智能解决方案简化放射治疗计划 – 物理世界

<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="智能化设计 英国城堡山医院的 CT 模拟器配备了深度学习软件，可以自动描绘有风险的器官。 （由西门子医疗提供）”>

智能软件解决方案已成为紧张的临床团队为癌症患者提供最佳护理的重要工具，特别是那些需要使用更高辐射剂量的更复杂治疗的患者。内置人工智能的软件系统可以自动执行重复性任务，增强从 CT 模拟器中提取的信息，并确保在越来越多的病例中提供护理的一致性。

英国科廷厄姆的城堡山医院每月使用六台直线加速器治疗数百名患者，在整个治疗计划流程中部署了智能软件。 “我们尝试利用我们可以使用的所有工具，无论是简单的决策树还是商业软件，让我们的工作变得更轻松、更高效，”赫尔大学教学医院 NHS 信托基金会的首席物理学家 Carl Horsfield 说道。 “与许多治疗中心一样，与国家模式相比，我们缺乏人员，我们使用软件来帮助我们提供高质量的护理。”

在流程开始时，CT 模拟器上的自动化软件 – SOMATOM go.Open Pro 来自西门子 Healthineers – 通过调节辐射剂量以匹配患者的体型来保持图像的灵敏度。扫描仪还配备了一种名为 Direct i4D 的智能算法，可提高用于捕获肺癌患者呼吸运动的时间分辨图像的质量。通常，这些 4D CT 扫描只有在采集期间（通常约为两分钟）定期呼吸时才能产生准确的图像，但对于患有肺部疾病的患者来说，这种情况很少见。

“肺部患者在 CT 上通常情况复杂且存在问题，我花费了大量时间进行扫描，以评估 4D 肺部患者的图像是否适合临床，”Horsfield 说。 “通过这种智能算法，扫描参数可以实时适应患者的呼吸，这使得放射技师在呼吸模式不规则时对采集更有信心。”

通过使用 CT 扫描仪中嵌入的人工智能解决方案（称为 DirectORGANS），可以节省更多时间，该解决方案将图像数据与深度学习算法相结合，自动绘制患者关键器官的轮廓。这种自动轮廓是为每一位在 Castle Hill 接受治疗的根治性患者生成的，从而避免了临床医生手工绘制每个结构的需要。在头部和颈部等拥挤的治疗部位，这可以减少一个小时或更长时间。 “为我们的临床医生节省时间至关重要，自动轮廓是确保他们不会为多个患者重复简单任务的绝佳方法，”霍斯菲尔德评论道。

重要的是，自动轮廓的准确性以及因此可以节省的时间取决于输入数据的质量。 DirectORGANS 在这里提供了一个关键优势，因为它从 CT 扫描中捕获定制数据集，该数据集经过优化，可通过深度学习算法生成最佳结果。 “许多自动轮廓工具都托管在云端，这意味着它们只能访问根据临床团队的需求配置的扫描，”霍斯菲尔德解释道。 “我们喜欢 DirectORGANS 的原因之一是它可以自行重建，在采集扫描仪上设置参数以匹配器官的制作方式。”

该软件可以为许多常见的危险器官生成准确的轮廓，包括肺、前列腺、膀胱和椎管。创建完成后，Castle Hill 的患者临床医生总是会检查结构，根据需要对其进行编辑，并手动描绘肿瘤。至关重要的是，临床医生还必须在将最终轮廓集用于治疗计划之前批准它们。 “临床医生仍然需要确保算法生成的轮廓符合目的，”霍斯菲尔德说。 “我们还促使他们提供有关器官质量的反馈，这为我们提供了一些内部质量保证。”

虽然该软件的初始版本包含 30 或 40 个预加载结构，但最新版本进一步提高了覆盖范围和准确性。例如，一个关键的进步是能够自动绘制淋巴结链的轮廓，这通常是一项手动且艰苦的任务。 “对于存在淋巴结浸润风险的前列腺患者，临床医生需要从前列腺穿过骶骨一直到局部淋巴结链的末端，”霍斯菲尔德解释道。 “即使在需要进行一些编辑的情况下，对此类结构进行自动轮廓绘制也将为他们节省大量成本。”

<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="基于知识的规划 RapidPlan 利用先前病例的模型数据为每位新患者生成个性化治疗计划。 （由西门子 Healthineers 提供）” title=”点击在弹出窗口中打开图像” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-物理世界-1.png”>

同时，团队的治疗计划系统Varian's Eclipse中还内置了许多自动化工具。事实证明，对 Castle Hill 团队特别有用的是 快速计划，一种基于知识的解决方案，使用根据以前的病例创建的模型为新患者生成个性化的治疗计划。 “这是一个工具，可以帮助我们确定每个患者可以实现的目标，特别是对于危险器官的位置可能会影响目标覆盖范围的更复杂的病例，”霍斯菲尔德说。 “我们的治疗计划有类解决方案作为起点，但它比这更聪明，因为它针对每个患者的解剖结构。”

事实证明，这种基于知识的方法对新员工特别有益，并且还提高了整个团队制定的计划的一致性和质量。 “在我们这里工作了六个月的人可能无法制定与我们更有经验的团队成员相同标准的计划，”霍斯菲尔德说。 “通过这些智能工具丰富他们的知识，使他们能够获得这些经验，并使我们制定的计划的质量标准化。”

<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="软件作为解决方案 Carl Horsfield（中）和 Castle Hill 的团队部署了一系列智能工具来简化治疗计划流程。 （由西门子 Healthineers 提供）” title=”点击在弹出窗口中打开图像” href=”https://platoblockchain.com/wp-content/uploads/2024/03/intelligent-solutions-streamline-radiotherapy-treatment-planning-物理世界-2.png”>

与任何机器学习方法一样，预测的质量取决于用于创建模型的训练数据。在 Castle Hill，该团队利用自己的病例开发了四个治疗部位的模型——肺、头颈、食道和前列腺——目前正在开发其他几个模型，以进一步节省规划团队的时间。 “治疗计划的一大困难是知道何时停止，”霍斯菲尔德说。 “RapidPlan 可以让您放心，您已经找到了适合该患者的最佳解决方案，并且花费额外的时间质疑您的选择并没有什么好处。”

Eclipse 治疗计划系统还提供了一个界面，用于将定制工具添加到计划流程中。例如，Castle Hill 的团队创建了一个用于创建优化结构的自动化工具，该工具通过定义不应作为辐射目标的特定区域来限制治疗计划系统产生的解决方案。 “我们制定了大约 15 种不同的协议来创建这些避免和优化结构，”Horsfield 说。 “它们都是简单的操作，但我们意识到几乎每个治疗计划都是手动完成的。能够创建我们自己的工具来提高我们的流程效率，这真的是一种鼓舞。”

在 Castle Hill 等治疗中心正在应对 COVID-19 大流行的影响之际，这种效率节省尤其重要。随着患者大量涌入和医疗保健专业人员短缺，能够自动化至少部分治疗计划流程的智能工具正在帮助持续努力解决积压的问题。 “在新冠疫情爆发之前，我们的产能是每周制定 40 个计划，现在整个团队正在大力推动将其增加到 50 个，”霍斯菲尔德说。 “我们通过流程自动化实现的每一项效率都有助于我们在康复计划方面取得进展，同时也确保我们继续为我们治疗的每位患者制定高质量的计划。”

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/