Soluzioni intelligenti semplificano la pianificazione del trattamento radioterapico – 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="Intelligente per progettazione I simulatori TC del Castle Hill Hospital nel Regno Unito sono dotati di software di deep learning che delinea automaticamente gli organi a rischio. (Per gentile concessione di Siemens Healthineers)”>

Le soluzioni software intelligenti sono diventate uno strumento cruciale per i team clinici impegnati a fornire la migliore assistenza possibile ai pazienti affetti da cancro, in particolare a quelli che richiedono trattamenti più complessi che utilizzano dosi di radiazioni più elevate. I sistemi software con intelligenza artificiale integrata possono automatizzare attività ripetitive, migliorare le informazioni che possono essere estratte dai simulatori TC e garantire la coerenza delle cure in un numero crescente di casi.

Al Castle Hill Hospital di Cottingham, nel Regno Unito, che tratta diverse centinaia di pazienti ogni mese con i suoi sei acceleratori lineari, è stato implementato un software intelligente durante l'intero processo di pianificazione del trattamento. "Cerchiamo di utilizzare ogni strumento a nostra disposizione, che si tratti di semplici alberi decisionali o di software commerciale che rendano il nostro lavoro più semplice ed efficiente", afferma Carl Horsfield, fisico principale dell'NHS Trust dell'Hull University Teaching Hospitals. "Come molti centri di trattamento, siamo a corto di personale rispetto ai modelli nazionali e utilizziamo software che ci aiutano a fornire cure di alta qualità."

Proprio all'inizio del processo, il software automatizzato sui simulatori CT – the SOMATOM go.Open Pro di Siemens Healthineers – mantiene la sensibilità delle immagini modulando la dose di radiazioni per adattarla alla corporatura del paziente. Gli scanner sono inoltre dotati di un algoritmo intelligente, chiamato Direct i4D, che migliora la qualità delle immagini risolte nel tempo utilizzate per catturare il movimento respiratorio dei pazienti con cancro ai polmoni. Normalmente queste scansioni TC 4D producono immagini accurate solo quando vengono effettuati respiri regolari durante il tempo di acquisizione, in genere circa due minuti, ma questo è raramente il caso dei pazienti con patologie polmonari.

"I pazienti polmonari sono spesso complessi e problematici alla TC e ho dedicato molto tempo a eseguire le scansioni per valutare se le immagini per i pazienti polmonari 4D sono clinicamente adatte", afferma Horsfield. "Con questo algoritmo intelligente i parametri di scansione si adattano alla respirazione del paziente in tempo reale, il che rende i tecnici di radiologia molto più sicuri nell'acquisizione quando il modello di respirazione è irregolare."

È possibile ottenere risparmi di tempo ancora più significativi utilizzando una soluzione basata sull’intelligenza artificiale incorporata nello scanner CT, denominata DirectORGANS, che combina i dati dell’immagine con un algoritmo di apprendimento profondo per modellare automaticamente gli organi critici del paziente. Tali contorni automatici vengono generati per ogni paziente radicale trattato a Castle Hill, evitando la necessità per un medico di disegnare a mano ogni struttura. Nelle sedi di trattamento congestionate, come la testa e il collo, ciò può ridurre il tempo impiegato di un'ora o più. "Risparmiare tempo per i nostri medici è fondamentale e l'autocontouring è un modo fantastico per garantire che non ripetano attività semplici per più pazienti", commenta Horsfield.

È importante sottolineare che la precisione dei contorni automatici – e quindi la quantità di tempo che può essere risparmiata – dipende dalla qualità dei dati di input. DirectORGANS offre un vantaggio chiave in questo caso, poiché acquisisce un set di dati su misura dalla scansione TC che è stato ottimizzato per generare i migliori risultati dall’algoritmo di deep learning. "Molti strumenti di autocontouring sono ospitati nel cloud, il che significa che hanno accesso solo alla scansione configurata per le esigenze del team clinico", spiega Horsfield. "Uno dei motivi per cui ci piace DirectORGANS è che effettua la propria ricostruzione, impostando i parametri sullo scanner di acquisizione in modo che corrispondano al modo in cui dovrebbero essere realizzati gli organi."

Il software genera contorni accurati per molti organi comuni a rischio, tra cui il polmone, la prostata, la vescica e il canale spinale. Una volta create, il medico del paziente a Castle Hill esamina sempre le strutture, le modifica secondo necessità e delinea manualmente il tumore. È fondamentale che il medico approvi anche la serie finale di contorni prima che vengano utilizzati per la pianificazione del trattamento. "Un medico deve ancora assicurarsi che i contorni prodotti dagli algoritmi siano adatti allo scopo", afferma Horsfield. "Li sollecitiamo anche a fornire un feedback sulla qualità degli organi, il che ci fornisce una certa garanzia di qualità interna."

Mentre la versione iniziale del software includeva 30 o 40 strutture precaricate, l'ultima versione ha migliorato ulteriormente la copertura e la precisione. Un progresso fondamentale, ad esempio, è la capacità di modellare automaticamente le catene linfonodali, normalmente un compito manuale e scrupoloso. "Per i pazienti con prostata in cui esiste il rischio di infiltrazione linfonodale, i medici devono procedere dalla prostata attraverso l'osso sacro fino alla fine della catena linfonodale locale", spiega Horsfield. "Avere la contornatura automatizzata per questo tipo di strutture rappresenterà per loro un enorme risparmio, anche nell'occasione in cui sono necessarie alcune modifiche."

<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="Pianificazione basata sulla conoscenza RapidPlan sfrutta i dati del modello di casi precedenti per generare un piano di trattamento personalizzato per ogni nuovo paziente. (Per gentile concessione: Siemens Healthineers)” title=”Fare clic per aprire l'immagine nel popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- fisica-mondo-1.png”>

Nel frattempo, una serie di strumenti automatizzati sono integrati anche nel sistema di pianificazione del trattamento del team, Varian's Eclipse. Uno che si è rivelato particolarmente utile per il team di Castle Hill è RapidPlan, una soluzione basata sulla conoscenza che utilizza un modello creato da casi precedenti per generare un piano di trattamento personalizzato per un nuovo paziente. "È uno strumento che ci aiuta a determinare cosa è realizzabile per ciascun paziente, in particolare per i casi più complicati in cui la posizione degli organi a rischio potrebbe compromettere la copertura del bersaglio", afferma Horsfield. "Abbiamo soluzioni di classe per i nostri piani di trattamento come punto di partenza, ma è più intelligente di così perché è specifico per l'anatomia di ciascun paziente."

Questo approccio basato sulla conoscenza si è rivelato particolarmente vantaggioso per i nuovi membri del personale e ha anche migliorato la coerenza e la qualità dei piani prodotti da tutto il team. "Qualcuno che lavora con noi da sei mesi potrebbe non creare un piano dello stesso standard di uno dei membri del nostro team più esperti", afferma Horsfield. “Aumentare le loro conoscenze con questi strumenti intelligenti consente loro di accedere a quell’esperienza e standardizzare la qualità dei piani che produciamo”.

<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="Il software come soluzione Carl Horsfield (al centro) e il team di Castle Hill hanno implementato una serie di strumenti intelligenti per semplificare il processo di pianificazione del trattamento. (Per gentile concessione: Siemens Healthineers)” title=”Fare clic per aprire l'immagine nel popup” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- fisica-mondo-2.png”>

Come con qualsiasi approccio di machine learning, la qualità delle previsioni dipende dai dati di addestramento utilizzati per creare il modello. A Castle Hill il team ha utilizzato i propri casi per sviluppare modelli per quattro siti di trattamento – polmone, testa e collo, esofago e prostata – con molti altri ora in fase di sviluppo per realizzare ulteriori risparmi di tempo per il team di pianificazione. "Una delle maggiori difficoltà nella pianificazione del trattamento è sapere quando fermarsi", afferma Horsfield. "RapidPlan fornisce la certezza di aver trovato una soluzione ottimale per quel paziente e che ci sono meno vantaggi nel dedicare ulteriore tempo a mettere in discussione le proprie scelte."

Il sistema di pianificazione del trattamento Eclipse fornisce inoltre un'interfaccia per aggiungere strumenti personalizzati al processo di pianificazione. Ad esempio, il team di Castle Hill ha creato uno strumento automatizzato per la creazione di strutture di ottimizzazione, che vincolano le soluzioni prodotte dal sistema di pianificazione del trattamento definendo aree particolari che non dovrebbero essere colpite dalle radiazioni. "Abbiamo realizzato circa 15 protocolli diversi per creare queste strutture di evitamento e ottimizzazione", afferma Horsfield. “Sono tutte operazioni semplici, ma ci siamo resi conto che venivano eseguite manualmente per quasi tutti i piani di trattamento. È stato davvero stimolante poter creare i nostri strumenti per rendere i nostri processi più efficienti."

Tali risparmi in termini di efficienza sono particolarmente critici in un momento in cui centri di cura come Castle Hill stanno affrontando le ricadute della pandemia di COVID-19. Con un enorme afflusso di pazienti e una carenza di operatori sanitari, gli strumenti intelligenti in grado di automatizzare almeno parte del processo di pianificazione del trattamento stanno aiutando gli sforzi in corso per smaltire il ritardo. "La nostra capacità prima del COVID era di produrre 40 piani a settimana, e ora l'intero team sta facendo una grande spinta per aumentarli a 50", afferma Horsfield. “Tutta l’efficienza che possiamo ottenere automatizzando i nostri processi ci sta aiutando a fare progressi rispetto al nostro piano di recupero, garantendo allo stesso tempo di continuare a produrre piani di alta qualità per ogni paziente che trattiamo”.

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/