Solusi cerdas menyederhanakan perencanaan perawatan radioterapi – Dunia Fisika

Solusi cerdas menyederhanakan perencanaan perawatan radioterapi – Dunia Fisika

Stempel Waktu: 5 Maret 2024 10

Memperkenalkan alat otomatis ke dalam proses perencanaan perawatan telah memungkinkan tim klinis di Rumah Sakit Castle Hill di Inggris untuk meningkatkan konsistensi sekaligus mencapai penghematan waktu yang signifikan

<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="Cerdas berdasarkan desain Simulator CT di Rumah Sakit Castle Hill di Inggris dilengkapi dengan perangkat lunak pembelajaran mendalam yang secara otomatis menggambarkan organ-organ yang berisiko. (Atas izin: Siemens Healthineers)”>
Kontur otomatis Castle Hill
Cerdas berdasarkan desain Simulator CT di Rumah Sakit Castle Hill di Inggris dilengkapi dengan perangkat lunak pembelajaran mendalam yang secara otomatis menggambarkan organ-organ yang berisiko. (Sumber: Siemens Healthineers)

Solusi perangkat lunak cerdas telah menjadi alat penting bagi tim klinis untuk memberikan perawatan terbaik kepada pasien kanker, terutama mereka yang memerlukan perawatan lebih kompleks dengan menggunakan dosis radiasi yang lebih tinggi. Sistem perangkat lunak dengan kecerdasan buatan bawaan dapat mengotomatiskan tugas yang berulang, meningkatkan informasi yang dapat diambil dari simulator CT, dan memastikan konsistensi perawatan pada semakin banyak kasus.

Di Rumah Sakit Castle Hill di Cottingham, Inggris, yang merawat beberapa ratus pasien setiap bulan dengan enam akselerator liniernya, perangkat lunak cerdas telah diterapkan di seluruh proses perencanaan perawatan. “Kami mencoba memanfaatkan setiap alat yang kami miliki, baik itu pohon keputusan sederhana atau perangkat lunak komersial yang membuat pekerjaan kami lebih mudah dan efisien,” kata Carl Horsfield, fisikawan utama di Hull University Teaching Hospitals NHS Trust. “Seperti kebanyakan pusat perawatan, kami kekurangan staf jika dibandingkan dengan model nasional, dan kami menggunakan perangkat lunak untuk membantu kami memberikan layanan berkualitas tinggi.”

Tepat di awal proses, perangkat lunak otomatis pada simulator CT – the SOMATOM pergi. Buka Pro dari Siemens Healthineers – menjaga sensitivitas gambar dengan memodulasi dosis radiasi agar sesuai dengan ukuran pasien. Pemindai ini juga dilengkapi dengan algoritma cerdas, yang disebut Direct i4D, yang meningkatkan kualitas gambar dengan resolusi waktu yang digunakan untuk menangkap gerakan pernapasan pasien kanker paru-paru. Biasanya CT scan 4D ini hanya menghasilkan gambar yang akurat ketika napas teratur diambil selama waktu perolehan, biasanya sekitar dua menit, namun hal ini jarang terjadi pada pasien dengan kondisi paru-paru.

“Pasien paru-paru seringkali rumit dan bermasalah pada pemeriksaan CT, dan saya telah menghabiskan banyak waktu untuk melakukan pemindaian untuk menilai apakah gambar untuk pasien paru-paru 4D sesuai secara klinis,” kata Horsfield. “Dengan algoritme cerdas ini, parameter pemindaian beradaptasi dengan pernapasan pasien secara real-time, yang membuat radiografer lebih percaya diri dalam memperolehnya ketika pola pernapasan tidak teratur.”

Penghematan waktu yang lebih signifikan dapat dicapai dengan menggunakan solusi bertenaga AI yang tertanam dalam pemindai CT, yang disebut DirectORGANS, yang menggabungkan data gambar dengan algoritme pembelajaran mendalam untuk secara otomatis membentuk kontur organ penting pasien. Kontur otomatis seperti itu dibuat untuk setiap pasien radikal yang dirawat di Castle Hill, sehingga dokter tidak perlu menggambar setiap struktur dengan tangan. Di lokasi perawatan yang padat, seperti kepala dan leher, hal ini dapat mengurangi waktu yang dibutuhkan hingga satu jam atau lebih. “Menghemat waktu bagi dokter kami adalah hal yang terpenting, dan pembuatan kontur otomatis adalah cara yang luar biasa untuk memastikan mereka tidak mengulangi tugas sederhana untuk banyak pasien,” komentar Horsfield.

Yang penting, keakuratan kontur otomatis – dan jumlah waktu yang dapat dihemat – bergantung pada kualitas data masukan. DirectORGANS menawarkan keuntungan utama di sini, karena ia menangkap kumpulan data khusus dari CT scan yang telah dioptimalkan untuk menghasilkan hasil terbaik dari algoritme pembelajaran mendalam. “Banyak alat autocontouring yang dihosting di cloud, artinya alat tersebut hanya memiliki akses ke pemindaian yang telah dikonfigurasi untuk kebutuhan tim klinis,” jelas Horsfield. “Salah satu alasan kami menyukai DirectORGANS adalah karena ia membuat rekonstruksinya sendiri, mengatur parameter pada pemindai yang diperoleh agar sesuai dengan cara pembuatan organ.”

Perangkat lunak ini menghasilkan kontur akurat untuk banyak organ umum yang berisiko, termasuk paru-paru, prostat, kandung kemih, dan saluran tulang belakang. Setelah dibuat, dokter pasien di Castle Hill selalu meninjau strukturnya, mengeditnya sesuai kebutuhan, dan secara manual menggambarkan tumornya. Yang terpenting, dokter juga harus menyetujui rangkaian akhir kontur sebelum digunakan untuk perencanaan perawatan. “Seorang dokter masih perlu memastikan bahwa kontur yang dihasilkan oleh algoritme sesuai dengan tujuannya,” kata Horsfield. “Kami juga meminta mereka untuk memberikan umpan balik mengenai kualitas organ-organ tersebut, yang memberi kami jaminan kualitas internal.”

Meskipun versi awal perangkat lunak ini mencakup 30 atau 40 struktur yang dimuat sebelumnya, rilis terbaru telah meningkatkan cakupan dan akurasi lebih jauh lagi. Salah satu kemajuan penting, misalnya, adalah kemampuan untuk secara otomatis membentuk rantai kelenjar getah bening, yang biasanya merupakan tugas manual dan melelahkan. “Untuk pasien prostat yang memiliki risiko infiltrasi kelenjar getah bening, dokter perlu melakukan upaya mulai dari prostat melintasi sakrum hingga ujung rantai kelenjar getah bening lokal,” jelas Horsfield. “Memiliki pembuatan kontur otomatis untuk struktur semacam itu akan menjadi penghematan besar bagi mereka, bahkan ketika diperlukan beberapa pengeditan.”

<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="Perencanaan berbasis pengetahuan RapidPlan memanfaatkan data model dari kasus-kasus sebelumnya untuk menghasilkan rencana perawatan yang dipersonalisasi untuk setiap pasien baru. (Atas izin: Siemens Healthineers)” title=”Klik untuk membuka gambar dalam popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- fisika-dunia-1.png”>Rencana Cepat
Perencanaan berbasis pengetahuan RapidPlan memanfaatkan data model dari kasus-kasus sebelumnya untuk menghasilkan rencana perawatan yang dipersonalisasi untuk setiap pasien baru. (Sumber: Siemens Healthineers)

Sementara itu, sejumlah alat otomatis juga dibangun ke dalam sistem perencanaan perawatan tim, Varian's Eclipse. Salah satu yang terbukti sangat berguna bagi tim Castle Hill adalah Rencana Cepat, solusi berbasis pengetahuan yang menggunakan model yang dibuat dari kasus-kasus sebelumnya untuk menghasilkan rencana perawatan yang dipersonalisasi untuk pasien baru. “Ini adalah alat yang membantu kami menentukan apa yang dapat dicapai oleh setiap pasien, terutama untuk kasus-kasus yang lebih rumit di mana lokasi organ-organ yang berisiko mungkin mengganggu cakupan target,” kata Horsfield. “Kami memiliki solusi kelas atas untuk rencana perawatan kami sebagai titik awal, namun solusi ini lebih cerdas dari itu karena solusi ini spesifik untuk anatomi setiap pasien.”

Pendekatan berbasis pengetahuan ini terbukti sangat bermanfaat bagi anggota staf baru, dan juga meningkatkan konsistensi dan kualitas rencana yang dihasilkan seluruh tim. “Seseorang yang telah bersama kami selama enam bulan mungkin tidak membuat rencana dengan standar yang sama seperti salah satu anggota tim kami yang lebih berpengalaman,” kata Horsfield. “Menambah pengetahuan mereka dengan alat cerdas ini memungkinkan mereka mengakses pengalaman tersebut dan menstandardisasi kualitas rencana yang kami hasilkan.”

<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="Perangkat lunak sebagai solusinya Carl Horsfield (tengah) dan tim di Castle Hill telah menerapkan serangkaian alat cerdas untuk menyederhanakan proses perencanaan perawatan. (Atas izin: Siemens Healthineers)” title=”Klik untuk membuka gambar dalam popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- fisika-dunia-2.png”>Carl Horsfield dan tim
Perangkat lunak sebagai solusinya Carl Horsfield (tengah) dan tim di Castle Hill telah menerapkan serangkaian alat cerdas untuk menyederhanakan proses perencanaan pengobatan. (Sumber: Siemens Healthineers)

Seperti halnya pendekatan pembelajaran mesin lainnya, kualitas prediksi bergantung pada data pelatihan yang digunakan untuk membuat model. Di Castle Hill, tim telah menggunakan kasusnya sendiri untuk mengembangkan model untuk empat lokasi pengobatan – paru-paru, kepala dan leher, esofagus, dan prostat – dan beberapa model lainnya kini sedang dikembangkan untuk menghemat waktu lebih lanjut bagi tim perencanaan. “Salah satu kesulitan besar dalam perencanaan pengobatan adalah mengetahui kapan harus berhenti,” kata Horsfield. “RapidPlan memberikan jaminan bahwa Anda telah menemukan solusi optimal untuk pasien tersebut, dan tidak ada manfaatnya jika Anda menghabiskan waktu tambahan untuk mempertanyakan pilihan Anda.”

Sistem perencanaan perawatan Eclipse juga menyediakan antarmuka untuk menambahkan alat yang dipesan lebih dahulu ke dalam proses perencanaan. Sebagai contoh, tim di Castle Hill telah menciptakan alat otomatis untuk menciptakan struktur optimasi, yang membatasi solusi yang dihasilkan oleh sistem perencanaan pengobatan dengan menentukan area tertentu yang tidak boleh menjadi sasaran radiasi. “Kami telah membuat sekitar 15 protokol berbeda untuk menciptakan struktur penghindaran dan optimalisasi ini,” kata Horsfield. “Semuanya merupakan operasi sederhana, namun kami menyadari bahwa operasi tersebut dilakukan secara manual untuk hampir setiap rencana perawatan. Sungguh memberdayakan kami untuk dapat menciptakan alat kami sendiri untuk membuat proses kami lebih efisien.”

Penghematan efisiensi seperti ini sangat penting pada saat pusat perawatan seperti Castle Hill sedang menghadapi dampak pandemi COVID-19. Dengan banyaknya pasien yang masuk dan kurangnya tenaga profesional kesehatan, alat cerdas yang dapat mengotomatisasi setidaknya beberapa proses perencanaan perawatan membantu upaya yang sedang berlangsung untuk mengatasi tumpukan pasien. “Kapasitas kami sebelum COVID adalah menghasilkan 40 rencana per minggu, dan sekarang seluruh tim melakukan upaya besar untuk meningkatkannya menjadi 50,” kata Horsfield. “Setiap efisiensi yang dapat kami capai dengan mengotomatiskan proses kami membantu kami mencapai kemajuan dalam rencana pemulihan kami, sekaligus memastikan bahwa kami terus menghasilkan rencana berkualitas tinggi untuk setiap pasien yang kami rawat.”

Stempel Waktu:

Lebih dari Dunia Fisika