Интеллектуальные решения упрощают планирование лучевой терапии

<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="Интеллектуальный дизайн КТ-симуляторы в больнице Касл-Хилл в Великобритании оснащены программным обеспечением глубокого обучения, которое автоматически определяет органы, подверженные риску. (Фото предоставлено: Siemens Healthineers)»>

Интеллектуальные программные решения стали важнейшим инструментом для расширенных клинических групп, позволяющим оказывать наилучшую помощь онкологическим больным, особенно тем, которым требуется более сложное лечение с использованием более высоких доз радиации. Программные системы со встроенным искусственным интеллектом могут автоматизировать повторяющиеся задачи, улучшить информацию, которую можно извлечь из компьютерных симуляторов, и обеспечить единообразие оказания помощи во все большем количестве случаев.

В больнице Касл-Хилл в Коттингеме, Великобритания, которая ежемесячно лечит несколько сотен пациентов с помощью шести линейных ускорителей, интеллектуальное программное обеспечение было развернуто на протяжении всего процесса планирования лечения. «Мы стараемся использовать все имеющиеся в нашем распоряжении инструменты, будь то простые деревья решений или коммерческое программное обеспечение, которые делают нашу работу проще и эффективнее», — говорит Карл Хорсфилд, главный физик в Университетских больницах Халла NHS Trust. «Как и во многих лечебных центрах, нам не хватает персонала по сравнению с национальными моделями, и мы используем программное обеспечение, которое помогает нам предоставлять высококачественную помощь».

В самом начале процесса автоматизированное программное обеспечение на компьютерных симуляторах – SOMATOM go.Open Pro от Siemens Healthineers – поддерживает чувствительность изображений, модулируя дозу радиации в соответствии с размером пациента. Сканеры также оснащены интеллектуальным алгоритмом Direct i4D, который улучшает качество изображений с временным разрешением, которые используются для фиксации дыхательного движения пациентов с раком легких. Обычно эти 4D КТ дают точные изображения только при регулярном дыхании во время сбора данных, обычно около двух минут, но это редко случается для пациентов с заболеваниями легких.

«У пациентов с легкими часто возникают сложности и проблемы при КТ, и я потратил много времени на сканирование, чтобы оценить, являются ли изображения для пациентов с легкими в 4D клинически пригодными», — говорит Хорсфилд. «Благодаря этому интеллектуальному алгоритму параметры сканирования адаптируются к дыханию пациента в реальном времени, что делает рентгенологов гораздо более уверенными в получении данных, когда характер дыхания нерегулярный».

Еще более значительной экономии времени можно достичь, используя встроенное в компьютерный томограф решение на базе искусственного интеллекта под названием DirectORGANS, которое объединяет данные изображения с алгоритмом глубокого обучения для автоматического контурирования критически важных органов пациента. Такие автоматические контуры создаются для каждого радикального пациента, проходящего лечение в Касл-Хилл, что избавляет врача от необходимости рисовать каждую структуру вручную. В перегруженных местах лечения, таких как область головы и шеи, это может сократить время, необходимое на час или более. «Экономия времени для наших врачей имеет первостепенное значение, а автоконтурирование — это фантастический способ гарантировать, что они не будут повторять простые задачи для нескольких пациентов», — комментирует Хорсфилд.

Важно отметить, что точность автоматических контуров – а, следовательно, и количество времени, которое можно сэкономить – зависит от качества входных данных. DirectORGANS предлагает здесь ключевое преимущество, поскольку он собирает специальный набор данных компьютерной томографии, оптимизированный для получения наилучших результатов от алгоритма глубокого обучения. «Многие инструменты автоконтурирования размещаются в облаке, а это означает, что они имеют доступ только к сканированию, настроенному для нужд клинической команды», — объясняет Хорсфилд. «Одна из причин, по которой нам нравится DirectORGANS, заключается в том, что он производит собственную реконструкцию, устанавливая параметры сканера, соответствующие тому, как должны быть созданы органы».

Программное обеспечение генерирует точные контуры многих распространенных органов риска, включая легкие, простату, мочевой пузырь и позвоночный канал. После создания врач пациента в Касл-Хилл всегда просматривает структуры, редактирует их по мере необходимости и вручную очерчивает опухоль. Крайне важно, что врач также должен утвердить окончательный набор контуров, прежде чем они будут использоваться для планирования лечения. «Клиницисту по-прежнему необходимо убедиться, что контуры, создаваемые алгоритмами, соответствуют поставленной цели», — говорит Хорсфилд. «Мы также предлагаем им предоставить отзывы о качестве органов, что дает нам некоторую внутреннюю гарантию качества».

Хотя первоначальная версия программного обеспечения включала 30 или 40 предварительно загруженных структур, последняя версия еще больше улучшила охват и точность. Одним из ключевых достижений, например, является возможность автоматического контурирования цепочек лимфатических узлов, что обычно является ручной и кропотливой задачей. «Для пациентов с простатой, у которых существует риск инфильтрации узлов, врачи должны пройти весь путь от простаты через крестец до конца локальной цепочки лимфатических узлов», — объясняет Хорсфилд. «Наличие автоматического контурирования таких структур станет для них огромной экономией, даже в тех случаях, когда потребуется некоторое редактирование».

<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="Планирование, основанное на знаниях RapidPlan использует модельные данные предыдущих случаев для создания индивидуального плана лечения для каждого нового пациента. (Любезно предоставлено: Siemens Healthineers)» title=»Нажмите, чтобы открыть изображение во всплывающем окне» href=»https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- Physics-world-1.png”>

Между тем, ряд автоматизированных инструментов также встроен в систему планирования лечения Varian's Eclipse. Особенно полезным для команды Касл-Хилл оказался РапидПлан, решение, основанное на знаниях, которое использует модель, созданную на основе предыдущих случаев, для создания индивидуального плана лечения для нового пациента. «Это инструмент, который помогает нам определить, чего можно достичь для каждого пациента, особенно в более сложных случаях, когда расположение органов риска может поставить под угрозу охват цели», — говорит Хорсфилд. «У нас есть классные решения для наших планов лечения в качестве отправной точки, но это более разумно, потому что оно специфично для анатомии каждого пациента».

Этот основанный на знаниях подход оказался особенно полезным для новых сотрудников, а также повысил согласованность и качество планов, разрабатываемых всей командой. «Тот, кто проработал с нами шесть месяцев, возможно, не сможет составить план того же стандарта, что и один из более опытных членов нашей команды», — говорит Хорсфилд. «Расширение своих знаний с помощью этих интеллектуальных инструментов позволяет им получить доступ к этому опыту и стандартизирует качество планов, которые мы создаем».

<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="Программное обеспечение как решение Карл Хорсфилд (в центре) и команда Касл-Хилл внедрили ряд интеллектуальных инструментов для оптимизации процесса планирования лечения. (Любезно предоставлено: Siemens Healthineers)» title=»Нажмите, чтобы открыть изображение во всплывающем окне» href=»https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- Physics-world-2.png»>

Как и в любом подходе машинного обучения, качество прогнозов зависит от обучающих данных, используемых для создания модели. В Касл-Хилле команда использовала свои собственные случаи для разработки моделей для четырех участков лечения: легких, головы и шеи, пищевода и простаты, а еще несколько других в настоящее время разрабатываются, чтобы обеспечить дополнительную экономию времени для группы планирования. «Одна из самых больших трудностей при планировании лечения — это знать, когда остановиться», — говорит Хорсфилд. «RapidPlan дает уверенность в том, что вы нашли оптимальное решение для этого пациента и что нет смысла тратить дополнительное время на размышления о своем выборе».

Система планирования лечения Eclipse также предоставляет интерфейс для добавления индивидуальных инструментов в процесс планирования. Например, команда в Касл-Хилл создала автоматизированный инструмент для создания структур оптимизации, которые ограничивают решения, принимаемые системой планирования лечения, путем определения конкретных областей, на которые не следует воздействовать радиацией. «Мы создали около 15 различных протоколов для создания структур предотвращения и оптимизации», — говорит Хорсфилд. «Все это простые операции, но мы поняли, что почти для каждого плана лечения они выполняются вручную. Возможность создавать собственные инструменты для повышения эффективности наших процессов очень воодушевила нас».

Такая экономия за счет повышения эффективности особенно важна в то время, когда лечебные центры, такие как Касл-Хилл, сталкиваются с последствиями пандемии COVID-19. В условиях огромного притока пациентов и нехватки медицинских работников интеллектуальные инструменты, которые могут автоматизировать хотя бы часть процесса планирования лечения, помогают постоянным усилиям по преодолению накопившихся задолженностей. «До COVID наша способность заключалась в создании 40 планов в неделю, а теперь вся команда прилагает большие усилия, чтобы увеличить это число до 50», — говорит Хорсфилд. «Каждая эффективность, которую мы можем достичь за счет автоматизации наших процессов, помогает нам добиться прогресса в выполнении нашего плана восстановления, а также гарантирует, что мы продолжаем создавать высококачественные планы для каждого пациента, которого мы лечим».

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/