方法文章

放射治疗计划助手——一种支持资源有限诊所实现高质量放疗的基于网络的工具

2.5K 次观看

⸱

DOI：

10.3791/65504

⸱

2023年10月6日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1The University of Texas MD Anderson Cancer Center, 2Guy’s and St. Thomas’ Hospital, 3Groote Schuur Hospital and University of Cape Town, 4University of Alabama at Birmingham, 5Tygerberg Hospital and Stellenbosch University, 6Ocean Road Cancer Institute, 7University of the Free State, 8University of California-San Francisco, 9University Hospitals Plymouth NHS Trust, 10Stanford University

本文内容

摘要

本方案介绍了一系列专为高质量放射治疗自动勾画和自动计划设计的自动化工具，这些工具正被整合为基于网络的服务，以在最大限度提高鲁棒性和可扩展性的同时，降低运营成本。

摘要

全球范围内对放射治疗的获取仍然有限。放射治疗计划助手（Radiation Planning Assistant, RPA）是一种完全自动化的基于网络的工具，正在被开发以向资源有限的医疗机构提供全自动放射治疗计划服务。其目标是帮助临床团队扩大服务范围，从而使更多癌症患者获得治疗。用户通过网页连接至 RPA，填写服务申请（包括放疗处方及有关放射治疗靶区的信息），并上传患者的 CT 图像数据集。RPA 提供两种自动化计划方式。在一步式计划中，系统利用服务申请和 CT 扫描自动生成功率所必需的轮廓及治疗计划。在两步式计划中，用户先对系统自动生成的轮廓进行审核和修改，然后 RPA 继续生成容积调强弧形治疗计划。最终计划从 RPA 网站下载，并导入用户本地的治疗计划系统中，由本地校准的直线加速器重新计算剂量；必要时可在批准用于临床使用前对计划进行编辑。

引言

预计到2030年，全球癌症病例总数将增长至约2460万例，其中低收入和中等收入国家（LMICs）的疾病负担最重1。放射治疗是一种具有成本效益的癌症治疗手段，兼具治愈性和姑息性作用，可使约50%的癌症患者受益，在低收入国家，由于患者就诊时多处于晚期，受益比例可达60–70%2,3。然而，全球范围内放射治疗的可及性仍十分有限4；例如，非洲尚无任何国家具备满足其预估需求的放射治疗能力5。已有若干研究对这种迫在眉睫的资源短缺情况以及满足未来需求所需条件进行了估算6,7。

《柳叶刀·肿瘤学》委员会明确指出，投资提升放射治疗能力不仅能够挽救生命，还将带来积极的经济效益3。委员会还特别强调，放射治疗勾画和治疗计划的自动化可显著减少肿瘤学家和物理师在这些任务上所花费的时间，从而帮助临床团队扩大服务规模，使目标更易实现。

我们的研究团队一直与MD Anderson以及全球多家医院的临床团队合作，共同开发基于网络的自动化工具。这一系列工具（称为RPA）提供基于人工智能的勾画功能（在CT扫描图像上勾画肿瘤及邻近器官）以及放射治疗计划设计（精确定义放射线的递送方式）。该基于网络的平台可显著减少为每位患者制定高质量治疗计划所需的时间和资源。

我们在MD Anderson使用早期版本的基于人工智能的工具的经验表明，自动勾画可为每位患者节省多达2小时，显著简化了工作流程。这意味着现有的临床工作人员将能够扩大工作规模，用更高质量的放射治疗服务更多患者。通过完全自动化、基于网络的服务（放射治疗计划助手 [RPA]，RPA.mdanderson.org）提供这些工具，我们可以最大限度地降低患者和医疗服务提供者的成本，并扩大该工具的覆盖范围。

我们已持续开发 RPA 长达 6 年，自首次发表 RPA 工作流程以来，已进行了多项重要改进8。这些改进包括将 RPA 发展为基于网络的工具，从而降低安装与维护成本，并提升系统的稳健性。其他改进还包括优化用户界面以提高可用性并降低出错风险9，以及扩展治疗方案选项（具体包括乳房切除术后乳腺癌的放射治疗计划10和脑转移瘤的治疗11）。因此，本文所述的方案相较于此前发表的初始版本有了显著提升。

RPA 采用一步法流程来生成轮廓并制定放疗计划，适用于通常无需编辑轮廓即可完成治疗计划的情况。这包括基于骨性标志或自动生成的软组织轮廓的宫颈癌四野箱式放疗计划12,13,14,15、乳腺癌根治术后胸壁切线野或锁骨上野照射11，以及全脑照射的对侧野治疗16。在不久的将来，我们计划增加儿童肿瘤的颅脊髓照射17、直肠癌的三野照射18，以及多种姑息性治疗病例（如椎体、髋部和肋骨）19，还包括肺癌和膀胱癌的治疗计划。目前，更复杂的放疗技术，特别是容积旋转调强放疗（VMAT），仍需采用两步法流程，即在制定治疗计划前对自动生成的轮廓进行人工修改13,20。然而，基于深度学习的自动勾画质量已达到较高水平，我们预计未来将把这些计划方法也转变为一步法流程。本方案重点介绍一步法计划的实施过程。

图1展示了使用RPA创建放射治疗计划的整体工作流程，表1中列出了不同步骤的详细说明。简而言之，RPA需要一份已完成的服务申请（包含剂量处方和治疗方案等信息）以及患者的个体CT扫描图像。服务申请必须由放射肿瘤学家确认接受。CT扫描图像必须由临床用户确认接受，以确保RPA的计算基于正确的CT图像。RPA生成计划后，应从RPA网站下载并导入用户自身的治疗计划系统，并在该系统中重新计算剂量。此步骤是必要的，因为RPA基于标准射束（适用于多种直线加速器型号）进行计划计算，而这些标准射束可能与本地直线加速器的实际射束特性不完全一致。采用此方法旨在降低成本，但如果本地射束与我们的标准射束存在显著差异，则可能需要进行定制化调整。用户（计划设计人员和放射肿瘤学家）可对计划进行修改。随后，该计划进入用户常规的临床工作流程，包括本地的质量保证检查。最后，用户应将最终（经重新计算和修改）的计划上传至RPA网站，系统将自动对最终计划与RPA计划进行比对。这是对整个工作流程中数据完整性的有效核查。

CT计划自动化流程图，包含RPA云、笔记本电脑、CT扫描、质控步骤、放射治疗流程。
图1：自动化治疗计划流程的工作流程图。 请点击此处查看此图的放大版本。

图1中的任务编号任务描述位置
查看既往患者的任何状态主仪表板
1在RPA网站上完成服务申请服务申请仪表板
2将CT扫描上传至RPA网站CT扫描仪表板
3检查患者的状态主仪表板
查看并下载RPA计划主仪表板
4将计划导入用户自己的TPS中，重新计算剂量，并根据需要进行修改本地TPS
5, 6将最终计划上传至RPA网站计划比对仪表板
查看最终计划与RPA计划的自动比对结果计划比对仪表板
-该计划进入用户的常规临床工作流程，包括常规质量保证用户自有软件

表1：使用一步式工作流程创建RPA计划所涉及任务的概述。 本地TPS：用户的治疗计划系统。

本文描述了RPA的这一单步工作流程，并展示了一些治疗计划过程输出的示例结果。目前，以下计划方法采用了该单步工作流程：i）宫颈癌患者的四野箱式治疗计划（基于骨性标志的射野光阑）；ii）宫颈癌患者的四野箱式治疗计划（基于软组织的射野光阑）；iii）胸壁患者的切线野及锁骨上治疗计划；iv）全脑治疗计划。

方案

用于评估 RPA 的所有患者数据均为经德克萨斯大学 MD 安德森癌症中心机构审查委员会批准的回顾性数据。RPA 包含一系列位于 RPA 网页主菜单左侧的仪表板（图 2）。图 2 显示了主仪表板。所有仪表板外观相似，但侧重于不同的任务和人员。以下方案描述了自动生成治疗计划的关键流程。

放射治疗计划助手仪表板界面，包含控件、患者搜索和RPA支持链接。
图2：RPA主仪表板的截图。 请点击此处查看此图的放大版本。

1. 完整的服务申请

  1. 创建并接受新的自动规划服务请求：
    1. 前往 服务请求 通过点击仪表盘上的 服务请求通道.
    2. 点击 新表单 生成新的服务请求表单。
    3. 在第1节： 人口统计学，完成问题。选择 治疗技术 来自 治疗 pulldown。点击各个 静力平衡图，ΣFx=0，MA=0，受力体分析，物理教学概念 在 治疗技术 下拉以获取治疗技术的更多详细信息。
    4. 在第2节中： 治疗相关的一般问题，完成以下问题。这些问题适用于所有患者，旨在帮助使用者主动判断RPA方案是否适用于当前患者。
    5. 第3节： 治疗特异性问题，完成所选治疗方案的相关问题，包括治疗靶点和处方的详细信息。
    6. 点击 提交. 服务请求 PDF 自动生成后，选择患者中的 患者 列出（在 服务请求仪表板）。查看服务请求 PDF（图3），必要时滚动页面，然后单击 接受 批准服务请求。
      注意：此 PDF 文件必须经放射肿瘤科医生确认后，RPA 才会启动自动勾画与计划。RPA 计划的状态可在服务请求页面上查看，如图所示 表2一个为宫颈癌软组织四野照射计划创建的服务请求示例如下所示 图3.

   

状态摘要
Pending Review该患者的医疗服务申请已创建，正在等待放射肿瘤科医生接受。
Accepted该患者的医疗服务申请已被接受。在该患者的CT扫描被接受之前，医疗服务申请仪表板中该患者的状态不会发生变化。
Rejected by User用户拒绝了该医疗服务申请。
Submitted该病例已提交至RPA——有关该患者状态的更多详细信息可在主仪表板上查看。
RPA System ErrorRPA已开始处理，但遇到错误，无法完成任务。

表2：服务请求仪表板中的患者状态分类。

宫颈癌放射治疗设置细节、剂量处方、直线加速器装置、治疗边界。
图3：为基于软组织的宫颈癌四野照射计划创建的服务请求示例。 请点击此处查看该图的放大版本。

2. 上传 CT 扫描并接受用于自动规划

图4 显示了CT阅片工作区的截图。上传并阅片CT扫描图像的步骤如下：

CT扫描切片；轴向、冠状、矢状视图；分析方位、图像质量；医学影像。
图4：CT阅片工作区的截图。 请点击此处查看该图的高清版本。

  1. 单击CT 扫描通道，进入CT 扫描仪表板。
  2. 单击上传 CT按钮。使用自动打开的文件资源管理器选择存储 CT 扫描（DICOM 格式）的文件夹。按照提示确认选择。
  3. 通过在患者列表中选择患者，打开该患者的 CT 查看器（图 4），以查看已上传的 CT 扫描，然后使用以下控件：
    1. 单击加载 CT以加载完整的 3D CT 图像集。
      注意：在完成此操作前，其他导航工具不可用。
    2. 在所有视图中滚动切片，并使用以下任一工具：
      1. 单击每个 CT 视图下方的<、>按钮，以切换到下一个切片。
      2. 单击每个 CT 视图下方的<<、>>按钮，以在选定方向上移动五个切片。
      3. 鼠标滚轮：将光标置于任意 CT 视图上，然后使用鼠标滚轮在切片间滚动。
      4. 单击交叉按钮，可在每个 CT 视图（轴向、冠状和矢状）上叠加十字准线。单击三个视图中的任意一个，可将十字准线移动至该位置，其他视图将相应同步。再次单击交叉按钮可开启或关闭此工具。
      5. 单击缩放/平移按钮。使用鼠标滚轮对光标所在位置进行视图缩放，或在 CT 视图上右键单击并按住，然后移动鼠标以平移视图。
      6. 单击标记等中心，将 CT 视图移至标记的等中心位置（基于对三个射线不透性标记物的自动检测）。
        注意：如果尚未加载 3D CT 图像集（请单击“加载 3D”解决此问题），或 RPA 无法检测到标记的等中心（通过三点定位识别），则此按钮不可用。
  4. 单击参考点按钮以添加参考点。
    1. 使用交叉工具将三个视图移动至所需的参考点位置。
    2. 单击参考点按钮以添加参考点。
    3. 如果已选择参考点，再次单击参考点将使三个视图跳转至该点。
      注意：若尚无参考点，此按钮将在图像上添加一个参考点；若已存在参考点，则可将 CT 图像视图移至该参考点。仅允许为尚未被接受的 CT 扫描选择新的参考点。以下是添加参考点的步骤：
    4. 如需选择新的参考点，请先单击清除参考点以清除当前参考点，然后添加新的参考点。RPA 仅接受一个参考点。
  5. 接受 CT 扫描。在按照上述方法完成患者 CT 扫描的审阅后，请执行以下步骤：
    1. 回答 CT 图像下方的问题，以最大限度降低风险并减少后续 RPA 计算中的错误发生。
    2. 选择接受，并按照提示操作。
      ​注意：此操作可由任何被认定为 RPA 临床用户的人员执行。当前患者的状态类别可在 CT 扫描仪表板上查看，详见表 3。
状态摘要
Pending ReviewCT 扫描已完成初步处理，等待用户审核并接受扫描结果。
Accepted该患者的 CT 扫描已被接受。请注意，该患者在 CT 扫描仪表板 中的状态将在服务请求被接受之前保持不变。
Rejected by User该 CT 扫描已被用户拒绝。
Submitted此病例已提交至 RPA，有关该患者状态的更多详情可在 主仪表板 上查看。
RPA System ErrorRPA 已启动处理流程，但遇到错误，无法完成其任务。

表3：CT扫描仪表板的患者状态分类。

3. 监测规划进度

当前患者的状况分类可在主仪表板上查看（表4）。要对任何已完成的RPA计划进行初步审查并下载使用，请执行以下操作：

状态摘要
无已接受的CT扫描该患者无已接受的CT扫描（但存在已接受的服务申请）。
无已接受的服务申请该患者无已接受的服务申请（但存在已接受的CT扫描）。
已排队该患者的数据已发送至RPA系统，并处于排队处理状态。
处理中该患者数据的初步处理正在进行中。
处理中–勾画轮廓RPA轮廓正在生成中。
处理中–轮廓报告RPA轮廓报告正在生成中。
完成–RPA轮廓RPA生成的轮廓已完成，可供用户下载并编辑（仅适用于两步工作流程）。
待轮廓审核计划轮廓（即用户编辑/添加后的轮廓）已上传回RPA系统，且计划轮廓报告已生成。用户需在轮廓仪表板中接受该报告。
已排队–计划轮廓计划轮廓（即用户编辑/添加后的轮廓）已进入队列，等待RPA计划流程前的处理。
已排队–预计划该患者的计划已进入计划流程的队列。
处理中–预计划预计划处理正在进行中。
已排队–优化该患者的计划已进入计划优化流程的队列。
处理中–优化计划优化正在进行中。
已排队–质控该患者的计划已进入自动质量保证（QA）流程的队列。
处理中–质控计划质控正在进行中。
处理中–计划报告最终计划报告正在处理中。
完成–RPA计划RPA计划已完成，可供下载。
失败–RPA失败RPA流程中某一环节已失败。

表4：主仪表板的患者状态分类。

  1. 通过选择患者，然后在主仪表板顶部选择查看，来审阅已完成的RPA计划。系统将自动在新标签页中打开该患者的RPA计划报告（PDF），请仔细审阅。
    注意：也可通过下载窗口访问RPA计划报告PDF文件。
  2. 单击下载图标以下载已完成的RPA计划。等待窗口打开后，DICOM文件及RPA计划报告（PDF）将一并下载，以便导入至治疗计划系统中。

4. 将 RPA 计划导入用户的治疗计划系统并进行临床应用审查

注意：RPA 计划下载完成后（DICOM 文件），应在用户的治疗计划系统中完成以下步骤：

  1. 将患者的CT扫描图像导入本地治疗计划系统（TPS）。这是最初上传至RPA的原始扫描图像。
  2. 将RPA计划和RPA勾画轮廓导入本地TPS。
  3. 使用本地已标定的剂量计算算法和采用固定MU选项重新计算剂量。
  4. 将导入的勾画轮廓和计算的剂量与RPA报告中的内容进行比较（以核查导入是否正确）。
  5. 审查计划的适宜性，并根据需要进行修改。
    ​注意：此步骤可能包括修改射野形状和重新归一化射野。临床团队务必在治疗计划系统中审查最终计划，并在临床使用前完成所有必要修改。

5. 将最终计划上传至RPA网站并审查最终计划与RPA计划的自动比对结果

已生成RPA计划的患者将显示在 计划比较仪表板。该 计划比较仪表板 提供所示的状态类别 表5 针对当前患者，上传最终的用户计划并查看用户计划与RPA计划的自动比对结果：

状态摘要
Pending Plan Upload当病例生成后，显示此状态。
Processing正在处理计划比较。
Pending Plan Upload–RETRY无法进行计划比较。用户应检查已上传的文件并重试。导致此状态的可能原因包括上传了错误的文件。
Comparison Ready–Pass计划比较报告已准备就绪，可供审查。所有计划比较均符合标准。部分比较可能被标记——用户应仔细查看报告。
Comparison Ready–Fail计划比较报告已准备就绪，可供审查。部分比较未达到设定标准——用户应仔细审查报告并确定原因。

表5：计划比较仪表板中的患者状态分类。

  1. 选择患者，然后点击 上传计划。
  2. 选择要上传的 DICOM 结构文件、计划文件和剂量文件。
  3. 通过首先选择患者来查看计划比较报告。然后查看屏幕底部打开的计划比较报告（图5），其中显示了一个示例（如 图5 所示）。

放射治疗静态技术参数表格；SCV 6X，SCV 18X；检查清单，通过标准。
图 5：自动计划比对报告示例。 请点击此处查看此图的放大版本。

结果

该实验的目的在于 主仪表板 (图1) 旨在提供 RPA 中当前患者状态的快速概览，允许快速查看已完成的计划，下载已完成的计划以便在用户的治疗计划系统中进行审阅和编辑，并提供高级的患者导航与排序工具。患者要出现在此处，必须至少满足以下条件之一：（1）已通过审核的 CT 扫描，或（2）已通过审核的服务表单。当前患者的状态类别可在 主仪表板 (表4).

一个全脑放射治疗计划的侧野示例显示在 图6基于骨性标志的宫颈癌四野箱式计划的一个侧野示意图如图所示 图7在这两种情况下，最终计划必须被下载，然后导入到用户的治疗计划系统中，在其中对结果进行审查、编辑和重新计算。RPA 还会生成一份最终计划报告（PDF），其中包含服务请求（参见示例中的 图3），CT 审批报告以及其他治疗方案的详细信息。

该研究的目的是 服务请求 仪表盘 (表2) 是为RPA中当前患者的服务请求提供快速状态概览，创建新的服务请求，接受已完成的服务请求，以及编辑服务请求。已提交或已接受的服务请求患者将显示在此仪表板上，所有RPA用户均可访问该仪表板。然而，只有在RPA系统中注册为放射肿瘤学家的用户才能接受服务请求。

本实验的目的是 CT 仪表盘 (表3) 旨在为RPA中的当前患者提供CT扫描的快速状态概览，上传新的CT扫描，审查并接收CT扫描，以及为CT扫描添加参考点。参考点的添加用于在特定情况下指导RPA，例如当用户希望为宫颈癌的简单四野盒式计划使用非标准的上界时。已上传CT扫描的患者将在此处显示。任何用户均可查看 CT 仪表盘但只有注册为临床用户（Clinical Users）的人员才能接受CT扫描。

用户确认最终计划后，可将其从治疗计划系统（TPS）导出并上传至远程计划审核系统（RPA）。此过程的目的是确保数据在不同设备间正确传输。

已生成 RPA 计划的患者将显示在计划比较仪表板中。计划比较仪表板提供了当前患者的状态类别，如表5所示。

脑部影像扫描；颅脑CT；肿瘤位置指示；诊断成像过程；医学评估。
图6：全脑放疗的典型侧野照射野。 该视图显示了结构轮廓的投影，以及主准直器（黄色）和多叶准直器（蓝色）的位置。请点击此处查看该图的放大版本。

脊柱X光片带测量网格，诊断工具，解剖曲度分析，医学影像。
图7：基于骨性标志点的宫颈癌四野盒式计划的侧位示例。 该图像显示了主准直器（黄色）和多叶准直器（蓝色）的位置。请点击此处查看该图的放大版本。

讨论

本方案概述了使用 RPA 创建自动化治疗计划的步骤。主要步骤包括：（1）CT 图像上传与批准，（2）服务请求的完成与批准，（3）将计划下载并导入用户所在单位的治疗计划系统（TPS），重新计算剂量并对计划进行编辑，以及（4）将最终编辑完成的计划上传，以便与 RPA 生成的计划进行比对。CT 图像批准与服务请求批准的顺序可以互换。某些特定类型的计划，例如头颈部及宫颈癌的容积调强弧形治疗计划，采用两步法生成，其中需额外的用户交互操作，并分别生成靶区轮廓与治疗计划。然而总体而言，各流程基本相似，我们预计未来这些高级治疗计划方法将可转变为一步式流程。有关这些工具以及正在开发中的未来版本工具所能达到的整体临床可接受性，可参见我们已发表的研究工作10,12,14,15,16,17,18,19,20,21,22。

这些工具有若干局限性，我们在早期研究中已有描述，该研究探讨了在放射治疗诊所部署放射治疗计划助手时的风险9,23。尽管用户界面已设计为尽量减少不恰当数据输入的风险，例如视野不足的CT图像或手动数据输入错误，但仍存在出错的可能。具体而言，人为错误、自动化偏倚（过度依赖系统结果）以及软件错误均令人关注9。为确保放射治疗计划助手的安全使用，必须仔细审查并根据需要修改自动生成的轮廓和计划。通常，此类审查应遵循物理师和放射肿瘤科医生审查临床计划时所采用的相同流程，尽管该过程可辅以专门开发的核对清单，以补充对自动生成治疗计划的手动审查24。

在某些情况下，RPA 将无法生成计划并向用户报告错误。几乎在所有情况下，这都是由于 RPA 遇到了无法解释的意外数据所致，例如视野不足或患者体位异常（例如，CT 图像采用仰卧位扫描协议采集，但患者实际处于俯卧位）。用户可能能够根据错误报告的位置识别问题所在。大多数情况下，此类问题只能通过手动勾画或手动计划来解决。RPA 团队也可能会通过审查日志文件来确定问题原因。

RPA 的设计与开发旨在为资源有限的医疗机构，特别是中低收入国家的医疗机构，提供高质量的自动勾画和自动计划工具。目前，我们正在推进监管、法律和行政流程，以推动 RPA 在临床中的应用。一旦投入使用，我们将密切监测其使用情况，并根据任何未预料到的风险或其他用户反馈，对工作流程或用户界面进行相应调整。目标是提供能够支持放射治疗服务的工具，使本地临床团队能够扩大服务规模，提升获得高质量、一致性放射治疗计划的可及性。我们希望这将改善患者的治疗效果，并缩短等待时间。尽管目前的应用范围仅限于头颈部癌、乳腺癌、宫颈癌以及脑转移瘤的全脑放疗，但我们正在开发更多治疗方案，将在未来版本中逐步纳入17,18,19。

披露

LEC 持有 Leo Cancer Care 的股票期权。HB 目前受雇于 Varian Medical Systems。AJ 在 Genentech 担任咨询职务。JB 在 Icon Cancer Care 担任咨询职务；WS 在 IBA Dosimetry 担任咨询职务；JY 收到了来自 SunNuclear Corp 的差旅资助；HS 收到了来自 Cipla 的酬金。

致谢

本工作由美国国家癌症研究所和惠康信托基金资助，并得到瓦里安医疗系统公司的额外支持。我们目前的系统使用Eclipse进行治疗计划功能。我们还要感谢德克萨斯大学MD安德森癌症中心研究医学图书馆编辑服务部的Ann Sutton。除了机构对RPA开发提供的资金支持外，我们的研究团队还获得了德克萨斯州癌症预防与研究研究所（CPRIT）以及德克萨斯大学MD安德森癌症中心癌症信息学创新基金的资助。

材料

本文使用的材料清单
姓名公司目录编号评论
放射治疗计划助手MD Anderson 癌症中心na网页

参考文献

  1. Ferlay, J., et al. Cancer incidence and mortality worldwide: Sources, methods and major patterns in GLOBOCAN 2012. International Journal of Cancer. 136 (5), E359-E386 (2015).
  2. Elmore, S. N. C., et al. Global palliative radiotherapy: a framework to improve access in resource-constrained settings. Annals of Palliative Medicine. 8 (3), 274-284 (2019).
  3. Atun, R., et al. Expanding global access to radiotherapy. The Lancet. Oncology. 16 (10), 1153-1186 (2015).
  4. Yap, M. L., Zubizarreta, E., Bray, F., Ferlay, J., Barton, M. Global access to radiotherapy services: have we made progress during the past decade. Journal of Global Oncology. 2 (4), 207-215 (2016).
  5. Elmore, S. N. C., et al. C. al. Radiotherapy resources in Africa: an International Atomic Energy Agency update and analysis of projected needs. The Lancet. Oncology. 22 (9), e391-e399 (2021).
  6. Datta, N. R., Samiei, M., Bodis, S. Radiation therapy infrastructure and human resources in low- and middle-income countries: present status and projections for 2020. International Journal of Radiation Oncology, Biology, Physics. 89 (3), 448-457 (2014).
  7. Ward, Z. J., Scott, A. M., Hricak, H., Atun, R. Global costs, health benefits, and economic benefits of scaling up treatment and imaging modalities for survival of 11 cancers: a simulation-based analysis. The Lancet. Oncology. 22 (3), 341-350 (2021).
  8. Court, L. E., et al. Radiation Planning Assistant - a streamlined, fully automated radiotherapy treatment planning system. Journal of Visualized Experiments. (134), e57411(2018).
  9. Nealon, K. A., et al. Using failure mode and effects analysis to evaluate risk in the clinical adoption of automated contouring and treatment planning tools. Practical Radiation Oncology. 12 (4), e344-e353 (2022).
  10. Kisling, K., et al. Automated treatment planning of postmastectomy radiotherapy. Medical Physics. 46 (9), 3767-3775 (2019).
  11. Xiao, Y., et al. Customizable landmark-based field aperture design for automated whole-brain radiotherapy treatment planning. Journal of Applied Clinical Medical Physics. 24 (3), e13839(2022).
  12. Kisling, K., et al. Fully automatic treatment planning for external-beam radiation therapy of locally advanced cervical cancer: a tool for low-resource clinics. Journal of Global Oncology. 5, 1-9 (2019).
  13. Rhee, D. J., et al. Clinical acceptability of fully automated external beam radiotherapy for cervical cancer with three different beam delivery techniques. Medical Physics. 49 (9), 5742-5751 (2022).
  14. Rhee, D. J., et al. Automated radiation treatment planning for cervical cancer. Seminars in Radiation Oncology. 30 (4), 340-347 (2020).
  15. Rhee, D. J., et al. Automatic contouring system for cervical cancer using convolutional neural networks. Medical Physics. 47 (11), 5648-5658 (2020).
  16. Xiao, Y., et al. Automated WBRT treatment planning via deep learning auto-contouring and customizable landmark-based field aperture design. arXiv. , (2022).
  17. Hernandez, S., et al. Automating the treatment planning process for 3D-conformal pediatric craniospinal irradiation therapy. Pediatric Blood & Cancer. 70 (3), e30164(2023).
  18. Huang, K., et al. Automation of radiation treatment planning for rectal cancer. Journal of Applied Clinical Medical Physics. 23 (9), e13712(2022).
  19. Netherton, T. J., et al. An automated treatment planning framework for spinal radiation therapy and vertebral-level second check. International Journal of Radiation Oncology, Biology, Physics. 114 (3), 516-528 (2022).
  20. Olanrewaju, A., et al. Clinical acceptability of automated radiation treatment planning for head and neck cancer using the Radiation Planning Assistant. Practical Radiation Oncology. 11 (3), 177-184 (2021).
  21. Rhee, D. J., et al. Automatic contouring QA method using a deep learning-based autocontouring system. Journal of Applied Clinical Medical Physics. 23 (8), e13647(2022).
  22. Rhee, D. J., et al. Automatic detection of contouring errors using convolutional neural networks. Medical Physics. 46 (11), 5086-5097 (2019).
  23. Kisling, K., et al. A risk assessment of automated treatment planning and recommendations for clinical deployment. Medical Physics. 46 (6), 2567-2574 (2019).
  24. Nealon, K. A., Court, L. E., Douglas, R. J., Zhang, L., Han, E. Y. Development and validation of a checklist for use with automatically generated radiotherapy plans. Journal of Applied Clinical Medical Physics. 23 (9), e13694(2022).

重印与许可

标签

CT DICOM
放射治疗计划助手——一种支持资源有限诊所实现高质量放疗的基于网络的工具
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。