$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Le nombre mondial de cas de cancer devrait atteindre environ 24,6 millions d’ici 2030, le fardeau le plus lourd étant enregistré dans les pays à revenu faible et intermédiaire (PRFI)1. La radiothérapie est un traitement rentable, curatif et palliatif du cancer, qui bénéficie à environ 50 % des patients atteints de cancer et à 60 à 70 % dans les pays à faible revenu où les patients sont plus susceptibles de se présenter à un stade avancé 2,3. Cependant, l’accès à la radiothérapie dans le monde est limité4 ; par exemple, aucun pays d’Afrique n’a la capacité de radiothérapie nécessaire pour répondre à leurs besoins estimés5. Plusieurs études ont estimé ces pénuries imminentes et ce qui serait nécessaire pour répondre aux besoins à venir 6,7.
La Commission d’oncologie du Lancet a fait valoir de manière convaincante que l’investissement dans l’amélioration de la capacité de radiothérapie permettrait non seulement de sauver des vies, mais aussi d’apporter des avantages économiques positifs3. Ils ont également souligné que l’automatisation du contouring de la radiothérapie et de la planification du traitement peut aider les équipes cliniques à intensifier leurs efforts en réduisant considérablement le temps consacré à ces tâches par les oncologues et les physiciens, respectivement, ce qui rend les objectifs plus réalisables.
Notre groupe de recherche a travaillé en collaboration avec les équipes cliniques de MD Anderson et d’hôpitaux du monde entier pour développer des outils automatisés basés sur le Web. Cette suite d’outils (appelée RPA) fournit un contouring basé sur l’intelligence artificielle (décrivant les tumeurs et les organes voisins sur les tomodensitogrammes) et la planification du traitement par radiothérapie (qui définit exactement comment la radiothérapie est administrée). Cette plateforme Web offre l’avantage de réduire le temps et les ressources nécessaires à la préparation de plans de haute qualité pour chaque patient.
Notre expérience avec une première version d’un outil basé sur l’IA chez MD Anderson a montré que le contouring automatisé peut faire gagner jusqu’à 2 heures par patient, ce qui simplifie considérablement le flux de travail. Cela signifie que le personnel clinique actuel sera en mesure d’intensifier ses efforts, en traitant plus de patients avec une radiothérapie de meilleure qualité. En offrant ces outils par l’intermédiaire d’un service Web entièrement automatisé (Radiation Planning Assistant [RPA], RPA.mdanderson.org), nous pouvons minimiser les coûts pour les patients et les fournisseurs et maximiser la portée de cet outil.
Nous développons la RPA depuis 6 ans, et plusieurs changements significatifs ont été apportés depuis notre première publication sur les workflows RPA8. Il s’agit notamment de développer la RPA en un outil Web, réduisant ainsi les coûts associés à l’installation et à la maintenance, et améliorant la robustesse du système. Parmi les autres améliorations, citons les modifications apportées aux interfaces utilisateur afin d’améliorer la convivialité et de réduire le risque d’erreur9 et l’élargissement des options de traitement (en particulier, la planification de la radiothérapie pour le sein10 post-mastectomie et les métastases cérébrales11). Ainsi, le protocole décrit ici est nettement plus avancé que la version initiale précédemment publiée.
L’APR utilise un processus en une seule étape pour créer des contours et des plans dans des situations où la modification des contours n’est généralement pas nécessaire pour créer le plan de traitement. Cela comprend la planification du traitement du cancer du col de l’utérus à quatre champs (basée sur des repères osseux ou des contours des tissus mous générés automatiquement)12,13,14,15, des champs tangentiels ou supraclaviculaires pour le cancer du sein post-mastectomie11 et des champs latéraux opposés pour les traitements du cerveau entier 16. Dans un avenir proche, nous prévoyons ajouter des traitements craniospinaux pour les cancers pédiatriques17, des traitements à trois champs pour le cancer du rectum18 et la planification de traitement pour divers cas palliatifs (corps vertébraux, hanches et côtes)19, ainsi que pour les cancers du poumon et de la vessie. À l’heure actuelle, les traitements plus avancés, en particulier la thérapie par arc à modulation de volume (VMAT), nécessitent un processus en deux étapes dans lequel les contours générés automatiquement sont modifiés avant la planification du traitement13,20. Cependant, la qualité de l’autocontouring basé sur l’apprentissage profond est telle que nous prévoyons de changer ces approches de planification en un processus en une seule étape à l’avenir. Ce protocole met l’accent sur la planification en une seule étape.
La figure 1 montre le flux de travail global pour la création d’un plan de traitement de radiothérapie à l’aide de l’APR, avec plus de détails sur les différentes tâches indiquées dans le tableau 1. En résumé, l’APR exige une demande de service dûment remplie (qui comprend des informations telles que la prescription de la dose et l’approche de traitement) et la tomodensitométrie individuelle du patient. La demande de service doit être acceptée par un radio-oncologue. La tomodensitométrie doit être acceptée par un utilisateur clinique pour s’assurer que les calculs de l’APR sont effectués sur la bonne tomodensitométrie. Une fois que l’APR a généré un plan, celui-ci doit être téléchargé à partir du site Web de l’APR et importé dans le système de planification du traitement de l’utilisateur, où la dose doit être recalculée. Cela est nécessaire car l’APR calcule des plans sur des poutres standard (disponibles pour plusieurs modèles de linac), qui peuvent ne pas correspondre exactement aux caractéristiques de la poutre du linac local. Cette approche a été adoptée pour réduire les coûts, bien qu’une personnalisation puisse être nécessaire si les poutres locales sont significativement différentes de nos poutres standard. Les utilisateurs (planificateur de traitement et radio-oncologue) peuvent apporter des modifications au plan. Le plan entre ensuite dans le flux de travail clinique typique de l’utilisateur, y compris les contrôles d’assurance qualité locaux. Enfin, l’utilisateur doit télécharger son plan final (recalculé et modifié) sur le site Web de l’APR, où une comparaison automatisée entre le plan final et le plan de l’APR est effectuée. Il s’agit d’une vérification utile de l’intégrité des données dans l’ensemble du flux de travail.

Figure 1 : Flux de travail du processus automatisé de planification du traitement. Veuillez cliquer ici pour voir une version agrandie de cette figure.
| Tâche # de la figure 1 | Description de la tâche | Emplacement |
| Examiner l’état de tous les patients antérieurs | Tableau de bord principal |
| 1 | Remplir une demande de service sur le site Web de l’APR | Tableau de bord des demandes de service |
| 2 | Télécharger une tomodensitométrie sur le site Web de la RPA | Tableau de bord de tomodensitométrie |
| 3 | Vérifier l’état du patient | Tableau de bord principal |
| Consulter et télécharger le plan RPA | Tableau de bord principal |
| 4 | Importez le plan dans le TPS de l’utilisateur, recalculez la dose et apportez les modifications nécessaires | Local TPS |
| 5, 6 | Téléchargez le plan final sur le site Web de l’APR | Tableau de bord de comparaison des plans |
| Passez en revue la comparaison automatique du plan final et du plan RPA | Tableau de bord de comparaison des plans |
| - | Le plan entre dans le flux de travail clinique de routine de l’utilisateur, y compris l’assurance qualité régulière | Logiciel propre à l’utilisateur |
Tableau 1 : Vue d’ensemble des tâches impliquées dans la création d’un plan RPA à l’aide du flux de travail en 1 étape. TPS local : Système de planification du traitement de l’utilisateur.
Ce manuscrit décrit ce flux de travail en une étape pour l’APR et présente quelques exemples de résultats du processus de planification du traitement. À l’heure actuelle, les approches de planification suivantes utilisent ce flux de travail en une seule étape : i) Plans de traitement en boîte à quatre champs pour les patientes atteintes d’un cancer du col de l’utérus (ouvertures osseuses basées sur des points de repère) ; ii) des plans de traitement en boîte à quatre champs pour les patientes atteintes d’un cancer du col de l’utérus (ouvertures de champ basées sur les tissus mous) ; iii) les plans de traitement tangentiels et supraclaviculaires pour les patients atteints de la paroi thoracique ; iv) les plans de traitement du cerveau entier.