Inteligentne rozwiązania usprawniają planowanie leczenia radioterapią – Świat Fizyki

<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="Inteligentny z założenia Symulatory CT w szpitalu Castle Hill w Wielkiej Brytanii są wyposażone w oprogramowanie do głębokiego uczenia się, które automatycznie określa zagrożone narządy. (Dzięki uprzejmości: Siemens Healthineers)”>

Inteligentne rozwiązania programowe stały się kluczowym narzędziem dla przeciążonych zespołów klinicznych, pozwalającym zapewnić najlepszą możliwą opiekę pacjentom chorym na raka, zwłaszcza tym, którzy wymagają bardziej złożonego leczenia z użyciem wyższych dawek promieniowania. Systemy oprogramowania z wbudowaną sztuczną inteligencją mogą automatyzować powtarzalne zadania, zwiększać ilość informacji, które można uzyskać z symulatorów tomografii komputerowej i zapewniać spójność opieki w coraz większej liczbie przypadków.

W szpitalu Castle Hill w Cottingham w Wielkiej Brytanii, który co miesiąc leczy kilkuset pacjentów za pomocą sześciu akceleratorów liniowych, w całym procesie planowania leczenia wdrożono inteligentne oprogramowanie. „Staramy się wykorzystywać każde narzędzie, jakim dysponujemy, niezależnie od tego, czy są to proste drzewa decyzyjne, czy oprogramowanie komercyjne, które czyni naszą pracę łatwiejszą i wydajniejszą” – mówi Carl Horsfield, główny fizyk w Hull University Teaching Hospitals NHS Trust. „Podobnie jak w wielu ośrodkach terapeutycznych, w porównaniu z modelami krajowymi, brakuje nam personelu, dlatego korzystamy z oprogramowania, które pomaga nam zapewniać opiekę wysokiej jakości”.

Już na początku procesu zautomatyzowane oprogramowanie symulatorów CT – SOMATOM go.Open Pro firmy Siemens Healthineers – utrzymuje czułość obrazów poprzez modulację dawki promieniowania w celu dopasowania do wielkości pacjenta. Skanery są również wyposażone w inteligentny algorytm o nazwie Direct i4D, który poprawia jakość obrazów czasowo-rozdzielczych wykorzystywanych do rejestrowania ruchu oddechowego pacjentów chorych na raka płuc. Zwykle te skany CT 4D dają dokładne obrazy tylko wtedy, gdy w czasie akwizycji wykonywane są regularne oddechy, zwykle około dwóch minut, ale rzadko ma to miejsce w przypadku pacjentów z chorobami płuc.

„Tomografia komputerowa pacjentów z płucami często sprawia wiele problemów i sprawia wiele problemów, dlatego poświęciłem dużo czasu na badanie, aby ocenić, czy obrazy pacjentów z płucami 4D są klinicznie odpowiednie” – mówi Horsfield. „Dzięki temu inteligentnemu algorytmowi parametry skanowania dostosowują się do oddechu pacjenta w czasie rzeczywistym, co sprawia, że ​​radiologowie znacznie pewniej rejestrują obraz, gdy wzór oddechu jest nieregularny”.

Jeszcze większe oszczędności czasu można uzyskać, korzystając z rozwiązania opartego na sztucznej inteligencji wbudowanego w tomograf komputerowy o nazwie DirectORGANS, które łączy dane obrazowe z algorytmem głębokiego uczenia się w celu automatycznego konturowania najważniejszych narządów pacjenta. Takie automatyczne kontury są generowane dla każdego radykalnego pacjenta leczonego w Castle Hill, co pozwala uniknąć konieczności ręcznego rysowania każdej struktury przez klinicystę. W zatłoczonych miejscach leczenia, takich jak głowa i szyja, może to skrócić czas o godzinę lub więcej. „Oszczędność czasu naszych lekarzy jest najważniejsza, a automatyczne konturowanie to fantastyczny sposób, aby mieć pewność, że nie będą oni powtarzać prostych zadań dla wielu pacjentów” – komentuje Horsfield.

Co ważne, dokładność automatycznych konturów – a co za tym idzie ilość czasu, jaką można zaoszczędzić – zależy od jakości danych wejściowych. DirectORGANS oferuje tutaj kluczową zaletę, ponieważ przechwytuje dostosowany zestaw danych z tomografii komputerowej, który został zoptymalizowany pod kątem generowania najlepszych wyników na podstawie algorytmu głębokiego uczenia się. „Wiele narzędzi do automatycznego konturowania jest hostowanych w chmurze, co oznacza, że ​​mają one dostęp tylko do skanu skonfigurowanego na potrzeby zespołu klinicznego” – wyjaśnia Horsfield. „Jednym z powodów, dla których lubimy DirectORGANS, jest to, że dokonuje on własnej rekonstrukcji, ustawiając parametry skanera pobierającego tak, aby odpowiadały sposobowi, w jaki powinny być wykonane narządy”.

Oprogramowanie generuje dokładne kontury wielu często zagrożonych narządów, w tym płuc, prostaty, pęcherza moczowego i kanału kręgowego. Po utworzeniu lekarz pacjenta w Castle Hill zawsze przegląda struktury, w razie potrzeby edytuje je i ręcznie wyznacza guz. Co najważniejsze, lekarz musi także zatwierdzić ostateczny zestaw konturów, zanim zostaną one wykorzystane do planowania leczenia. „Lekarz nadal musi upewnić się, że kontury utworzone przez algorytmy odpowiadają zamierzonemu celowi” – ​​mówi Horsfield. „Prosimy ich również o przekazywanie informacji zwrotnych na temat jakości narządów, co stanowi dla nas wewnętrzną gwarancję jakości”.

Chociaż początkowa wersja oprogramowania zawierała 30 lub 40 wstępnie załadowanych struktur, najnowsza wersja jeszcze bardziej poprawiła zasięg i dokładność. Jednym z kluczowych postępów jest na przykład możliwość automatycznego konturowania łańcuchów węzłów chłonnych, co zwykle jest zadaniem ręcznym i żmudnym. „W przypadku pacjentów z prostatą, u których istnieje ryzyko nacieku węzłów chłonnych, lekarze muszą przejść całą drogę od prostaty przez kość krzyżową do końca lokalnego łańcucha węzłów chłonnych” – wyjaśnia Horsfield. „Posiadanie automatycznego konturowania tego rodzaju konstrukcji będzie dla nich ogromną oszczędnością, nawet w przypadku, gdy wymagana będzie edycja”.

<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="Planowanie oparte na wiedzy RapidPlan wykorzystuje dane modelowe z poprzednich przypadków, aby wygenerować spersonalizowany plan leczenia dla każdego nowego pacjenta. (Dzięki uprzejmości: Siemens Healthineers)” title=”Kliknij, aby otworzyć obraz w wyskakującym okienku” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radioterapia-leczenie-planowanie- świat-fizyki-1.png”>

Tymczasem w systemie planowania leczenia zespołu Varian's Eclipse wbudowanych jest także wiele zautomatyzowanych narzędzi. Szczególnie przydatny dla zespołu Castle Hill jest ten, który okazał się szczególnie przydatny RapidPlan, rozwiązanie oparte na wiedzy, które wykorzystuje model stworzony na podstawie poprzednich przypadków w celu wygenerowania spersonalizowanego planu leczenia dla nowego pacjenta. „To narzędzie pomaga nam określić, co jest możliwe do osiągnięcia w przypadku każdego pacjenta, szczególnie w przypadku bardziej skomplikowanych przypadków, w których lokalizacja zagrożonych narządów może utrudniać pokrycie celu” – mówi Horsfield. „Mamy rozwiązania klasowe dla naszych planów leczenia jako punkty wyjścia, ale jest to mądrzejsze, ponieważ jest specyficzne dla anatomii każdego pacjenta”.

To podejście oparte na wiedzy okazało się szczególnie korzystne dla nowych pracowników, a także poprawiło spójność i jakość planów opracowywanych w całym zespole. „Ktoś, kto jest z nami od sześciu miesięcy, może nie stworzyć planu na tym samym poziomie, co jeden z bardziej doświadczonych członków naszego zespołu” – mówi Horsfield. „Poszerzenie ich wiedzy za pomocą tych inteligentnych narzędzi umożliwia im dostęp do tego doświadczenia i standaryzuje jakość opracowywanych przez nas planów”.

<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="Oprogramowanie jako rozwiązanie Carl Horsfield (w środku) i zespół w Castle Hill wdrożyli szereg inteligentnych narzędzi w celu usprawnienia procesu planowania leczenia. (Dzięki uprzejmości: Siemens Healthineers)” title=”Kliknij, aby otworzyć obraz w wyskakującym okienku” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radioterapia-leczenie-planowanie- świat-fizyki-2.png”>

Podobnie jak w przypadku każdego podejścia do uczenia maszynowego, jakość prognoz zależy od danych szkoleniowych użytych do utworzenia modelu. W Castle Hill zespół wykorzystał własne przypadki do opracowania modeli dla czterech miejsc leczenia – płuc, głowy i szyi, przełyku i prostaty – a kilka innych jest obecnie opracowywanych, aby zapewnić zespołowi planującemu dalsze oszczędności czasu. „Jedną z największych trudności w planowaniu leczenia jest wiedza, kiedy przestać” – mówi Horsfield. „RapidPlan daje pewność, że znalazłeś optymalne rozwiązanie dla danego pacjenta i że spędzanie dodatkowego czasu na kwestionowaniu swoich wyborów przynosi mniejsze korzyści”.

System planowania leczenia Eclipse zapewnia również interfejs umożliwiający dodawanie niestandardowych narzędzi do procesu planowania. Przykładowo zespół w Castle Hill stworzył zautomatyzowane narzędzie do tworzenia struktur optymalizacyjnych, które ograniczają rozwiązania generowane przez system planowania leczenia poprzez określenie konkretnych obszarów, które nie powinny być napromieniane. „Stworzyliśmy około 15 różnych protokołów, aby stworzyć struktury unikania i optymalizacji” – mówi Horsfield. „Wszystkie są to proste operacje, ale zdaliśmy sobie sprawę, że niemal w każdym planie leczenia wykonywano je ręcznie. Możliwość tworzenia własnych narzędzi zwiększających efektywność naszych procesów naprawdę dodała nam sił”.

Takie oszczędności w zakresie wydajności są szczególnie istotne w czasie, gdy ośrodki lecznicze takie jak Castle Hill zmagają się ze skutkami pandemii Covid-19. W obliczu ogromnego napływu pacjentów i niedoboru personelu medycznego inteligentne narzędzia, które mogą zautomatyzować przynajmniej część procesu planowania leczenia, pomagają w bieżących wysiłkach nadrabiania zaległości. „Nasza zdolność przed pandemią wynosiła 40 planów tygodniowo, a teraz cały zespół stara się zwiększyć tę liczbę do 50” – mówi Horsfield. „Każda wydajność, jaką możemy osiągnąć dzięki automatyzacji naszych procesów, pomaga nam w realizacji naszego planu powrotu do zdrowia, a jednocześnie gwarantuje, że w dalszym ciągu będziemy opracowywać wysokiej jakości plany dla każdego leczonego przez nas pacjenta”.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/