Arukad lahendused muudavad kiiritusravi planeerimise sujuvamaks – 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="Disainilt intelligentne Ühendkuningriigi Castle Hilli haigla CT-simulaatorid on varustatud süvaõppe tarkvaraga, mis määratleb automaatselt ohustatud elundid. (Viisakalt: Siemens Healthineers)”>

Arukad tarkvaralahendused on muutunud venitatud kliiniliste meeskondade jaoks ülioluliseks tööriistaks, et pakkuda parimat võimalikku ravi vähipatsientidele, eriti neile, kes vajavad keerukamat ravi, kasutades suuremaid kiirgusdoose. Sisseehitatud tehisintellektiga tarkvarasüsteemid võivad automatiseerida korduvaid ülesandeid, täiustada CT-simulaatoritest eraldatavat teavet ja tagada hoolduse järjepidevuse üha suuremal arvul juhtudel.

Ühendkuningriigis Cottinghamis asuvas Castle Hilli haiglas, kus ravitakse kuue lineaarse kiirendiga iga kuu mitusada patsienti, on kogu ravi planeerimise protsessis kasutusele võetud intelligentne tarkvara. "Püüame kasutada kõiki meie käsutuses olevaid tööriistu, olgu need siis lihtsad otsustuspuud või kommertstarkvara, mis muudab meie töö lihtsamaks ja tõhusamaks," ütleb Carl Horsfield, Hull University Teaching Hospitals NHS Trusti peafüüsik. "Nagu paljudes ravikeskustes, napib meil riiklike mudelitega võrreldes töötajaid ja kasutame kvaliteetset ravi osutamiseks tarkvara."

Kohe protsessi alguses CT simulaatorite automatiseeritud tarkvara – SOMATOM go.Open Pro Siemens Healthineersilt – säilitab piltide tundlikkuse, moduleerides kiirgusdoosi vastavalt patsiendi suurusele. Skannerid on varustatud ka nutika algoritmiga Direct i4D, mis parandab ajaliselt lahendatud piltide kvaliteeti, mida kasutatakse kopsuvähiga patsientide hingamisliikumise jäädvustamiseks. Tavaliselt annavad need 4D CT-skaneeringud täpseid pilte ainult siis, kui kogumise ajal hingatakse regulaarselt, tavaliselt umbes kaks minutit, kuid kopsuhaigustega patsientide puhul on see harva nii.

"Kopsuhaiged on CT-s sageli keerulised ja problemaatilised ning olen kulutanud palju aega skaneerimisel, et hinnata, kas 4D-kopsuhaigete kujutised on kliiniliselt sobivad, " ütleb Horsfield. "Selle nutika algoritmi abil kohanduvad skaneerimisparameetrid patsiendi hingamisega reaalajas, mis muudab radiograafid märksa enesekindlamaks, kui hingamismuster on ebaregulaarne."

Veelgi olulisemat aja kokkuhoidu on võimalik saavutada, kui kasutate CT-skannerisse integreeritud tehisintellektil töötavat lahendust nimega DirectORGANS, mis ühendab pildiandmed süvaõppe algoritmiga, et automaatselt kontuurida patsiendi kriitilised elundid. Sellised automaatsed kontuurid luuakse igale Castle Hillis ravitavale radikaalsele patsiendile, vältides vajadust, et arst peaks iga struktuuri käsitsi joonistama. Ülekoormatud ravikohtades, nagu pea ja kael, võib see aega vähendada tunni või enama võrra. "Meie arstide aja kokkuhoid on ülimalt tähtis ja autokontuurimine on suurepärane viis tagada, et nad ei kordaks lihtsaid ülesandeid mitme patsiendi jaoks," kommenteerib Horsfield.

Oluline on see, et automaatsete kontuuride täpsus – ja seega ka säästtav aeg – sõltub sisendandmete kvaliteedist. DirectORGANS pakub siin peamist eelist, kuna see kogub CT-skaneerimisest spetsiaalselt kohandatud andmekogumi, mis on optimeeritud süvaõppe algoritmi parimate tulemuste saamiseks. "Paljud autokontuurimise tööriistad on majutatud pilves, mis tähendab, et neil on juurdepääs ainult skannimisele, mis on konfigureeritud kliinilise meeskonna vajaduste jaoks, " selgitab Horsfield. "Üks põhjusi, miks meile DirectORGANS meeldib, on see, et see teeb oma rekonstrueerimise, seadistades hankiva skanneri parameetrid nii, et need vastaksid elundite valmistamise viisile."

Tarkvara loob täpsed kontuurid paljudele tavalistele riskiorganitele, sealhulgas kopsudele, eesnäärmele, põiele ja seljaaju kanalile. Pärast loomist vaatab Castle Hilli patsiendi arst alati struktuurid üle, muudab neid vastavalt vajadusele ja määratleb kasvaja käsitsi. Ülioluline on see, et arst peab kinnitama ka lõpliku kontuuride komplekti, enne kui neid kasutatakse ravi planeerimisel. "Kliinik peab ikkagi veenduma, et algoritmide loodud kontuurid on otstarbekohased, " ütleb Horsfield. "Samuti palume neil anda tagasisidet elundite kvaliteedi kohta, mis annab meile sisemise kvaliteeditagatise."

Kui tarkvara esialgne versioon sisaldas 30 või 40 eellaaditud struktuuri, siis uusim versioon on katvust ja täpsust veelgi parandanud. Näiteks üks peamisi edusamme on võimalus lümfisõlmede ahelaid automaatselt kontuurida, mis on tavaliselt käsitsi ja vaevarikas ülesanne. "Eesnäärmepatsientide puhul, kellel on sõlmede infiltratsiooni oht, peavad arstid töötama kogu tee eesnäärmest üle ristluu kuni kohaliku lümfisõlmede ahela lõpuni," selgitab Horsfield. "Selliste struktuuride automaatne kontuurimine on nende jaoks tohutu säästmine isegi siis, kui on vaja redigeerida."

<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="Teadmistepõhine planeerimine RapidPlan kasutab varasemate juhtumite mudeliandmeid, et luua iga uue patsiendi jaoks isikupärastatud raviplaan. (Visalus: Siemens Healthineers)” title=”Pildi avamiseks hüpikaknas klõpsake” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- physics-world-1.png”>

Samal ajal on meeskonna raviplaneerimissüsteemi Varian's Eclipse sisse ehitatud ka hulk automatiseeritud tööriistu. Üks, mis on Lossimäe meeskonna jaoks eriti kasulikuks osutunud, on RapidPlan, teadmistepõhine lahendus, mis kasutab varasemate juhtumite põhjal loodud mudelit uuele patsiendile personaalse raviplaani koostamiseks. "See on tööriist, mis aitab meil kindlaks teha, mis on iga patsiendi jaoks saavutatav, eriti keerulisematel juhtudel, kui ohustatud elundite asukoht võib sihtmärgi katvust ohustada," ütleb Horsfield. "Meil on meie raviplaanide lähtepunktideks klassilahendused, kuid see on nutikam, kuna see on iga patsiendi anatoomia jaoks spetsiifiline."

Selline teadmistepõhine lähenemine on osutunud eriti kasulikuks uute töötajate jaoks ning parandanud ka kogu meeskonnas koostatud plaanide järjepidevust ja kvaliteeti. "Keegi, kes on olnud meiega kuus kuud, ei pruugi koostada samasugust plaani kui üks meie kogenum meeskonnaliige," ütleb Horsfield. "Nende teadmiste täiendamine nende intelligentsete tööriistadega võimaldab neil juurdepääsu sellele kogemusele ja standardib meie koostatavate plaanide kvaliteeti."

<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="Tarkvara kui lahendus Carl Horsfield (keskel) ja Castle Hilli meeskond on ravi planeerimise protsessi sujuvamaks muutmiseks kasutusele võtnud mitmeid intelligentseid tööriistu. (Visalus: Siemens Healthineers)” title=”Pildi avamiseks hüpikaknas klõpsake” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- physics-world-2.png”>

Nagu iga masinõppe lähenemisviisi puhul, sõltub ennustuste kvaliteet mudeli loomisel kasutatud koolitusandmetest. Castle Hillis on meeskond kasutanud oma juhtumeid nelja ravikoha – kopsu, pea-kaela, söögitoru ja eesnäärme – mudelite väljatöötamiseks ning praegu töötatakse välja mitmeid teisi, et planeerimismeeskonna jaoks veelgi rohkem aega kokku hoida. "Üks suuri raskusi ravi planeerimisel on teadmine, millal lõpetada, " ütleb Horsfield. "RapidPlan annab kindlustunde, et olete selle patsiendi jaoks leidnud optimaalse lahenduse ja et oma valikute küsitlemisele lisaaega kulutamisest on vähem kasu."

Eclipse'i raviplaneerimissüsteem pakub ka liidest, mis võimaldab lisada planeerimisprotsessi spetsiaalselt kohandatud tööriistu. Näiteks on Castle Hilli meeskond loonud automatiseeritud tööriista optimeerimisstruktuuride loomiseks, mis piiravad ravi planeerimise süsteemi poolt toodetud lahendusi, määratledes konkreetsed piirkonnad, mida ei tohiks kiirgusega suunata. "Oleme nende vältimis- ja optimeerimisstruktuuride loomiseks koostanud umbes 15 erinevat protokolli," ütleb Horsfield. „Need on kõik lihtsad toimingud, kuid mõistsime, et peaaegu iga raviplaani puhul tehakse neid käsitsi. See on olnud tõeliselt võimekas, et oleme saanud luua oma tööriistu oma protsesside tõhusamaks muutmiseks.

Selline tõhususe kokkuhoid on eriti oluline ajal, mil ravikeskused, nagu Castle Hill, tegelevad COVID-19 pandeemia tagajärgedega. Patsientide tohutu sissevoolu ja tervishoiutöötajate nappuse tõttu aitavad intelligentsed tööriistad, mis suudavad automatiseerida vähemalt osa ravi planeerimise protsessist, käimasolevatel jõupingutustel mahajäämust kõrvaldada. "Meie suutlikkus enne COVID-i oli koostada 40 plaani nädalas ja nüüd teeb kogu meeskond suure tõuke selle suurendamiseks 50-ni," ütleb Horsfield. "Iga tõhusus, mida saame oma protsesside automatiseerimisega saavutada, aitab meil taastumisplaaniga edasi minna, tagades ühtlasi, et jätkame kvaliteetsete plaanide koostamist iga ravitava patsiendi jaoks."

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/