Інтелектуальні рішення оптимізують планування променевої терапії – Physics World

Інтелектуальні рішення оптимізують планування променевої терапії – Physics World

Впровадження автоматизованих інструментів у процес планування лікування дозволило клінічній команді британської лікарні Castle Hill підвищити узгодженість, а також досягти значної економії часу

<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="Інтелектуальний за дизайном Симулятори комп’ютерної томографії в лікарні Castle Hill у Великобританії оснащені програмним забезпеченням глибокого навчання, яке автоматично визначає органи ризику. (З дозволу Siemens Healthineers)”>
Автоконтурування Замкової гори
Інтелектуальний за дизайном Симулятори комп’ютерної томографії в лікарні Castle Hill у Великобританії оснащені програмним забезпеченням глибокого навчання, яке автоматично визначає органи ризику. (З дозволу Siemens Healthineers)

Інтелектуальні програмні рішення стали ключовим інструментом для розширених клінічних команд, щоб надавати найкращу можливу допомогу хворим на рак, особливо тим, які потребують більш складного лікування з використанням вищих доз радіації. Системи програмного забезпечення з вбудованим штучним інтелектом можуть автоматизувати повторювані завдання, покращувати інформацію, яку можна витягти з симуляторів КТ, і забезпечувати узгодженість лікування у все більшій кількості випадків.

У лікарні Касл Хілл у Коттінгемі, Великобританія, яка щомісяця лікує кілька сотень пацієнтів за допомогою шести лінійних прискорювачів, інтелектуальне програмне забезпечення було розгорнуто в усьому процесі планування лікування. «Ми намагаємося використовувати всі наявні в нашому розпорядженні інструменти, чи то прості дерева рішень, чи комерційне програмне забезпечення, яке робить нашу роботу легшою та ефективнішою», — каже Карл Хорсфілд, головний фізик Центру навчальних лікарень університету Халла NHS Trust. «Як і в багатьох інших лікувальних центрах, у нас не вистачає персоналу порівняно з національними моделями, і ми використовуємо програмне забезпечення, яке допомагає нам надавати високоякісну допомогу».

Відразу на початку процесу автоматизоване програмне забезпечення на симуляторах КТ – SOMATOM go.Open Pro від Siemens Healthineers – підтримує чутливість зображень, модулюючи дозу випромінювання відповідно до розміру пацієнта. Сканери також оснащені інтелектуальним алгоритмом під назвою Direct i4D, який покращує якість зображень з роздільною здатністю в часі, які використовуються для захоплення дихальних рухів пацієнтів з раком легенів. Зазвичай ці 4D КТ дають точні зображення лише за умови регулярного дихання протягом часу отримання даних, як правило, близько двох хвилин, але це рідко буває у пацієнтів із захворюваннями легенів.

«Легеневі пацієнти часто є складними та проблематичними під час КТ, і я витратив багато часу на сканування, щоб оцінити, чи клінічно придатні зображення для пацієнтів із 4D легенями», — каже Хорсфілд. «Завдяки цьому інтелектуальному алгоритму параметри сканування адаптуються до дихання пацієнта в режимі реального часу, що робить рентгенологів набагато впевненішими в отриманні даних, коли дихання є нерегулярним».

Ще більшої економії часу можна досягти, використовуючи вбудоване в комп’ютерний томограф рішення DirectORGANS на основі штучного інтелекту, яке поєднує дані зображення з алгоритмом глибокого навчання для автоматичного контурування критичних органів пацієнта. Такі автоматичні контури генеруються для кожного радикального пацієнта, який лікується в Castle Hill, уникаючи необхідності клініцисту малювати кожну структуру вручну. У перевантажених місцях лікування, таких як голова та шия, це може скоротити час на годину або більше. «Економія часу для наших клініцистів має першорядне значення, а автоконтурування — це фантастичний спосіб гарантувати, що вони не повторюють прості завдання для кількох пацієнтів», — коментує Хорсфілд.

Важливо, що точність автоматичних контурів – і, отже, кількість часу, який можна заощадити – залежить від якості вхідних даних. DirectORGANS пропонує тут ключову перевагу, оскільки він фіксує індивідуальний набір даних із комп’ютерної томографії, оптимізований для отримання найкращих результатів за допомогою алгоритму глибокого навчання. «Багато інструментів автоконтурування розміщено в хмарі, а це означає, що вони мають доступ лише до сканування, налаштованого для потреб клінічної групи», — пояснює Хорсфілд. «Одна з причин, чому нам подобається DirectORGANS, полягає в тому, що він робить власну реконструкцію, встановлюючи параметри сканера для отримання відповідно до того, як повинні бути створені органи».

Програмне забезпечення створює точні контури для багатьох поширених органів ризику, включаючи легені, простату, сечовий міхур і спинномозковий канал. Після створення клініцист пацієнта в Castle Hill завжди переглядає структури, редагує їх за потреби та вручну окреслює пухлину. Важливо, що клініцист також повинен затвердити остаточний набір контурів, перш ніж вони будуть використовуватися для планування лікування. «Клініцист все одно повинен переконатися, що контури, створені за допомогою алгоритмів, відповідають меті», — каже Хорсфілд. «Ми також спонукаємо їх надати відгук про якість органів, що дає нам певну внутрішню гарантію якості».

У той час як початкова версія програмного забезпечення включала 30 або 40 попередньо завантажених структур, остання версія ще більше покращила охоплення та точність. Одним із ключових досягнень, наприклад, є можливість автоматичного контурування ланцюжків лімфатичних вузлів, що зазвичай виконується вручну та копітко. «Пацієнтам із передміхуровою залозою, де існує ризик вузлової інфільтрації, клініцистам потрібно пройти весь шлях від передміхурової залози через крижову кістку до кінця локального ланцюга лімфатичних вузлів», — пояснює Хорсфілд. «Автоматизоване контурування для таких структур стане для них величезною економією, навіть якщо потрібне деяке редагування».

<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="Планування на основі знань RapidPlan використовує модельні дані з попередніх випадків, щоб створити персоналізований план лікування для кожного нового пацієнта. (З дозволу: Siemens Healthineers)” title=”Натисніть, щоб відкрити зображення у спливаючому вікні” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- physics-world-1.png”>RapidPlan

Тим часом низка автоматизованих інструментів також вбудована в систему планування лікування, Varian's Eclipse. Один із них виявився особливо корисним для команди Castle Hill RapidPlan, засноване на знаннях рішення, яке використовує модель, створену на основі попередніх випадків, для створення персоналізованого плану лікування для нового пацієнта. «Це інструмент, який допомагає нам визначити, чого можна досягти для кожного пацієнта, особливо у складніших випадках, коли розташування органів ризику може поставити під загрозу охоплення цілі», — каже Хорсфілд. «У нас є класні рішення для наших планів лікування як відправна точка, але це розумніше, ніж це, тому що воно залежить від анатомії кожного пацієнта».

Цей підхід, що ґрунтується на знаннях, виявився особливо корисним для нових співробітників, а також покращив послідовність і якість планів, розроблених у всій команді. «Хтось, хто пропрацював з нами шість місяців, може не створити план такого ж стандарту, як хтось із більш досвідчених членів нашої команди», — каже Хорсфілд. «Збільшення їхніх знань за допомогою цих інтелектуальних інструментів дозволяє їм отримати доступ до цього досвіду та стандартизує якість планів, які ми створюємо».

<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="Програмне забезпечення як рішення Карл Хорсфілд (у центрі) і команда в Castle Hill розгорнули серію інтелектуальних інструментів для спрощення процесу планування лікування. (З дозволу: Siemens Healthineers)” title=”Натисніть, щоб відкрити зображення у спливаючому вікні” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning- physics-world-2.png”>Карл Хорсфілд і команда

Як і в будь-якому підході до машинного навчання, якість прогнозів залежить від навчальних даних, які використовуються для створення моделі. У Castle Hill команда використала власні кейси, щоб розробити моделі для чотирьох ділянок лікування – легенів, голови та шиї, стравоходу та передміхурової залози – а кілька інших зараз розробляються, щоб заощадити час для команди планувальників. «Одна з найбільших труднощів у плануванні лікування полягає в тому, щоб знати, коли зупинитися», — каже Хорсфілд. «RapidPlan забезпечує впевненість у тому, що ви знайшли оптимальне рішення для цього пацієнта, і що немає сенсу витрачати додатковий час на сумніви щодо вашого вибору».

Система планування лікування Eclipse також надає інтерфейс для додавання індивідуальних інструментів до процесу планування. Наприклад, команда Castle Hill створила автоматизований інструмент для створення оптимізаційних структур, які обмежують рішення, створені системою планування лікування, визначаючи конкретні області, які не повинні піддаватися випромінюванню. «Ми створили близько 15 різних протоколів для створення цих структур уникнення та оптимізації», — каже Хорсфілд. «Це всі прості операції, але ми зрозуміли, що вони виконуються вручну майже для кожного плану лікування. Створення власних інструментів для підвищення ефективності наших процесів справді надало сил».

Така економія ефективності є особливо важливою в той час, коли лікувальні центри, такі як Castle Hill, мають справу з наслідками пандемії COVID-19. Зважаючи на величезний приплив пацієнтів і брак медичних працівників, інтелектуальні інструменти, які можуть автоматизувати принаймні частину процесу планування лікування, допомагають постійним зусиллям подолати відставання. «До COVID ми могли створювати 40 планів на тиждень, а зараз уся команда докладає великих зусиль, щоб збільшити їх до 50», — каже Хорсфілд. «Будь-яка ефективність, яку ми можемо досягти завдяки автоматизації наших процесів, допомагає нам досягти успіху у виконанні нашого плану відновлення, а також гарантує, що ми продовжуємо створювати високоякісні плани для кожного пацієнта, якого ми лікуємо».

Часова мітка:

Більше від Світ фізики