$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Se espera que el número mundial de casos de cáncer aumente a aproximadamente 24,6 millones para 2030, con la mayor carga en los países de ingresos bajos y medianos1. La radioterapia es un tratamiento costo-efectivo, curativo y paliativo para el cáncer, que proporciona beneficios a aproximadamente el 50% de los pacientes con cáncer y al 60-70% en los países de bajos ingresos donde los pacientes tienen más probabilidades de presentarse en una etapa tardía 2,3. Sin embargo, el acceso a la radioterapia en todo el mundo es limitado4; por ejemplo, ningún país de África tiene la capacidad de radioterapia para satisfacer sus necesidades estimadas5. Varios estudios han estimado estas carencias inminentes y lo que se requeriría para satisfacer las necesidades futuras 6,7.
La Comisión de Oncología de The Lancet argumentó de manera convincente que la inversión en mejoras en la capacidad de radioterapia no solo salvaría vidas, sino que también aportaría beneficios económicos positivos3. También señalaron específicamente que la automatización del contorno de la radioterapia y la planificación del tratamiento pueden ayudar a los equipos clínicos a escalar sus esfuerzos al reducir significativamente el tiempo dedicado a estas tareas por los oncólogos y los físicos, respectivamente, haciendo que los objetivos sean más alcanzables.
Nuestro grupo de investigación ha estado trabajando en colaboración con equipos clínicos del MD Anderson y de hospitales de todo el mundo para desarrollar herramientas automatizadas basadas en la web. Este conjunto de herramientas (llamado RPA) proporciona un contorno basado en la Inteligencia Artificial (que describe los tumores y los órganos cercanos en las tomografías computarizadas) y la planificación del tratamiento de radioterapia (que define exactamente cómo se administra la radiación). Esta plataforma basada en la web ofrece la ventaja de reducir el tiempo y los recursos necesarios para preparar planes de alta calidad para cada paciente.
Nuestra experiencia con una versión temprana de una herramienta basada en IA en MD Anderson ha demostrado que el contorneado automatizado puede ahorrar hasta 2 horas por paciente, lo que supone una importante optimización del flujo de trabajo. Esto significa que el personal clínico actual podrá escalar su esfuerzo, tratando a más pacientes con radioterapia de mayor calidad. Al ofrecer estas herramientas a través de un servicio totalmente automatizado basado en la web (Asistente de planificación de radiación [RPA], RPA.mdanderson.org), podemos minimizar el costo para los pacientes y los proveedores y maximizar el alcance de esta herramienta.
Hemos estado desarrollando la RPA durante 6 años, y se han realizado varios cambios significativos desde que publicamos por primera vez en los flujos de trabajo de RPA8. Estos incluyen el desarrollo de la RPA en una herramienta basada en la web, reduciendo así los costos asociados con la instalación y el mantenimiento, y mejorando la robustez del sistema. Otras mejoras incluyen cambios en las interfaces de usuario para mejorar la usabilidad y reducir el riesgo de error9 y ampliar las opciones de tratamiento (específicamente, la planificación de la radioterapia para la mama posterior a la mastectomía10 y las metástasis en el cerebro11). Por lo tanto, el protocolo descrito aquí es sustancialmente más avanzado que la versión inicial publicada anteriormente.
El RPA utiliza un proceso de un solo paso para crear contornos y planes en situaciones en las que la edición de los contornos generalmente no es necesaria para crear el plan de tratamiento. Esto incluye la planificación del tratamiento en cuatro campos para el cáncer de cuello uterino (basado en puntos de referencia óseos o contornos de tejidos blandos generados automáticamente)12,13,14,15, campos tangenciales o supraclaviculares para el cáncer de mama posterior a la mastectomía11 y laterales opuestos para tratamientos de todo el cerebro16. En un futuro próximo, esperamos añadir tratamientos craneoespinales para cánceres pediátricos17, tratamientos de tres campos para el cáncer de recto18 y planificación de tratamientos para diversos casos paliativos (cuerpos vertebrales, caderas y costillas)19, así como cánceres de pulmón y vejiga. En la actualidad, los tratamientos más avanzados, específicamente la terapia de arco modulada por volumen (VMAT), requieren un proceso de dos pasos en el que los contornos generados automáticamente se editan antes de la planificación del tratamiento13,20. Sin embargo, la calidad del autocontouring basado en el aprendizaje profundo es tal que esperamos cambiar estos enfoques de planificación a un proceso de un solo paso en el futuro. Este protocolo se centra en la planificación de un solo paso.
La Figura 1 muestra el flujo de trabajo general para crear un plan de tratamiento de radioterapia utilizando el RPA, con más detalles sobre las diferentes tareas que se muestran en la Tabla 1. En resumen, la RPA requiere una solicitud de servicio completa (que incluye información como la prescripción de la dosis y el enfoque del tratamiento) y la tomografía computarizada individual del paciente. La solicitud de servicio debe ser aceptada por un oncólogo radioterápico. La tomografía computarizada debe ser aceptada por un usuario clínico para garantizar que los cálculos de RPA se realicen en la tomografía computarizada correcta. Una vez que el RPA ha generado un plan, debe descargarse del sitio web del RPA e importarse al sistema de planificación del tratamiento del usuario, donde se debe volver a calcular la dosis. Esto es necesario porque el RPA calcula planos en vigas estándar (disponibles para varios modelos de linac), que pueden no coincidir exactamente con las características de la viga del linac local. Este enfoque se adoptó para reducir los costos, aunque es posible que se necesite personalización si las vigas locales son significativamente diferentes de nuestras vigas estándar. Los usuarios (planificador del tratamiento y oncólogo radioterápico) pueden realizar modificaciones en el plan. A continuación, el plan entra en el flujo de trabajo clínico típico del usuario, incluidas las comprobaciones locales de control de calidad. Por último, el usuario debe subir su plan final (recalculado y editado) a la página web de RPA, donde se realiza una comparación automatizada entre el Plan Final y el Plan RPA. Se trata de una comprobación útil de la integridad de los datos en el flujo de trabajo general.

Figura 1: Flujo de trabajo del proceso automatizado de planificación del tratamiento. Haga clic aquí para ver una versión más grande de esta figura.
| Tarea # en la Figura 1 | Descripción de la tarea | Ubicación |
| Revisar el estado de los pacientes anteriores | Tablero principal |
| 1 | Complete una solicitud de servicio en el sitio web de RPA | Panel de solicitud de servicio |
| 2 | Cargue una tomografía computarizada en el sitio web de RPA | Panel de control de tomografía computarizada |
| 3 | Comprobar el estado del paciente | Tablero principal |
| Revisa y descarga el Plan RPA | Tablero principal |
| 4 | Importe el plan en el TPS del usuario, vuelva a calcular la dosis y realice las modificaciones necesarias | Local TPS |
| 5, 6 | Cargue el Plan Final en el sitio web de RPA | Panel de comparación de planes |
| Revisar la comparación automática del Plan Final y el Plan RPA | Panel de comparación de planes |
| - | El plan entra en el flujo de trabajo clínico rutinario del usuario, incluido el control de calidad regular | Software propio del usuario |
Tabla 1: Descripción general de las tareas involucradas en la creación de un plan de RPA utilizando el flujo de trabajo de 1 paso. TPS Local: Sistema de Planificación de Tratamiento del Usuario.
Este manuscrito describe este flujo de trabajo de un solo paso para el RPA y presenta algunos ejemplos de resultados del proceso de planificación del tratamiento. En la actualidad, los siguientes enfoques de planificación utilizan este flujo de trabajo de un solo paso: i) Planes de tratamiento de caja de cuatro campos para pacientes con cáncer de cuello uterino (aberturas óseas basadas en puntos de referencia); ii) planes de tratamiento de caja de cuatro campos para pacientes con cáncer de cuello uterino (aberturas de campo basadas en tejidos blandos); iii) planes de tratamiento tangencial y supraclavicular para pacientes de pared torácica; iv) Planes de tratamiento de todo el cerebro.