden Scanners so einstellt, dass sie mit der Art und Weise übereinstimmen, wie die Organe hergestellt werden sollten.“

Die Software generiert genaue Konturen für viele häufig gefährdete Organe, darunter Lunge, Prostata, Blase und Rückenmarkskanal. Nach der Erstellung überprüft der Arzt des Patienten bei Castle Hill stets die Strukturen, bearbeitet sie nach Bedarf und beschreibt den Tumor manuell. Entscheidend ist, dass der Arzt auch die endgültigen Konturen genehmigen muss, bevor sie für die Behandlungsplanung verwendet werden. „Ein Arzt muss immer noch sicherstellen, dass die von den Algorithmen erzeugten Konturen für den Zweck geeignet sind“, sagt Horsfield. „Wir fordern sie auch auf, Feedback zur Qualität der Organe zu geben, was uns eine gewisse interne Qualitätssicherung bietet.“

Während die erste Version der Software 30 oder 40 vorinstallierte Strukturen enthielt, hat die neueste Version die Abdeckung und Genauigkeit noch weiter verbessert. Ein wichtiger Fortschritt ist beispielsweise die Möglichkeit, die Lymphknotenketten automatisch zu konturieren, was normalerweise eine manuelle und mühsame Aufgabe ist. „Bei Prostatapatienten, bei denen das Risiko einer Knoteninfiltration besteht, müssen sich die Ärzte von der Prostata über das Kreuzbein bis zum Ende der lokalen Lymphknotenkette vorarbeiten“, erklärt Horsfield. „Die automatisierte Konturierung für diese Art von Strukturen wird für sie eine enorme Ersparnis bedeuten, selbst wenn eine Bearbeitung erforderlich ist.“

<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="Wissensbasierte Planung RapidPlan nutzt Modelldaten aus früheren Fällen, um für jeden neuen Patienten einen personalisierten Behandlungsplan zu erstellen. (Mit freundlicher Genehmigung von Siemens Healthineers)“ title=“Klicken Sie hier, um das Bild im Popup zu öffnen“ href=“https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- „physics-world-1.png“>

Mittlerweile sind auch eine Reihe automatisierter Tools in das Behandlungsplanungssystem des Teams, Varians Eclipse, integriert. Eines, das sich für das Castle Hill-Team als besonders nützlich erwiesen hat, ist RapidPlan, eine wissensbasierte Lösung, die ein aus früheren Fällen erstelltes Modell verwendet, um einen personalisierten Behandlungsplan für einen neuen Patienten zu erstellen. „Es ist ein Tool, das uns dabei hilft, zu bestimmen, was für jeden Patienten erreichbar ist, insbesondere bei komplizierteren Fällen, bei denen die Lage der gefährdeten Organe die Abdeckung des Ziels beeinträchtigen könnte“, sagt Horsfield. „Wir haben Klassenlösungen für unsere Behandlungspläne als Ausgangspunkt, aber es ist intelligenter, weil es spezifisch auf die Anatomie jedes Patienten zugeschnitten ist.“

Dieser wissensbasierte Ansatz hat sich insbesondere für neue Mitarbeiter als vorteilhaft erwiesen und auch die Konsistenz und Qualität der erstellten Pläne im gesamten Team verbessert. „Jemand, der seit sechs Monaten bei uns ist, erstellt möglicherweise keinen Plan, der dem gleichen Standard entspricht wie eines unserer erfahreneren Teammitglieder“, sagt Horsfield. „Die Erweiterung ihres Wissens mit diesen intelligenten Tools ermöglicht ihnen den Zugriff auf diese Erfahrung und standardisiert die Qualität der von uns erstellten Pläne.“

<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 als Lösung Carl Horsfield (Mitte) und das Team von Castle Hill haben eine Reihe intelligenter Tools eingesetzt, um den Behandlungsplanungsprozess zu optimieren. (Mit freundlicher Genehmigung von Siemens Healthineers)“ title=“Klicken Sie hier, um das Bild im Popup zu öffnen“ href=“https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- „physics-world-2.png“>

Wie bei jedem maschinellen Lernansatz hängt die Qualität der Vorhersagen von den Trainingsdaten ab, die zur Erstellung des Modells verwendet werden. In Castle Hill hat das Team anhand seiner eigenen Fälle Modelle für vier Behandlungsstellen entwickelt – Lunge, Kopf und Hals, Speiseröhre und Prostata – und mehrere weitere werden derzeit entwickelt, um dem Planungsteam weitere Zeiteinsparungen zu ermöglichen. „Eine der großen Schwierigkeiten bei der Behandlungsplanung besteht darin, zu wissen, wann man aufhören muss“, sagt Horsfield. „RapidPlan gibt Ihnen die Gewissheit, dass Sie eine optimale Lösung für diesen Patienten gefunden haben und dass es weniger Vorteile bringt, zusätzliche Zeit damit zu verbringen, Ihre Entscheidungen zu hinterfragen.“

Das Eclipse-Behandlungsplanungssystem bietet außerdem eine Schnittstelle zum Hinzufügen maßgeschneiderter Tools zum Planungsprozess. Beispielsweise hat das Team von Castle Hill ein automatisiertes Tool zur Erstellung von Optimierungsstrukturen entwickelt, die die vom Behandlungsplanungssystem erzeugten Lösungen einschränken, indem sie bestimmte Bereiche definieren, die nicht mit Strahlung bestrahlt werden sollten. „Wir haben etwa 15 verschiedene Protokolle erstellt, um diese Vermeidungs- und Optimierungsstrukturen zu erstellen“, sagt Horsfield. „Es sind alles einfache Operationen, aber wir haben festgestellt, dass sie bei fast jedem Behandlungsplan manuell durchgeführt werden. Es war wirklich hilfreich, unsere eigenen Tools entwickeln zu können, um unsere Prozesse effizienter zu gestalten.“

Solche Effizienzeinsparungen sind besonders wichtig in einer Zeit, in der Behandlungszentren wie Castle Hill mit den Folgen der COVID-19-Pandemie zu kämpfen haben. Angesichts des enormen Zustroms von Patienten und des Mangels an medizinischem Fachpersonal unterstützen intelligente Tools, die zumindest einen Teil des Behandlungsplanungsprozesses automatisieren können, die laufenden Bemühungen, den Rückstand abzubauen. „Vor COVID bestand unsere Kapazität darin, 40 Pläne pro Woche zu erstellen, und jetzt unternimmt das gesamte Team große Anstrengungen, um diese auf 50 zu erhöhen“, sagt Horsfield. „Jede Effizienz, die wir durch die Automatisierung unserer Prozesse erreichen können, hilft uns, bei unserem Genesungsplan voranzukommen und stellt gleichzeitig sicher, dass wir weiterhin qualitativ hochwertige Pläne für jeden von uns behandelten Patienten erstellen.“

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/