آزمایشگاههای RaySearch و مشتریان بالینی آن در حال استفاده از پیشرفتها در یادگیری ماشینی هستند تا روند کار رادیوتراپی را دوباره تصور کنند.
فنآوریهای یادگیری ماشینی موجی از نوآوری و تحول مبتنی بر دادهها را در انکولوژی تشعشع به راه میاندازند، که باعث بهبود عملکرد مرحلهای در اتوماسیون، کارایی گردش کار و ثبات درمان - هم برای کلینیکهای فردی و هم در سراسر سیستمهای مراقبت بهداشتی چند مرکزی میشود. با نوشتن بزرگ، بازی پایانی سرطان شناسی مبتنی بر داده بیانگر یک روایت قانع کننده است - روایتی که با جزئیات برای بازدیدکنندگان از غرفه توضیح داده خواهد شد. آزمایشگاه های RaySearch، شرکت نرم افزار انکولوژی مستقر در استکهلم، در کنگره سالانه انجمن اروپایی رادیوتراپی و انکولوژی (ESTRO) در وین، اتریش، اواخر این هفته.
فردریک لوفمن، مدیر یادگیری ماشین در RaySearch توضیح میدهد: «همکاری بالینی و اعتبارسنجی مدل برای استقرار موفقیتآمیز یادگیری ماشین در برنامهریزی، ارائه و مدیریت برنامههای درمان پرتودرمانی ضروری است. چیزی که لوفمن به طور خاص به آن اشاره میکند، جمعآوری و تجمیع دادهها در مقیاس برای توسعه مدل از پایگاه کاربران بینالمللی RaySearch است، در حالی که همکاری نزدیک با متخصصان بالینی در کارهایی مانند غنیسازی دادهها و مدیریت دادهها برای اطمینان از اعتبارسنجی قوی مدلهای یادگیری ماشینی است. برای گل سرسبد فروشنده سیستم برنامه ریزی درمان RayStation (TPS)
بخش جلویی و مرکزی نقشه راه نوآوری RayStation، تقسیمبندی خودکار یادگیری عمیق (DLS) و اتوماسیون مبتنی بر یادگیری عمیق در برنامهریزی درمان است. لوفمن میافزاید: «اولویت کار با فیزیکدانان پزشکی و انکولوژیستهای تشعشعی برای بهبود، بهینهسازی و تعمیم مدلهای یادگیری ماشینی در RayStation در طول چرخه زندگی آنها است. در نهایت، این کلینیکها هستند که ارزیابی واقعی و اعتبار یادگیری ماشینی را که از نظر کیفیت درمان و نتایج بیمار اندازهگیری میشود، ارائه میکنند.
تقسیم بندی ساده
این فرآیند اعتبار سنجی بالینی در حال حاضر به خوبی در حال انجام است - و در حال تسریع است. گسترش تجاری و مسیر بالینی DLS را در نظر بگیرید، با تعداد فزایندهای از مراکز درمانی که به سرعت پذیرش بالینی کاتالوگ مدلهای DLS RayStation را برای تقسیمبندی خودکار نشانههای بیماریهای مختلف در سر و گردن/مغز، قفسه سینه و سینه دنبال میکنند. ، شکم و لگن - در برخی موارد، در مقایسه با روش های دستی یا نیمه اتوماتیک، زمان صرف شده برای کانتورینگ بیمار را تا 75 درصد کاهش می دهد.
به زبان ساده، عملکرد DLS RayStation - آموزش دیده و تایید شده بر روی مجموعه داده های بیمار در مقیاس بزرگ - به طور خودکار خطوطی از ساختارهای حیاتی را در محیط نزدیک تومور ایجاد می کند. سپس تیمهای بالینی میتوانند به منظور بهینهسازی کنترل تومور و کاهش سمیت پرتو، تقسیمبندی را بررسی و تنظیم کنند.
سال گذشته، یک مطالعه موردی در این زمینه شاهد بود آموزش، اعتبار سنجی و اجرای بالینی مدل های RayStation DLS برای رادیوتراپی سرطان پستان موضعی – همکاری بین RaySearch، بیمارستان St Olavs (تروندهایم، نروژ) و بیمارستان Ålesund (Ålesund، نروژ). تیم مشترک مدلهای DLS را برای 18 ساختار (از جمله غدد لنفاوی پستان) در 170 مورد سرطان پستان در سمت چپ آموزش دادند. 30 مورد بیمار دیگر برای اعتبار سنجی استفاده شد. بر اساس دو ماه اول تجربه بالینی، مراکز درمانی زمان کل تعیین خط را از تقریباً یک ساعت به 15 دقیقه برای هر بیمار کاهش دادند، در حالی که مدلهای DLS از نظر سازگاری و استانداردسازی کانتورینگ، از روشهای تقسیمبندی دستی نیز بهتر عمل کردند.
لوفمن توضیح میدهد: «روششناسی DLS، الگوریتمها و «زیرساخت» بخشی جداییناپذیر از RayStation هستند. به این ترتیب، DLS یک توسعه طبیعی از TPS و مدلسازی بیماران است، با دادههای بیمار همیشه در RayStation باقی میماند و کاربران نیازی به صادرات دادههای تصویر و وارد کردن نتایج ندارند. علاوه بر این، کاتالوگ DLS با انتشار هر مدل در حال رشد است و در نهایت همه مکانهای اصلی بیماری را برای درمان رادیوتراپی پوشش میدهد. برای مثال، یک مدل پروستات تقویتشده در ماه ژوئن فعال میشود، در حالی که مدلهای غدد لنفاوی سر و گردن یکی دیگر از اولویتهای توسعه امسال است.
افق برنامه ریزی
در پایین دست از DLS در جریان کار RayStation، لوفمن و تیم بین رشتهای او - 20 دانشمند و مهندس که در زیرگروههای برنامهریزی، تصویربرداری و تجزیه و تحلیل تقسیم شدهاند - همچنین در حال پیشبرد بالینی اتوماسیون مبتنی بر یادگیری عمیق در برنامهریزی درمان هستند. در اینجا، مدلهای یادگیری ماشینی RayStation برای پیشبینی و بهینهسازی دوز فضایی سهبعدی، با استراتژیهای داخلی برای تولید خودکار مجموعهای از طرحهای درمانی قابل تحویل در روشهای کلیدی، از جمله رادیوتراپی تعدیلشده با شدت (IMRT)، درمان قوس مدولهشده حجمی (VMAT) استفاده میشوند. ) توموتراپی حلزونی و سیستم های درمانی اسکن پرتو مدادی.
از نظر عملیاتی، مقایسه سریع آن برنامههای کاندید با انتخاب طرح بهینه برای هر بیمار از نظر پوشش تومور، سازگاری و حفظ بافت دنبال میشود. به این ترتیب، تیم انکولوژی پرتوشناسی میتواند به سرعت برنامههای مربوط به هر بیمار را بررسی کند، مناسبترین را انتخاب کند و سپس در صورت نیاز (بهطور خودکار، نیمه خودکار یا دستی) آن را تنظیم کند.
لوفمن توضیح میدهد: «ما در حال حاضر بیش از دهها مرکز داریم که از برنامهریزی درمانی مبتنی بر یادگیری عمیق RayStation به صورت منظم استفاده میکنند - در زمان و تلاش زیادی در این فرآیند صرفهجویی میشود. ما با همکاری با مشتریان خود، ثابت کردهایم که فناوری یادگیری عمیق، برنامههای قوی و باکیفیت را بهطور خودکار ارائه میکند - هم برای سیستمهای درمان فوتون و پروتون و هم برای طیف وسیعی از مکانهای بیماری که شامل پروستات، ریه، سینه، سر و گردن و رکتوم میشوند. "
RaySearch به نوبه خود، برای پیکربندی مدلهای برنامهریزی یادگیری عمیق بر اساس پروتکلهای درمانی محلی و اولویتهای بالینی، از نزدیک با کاربران نهایی کار میکند، در حالی که استقرار در گردش کار رادیوتراپی یک فرآیند چند مرحلهای است که برای سادهسازی مسیر ترجمه بالینی طراحی شده است. در وهله اول، مهندسان RaySearch مدل را قبل از انتشار (ترکیبی از ارزیابی کمی و کیفی) تأیید میکنند و دامنه مدل و محدودیتهای متعاقباً با مشتریان به اشتراک گذاشته میشود. پس از آن کلینیک مدل را (ارزیابی عملکرد آن بر اساس دادههای محلی) را قبل از تایید و اجرای زنده در زنجیره درمان رادیوتراپی راهاندازی میکند.
لوفمن خاطرنشان می کند: «در نظر گرفتن چرخه زندگی کامل مدل های یادگیری عمیق بالینی ضروری است. به عنوان مثال، در حال حاضر، ما با شرکای کلیدی بالینی برای شروع یک برنامه ارزیابی سیستماتیک با نگاهی به عملکرد مدل در طول زمان همکاری می کنیم.
در همین حال، نمایندگانی که در نمایشگاه ESTRO شرکت میکنند، میتوانند آخرین نوآوریهای RayStation را از نزدیک ببینند - با یک نمایش محصول چشمگیر که جنبه عملیاتی یکپارچهسازی DLS و برنامهریزی مبتنی بر یادگیری عمیق را در یک محیط TPS یکپارچه برجسته میکند. با شروع تصویر CT از یک مورد پروستات، نمایش نشان خواهد داد که چگونه DLS می تواند قطعه بندی تمام ساختارهای حیاتی و پروستات را برای تولید خودکار حجم های مورد نظر سریع ردیابی کند. سپس خروجی DLS با استفاده از یک مدل یادگیری عمیق برای تولید خودکار یک طرح قابل تحویل و با کیفیت بالا، به طور یکپارچه به تنظیم طرح VMAT وارد می شود. لوفمن ادعا می کند: «این یک بازی را تغییر می دهد. DLS و برنامهریزی درمان تقریباً 2 دقیقه طول میکشد و تنها با یک کلیک کاربر شروع به فرآیند میکند.
هوش بالینی
علیرغم تمرکز اصلی بر یادگیری ماشین، لوفمن همچنین بر اهمیت «دادههای بزرگ» بهعنوان توانمندکننده بهترین عملکرد بالینی در انکولوژی پرتو - و بهویژه در دسترس بودن، دسترسی و استانداردسازی دادههای بیمار و گردش کار برای حمایت از درمانهای بهینه و بهبود یافته بیمار تأکید میکند. عواقب. در قلب آن گفتگوی جمعی قرار دارد RayIntelligence، سیستم تجزیه و تحلیل سرطان شناسی مبتنی بر ابر فروشنده، که انبار داده تلفیقی و همچنین ساختار، تبدیل و داشبورد مخزن داده متمرکز حاصل را برای مصرف و تجزیه و تحلیل آسان تر ترکیب می کند.
لوفمن خاطرنشان میکند: «رایاینتلیجنس همه چیز در مورد کمک به کلینیکها است تا دادهمحورتر شوند». به عبارت دیگر: استفاده از دادههای جمعآوریشده در طول «سفر بیمار» برای ارائه مراقبتهای شخصیشده که مبتنی بر شواهد دنیای واقعی است.» او استدلال میکند که شکافی برای این نوع قابلیت ذخیرهسازی داده وجود دارد، به طوری که کاربران میتوانند دادههای بیمار و گردش کار خود را در زمان واقعی تجسم و بررسی کنند تا معیارسنجی، تشخیص موارد دور از دسترس و بهبود مستمر فرآیند را تسهیل کنند.
در دراز مدت، لوفمن همچنین فرصتهایی را برای RayIntelligence میبیند تا زیرساختها و ابزارهای مورد نیاز برای ارزیابی مدلهای یادگیری ماشینی در گروههای بیمار مرتبط را فراهم کند. او نتیجه میگیرد: «نوآوری در یادگیری ماشینی به مجموعههای دادهای در مقیاس بزرگ نیاز دارد که محققان، کلینیکها و صنعت بتوانند به روشی بیطرفانه و نماینده به آن دسترسی داشته باشند. RayIntelligence بلوکهای ساختمان مورد نیاز برای متمرکز کردن – و امکان یادگیری مدلها – از حجم عظیمی از دادههای تولید شده توسط آزمایشهای بالینی چند مرکزی را فراهم میکند.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoAiStream. Web3 Data Intelligence دانش تقویت شده دسترسی به اینجا.
- ضرب کردن آینده با آدرین اشلی. دسترسی به اینجا.
- خرید و فروش سهام در شرکت های PRE-IPO با PREIPO®. دسترسی به اینجا.
- منبع: https://physicsworld.com/a/machine-learning-innovation-in-raystation-prioritizing-speed-automation-efficiency/
- :است
- $UP
- ٪۱۰۰
- 20
- 30
- 3d
- a
- قادر
- درباره ما
- تسریع
- دسترسی
- دسترسی
- در میان
- می افزاید:
- اتخاذ
- پیشرفت
- پس از
- تجمع
- پیش
- الگوریتم
- معرفی
- اجازه دادن
- قبلا
- همچنین
- همیشه
- مقدار
- an
- تحلیل
- علم تجزیه و تحلیل
- و
- دیگر
- تصویب
- تقریبا
- کمان
- هستند
- استدلال می کند
- AS
- ارزیابی
- At
- شرکت کننده
- اتریش
- خودکار
- بطور خودکار
- اتوماسیون
- دسترس پذیری
- پایه
- مستقر
- اساس
- BE
- شدن
- معیار
- بهترین
- میان
- بلاک ها
- هر دو
- بنا
- by
- CAN
- نامزد
- قابلیت های
- اهميت دادن
- مورد
- بررسی موردی
- موارد
- متمرکز
- مراکز
- زنجیر
- ادعای
- کلیک
- درمانگاه
- بالینی
- آزمایش های بالینی
- نزدیک
- نزدیک
- همکاری
- همکاری
- مجموعه
- Collective - Dubai Hills Estate
- ترکیب
- تجاری
- کمیسیون
- شرکت
- مقایسه
- متقاعد کننده
- کنگره
- در نظر بگیرید
- مصرف
- مداوم
- کنترل
- گفتگو
- پوشش
- پوشش
- ایجاد
- بحرانی
- سوزش
- مشتریان
- داده ها
- غنی سازی داده ها
- مجموعه داده ها
- داده محور
- نمایندگان
- ارائه
- ارائه
- تحویل
- مستقر
- گسترش
- طراحی
- جزئیات
- کشف
- پروژه
- مدیر
- مرض
- مختلف
- پایین
- دوجین
- در طی
- هر
- آسان تر
- بهره وری
- تلاش
- توسعه یافته
- را قادر می سازد
- پشت سر هم
- مورد تأیید
- افزایش
- اطمینان حاصل شود
- محیط
- ضروری است
- اروپایی
- ارزیابی
- ارزیابی
- هر
- مدرک
- مثال
- نمایشگاه
- تجربه
- کارشناسان
- توضیح می دهد
- صادرات
- گسترش
- چشم نواز
- تسهیل کردن
- نام خانوادگی
- کشتی دریادار
- تمرکز
- به دنبال
- برای
- از جانب
- کامل
- قابلیت
- تغییر دهنده ی بازی
- شکاف
- تولید می کنند
- تولید
- Go
- در حال رشد
- آیا
- he
- عنوان
- بهداشت و درمان
- قلب
- کمک
- اینجا کلیک نمایید
- با کیفیت بالا
- مشخص کردن
- خود را
- ساعت
- چگونه
- HTTPS
- if
- تصویر
- تصویربرداری
- پیاده سازی
- واردات
- اهمیت
- بهبود
- بهبود
- ارتقاء
- in
- از جمله
- نشانه ها
- فرد
- صنعت
- اطلاعات
- شالوده
- وارد کردن
- ابداع
- نوآوری
- نمونه
- انتگرال
- ادغام
- بین المللی
- به
- موضوع
- ITS
- مشترک
- JPG
- ژوئن
- کلید
- بزرگ
- در مقیاس بزرگ
- بعد
- آخرین
- یاد گرفتن
- یادگیری
- بهره برداری
- چرخه زندگی
- پسندیدن
- محدودیت
- زنده
- محلی
- به دنبال
- دستگاه
- فراگیری ماشین
- اصلی
- مدیریت
- کتابچه راهنمای
- دستی
- حداکثر عرض
- پزشکی
- روش شناسی
- روش
- دقیقه
- مدل
- مدل سازی
- مدل
- ماه
- بیش
- اکثر
- بسیار
- روایت
- طبیعی
- نیاز
- ضروری
- نه
- گره
- نروژ
- یادداشت
- اکنون
- عدد
- of
- on
- ONE
- فقط
- باز کن
- قابل استفاده
- فرصت ها
- بهینه
- بهینه سازی
- بهینه
- گزینه
- or
- سفارش
- دیگر
- ما
- نتایج
- تولید
- روی
- بخش
- همکاری
- شرکای
- مسیر
- بیمار
- pacientes
- کارایی
- شخصی
- فیزیک
- دنیای فیزیک
- انتخاب کنید
- برنامه
- برنامه ریزی
- برنامه
- افلاطون
- هوش داده افلاطون
- PlatoData
- تمرین
- پیش بینی
- تنظیمات
- فشار
- قبلا
- اولویت بندی
- اولویت
- روند
- محصول
- برنامه
- برنامه ها
- پروتکل
- ثابت
- ارائه
- فراهم می کند
- هل دادن
- کیفی
- کیفیت
- کمی
- به سرعت
- رادیوتراپی
- محدوده
- دنیای واقعی
- كاهش دادن
- کاهش
- کاهش
- نظر
- منظم
- آزاد
- مربوط
- باقی مانده
- مخزن
- نماینده
- نشان دهنده
- نیاز
- محققان
- نتیجه
- نتایج
- این فایل نقد می نویسید:
- نقشه راه
- تنومند
- تقریبا
- صرفه جویی کردن
- دانشمندان
- حوزه
- یکپارچه
- دیدن
- می بیند
- تقسیم بندی
- انتخاب
- تنظیم
- مجموعه
- به اشتراک گذاشته شده
- نشان
- به سادگی
- تنها
- سایت
- جامعه
- نرم افزار
- برخی از
- فضایی
- به طور خاص
- سرعت
- صرف
- انشعاب
- حمایت مالی
- راه افتادن
- استراتژی ها
- ساده کردن
- ساختار
- مهاجرت تحصیلی
- متعاقبا
- موفق
- چنین
- مناسب
- پشتیبانی
- سیستم
- سیستم های
- گرفتن
- هدف
- وظایف
- تیم
- تیم ها
- فن آوری
- پیشرفته
- قوانین و مقررات
- که
- La
- مفصل
- شان
- سپس
- آنجا.
- این
- این هفته
- در این سال
- کسانی که
- کوچک
- زمان
- به
- ابزار
- جمع
- thps
- آموزش دیده
- مسیر
- دگرگونی
- ترجمه
- رفتار
- آزمایش های
- دو
- در نهایت
- زیر
- یکپارچه
- بالا
- استفاده
- کاربر
- کاربران
- با استفاده از
- تصدیق
- تایید شده
- اعتبار سنجی
- وسیع
- در مقابل
- بازدید کنندگان
- جلد
- موج
- مسیر..
- we
- هفته
- خوب
- بود
- چی
- که
- در حین
- اراده
- با
- در داخل
- کلمات
- مهاجرت کاری
- با این نسخهها کار
- جهان
- سال
- متورق
- زفیرنت