Denne protokollen beskriver en serie automatiserte verktøy designet for høykvalitets strålebehandling, autokonturering og autoplanlegging som pakkes inn i en nettbasert tjeneste for å maksimere robusthet og skalerbarhet samtidig som driftskostnadene minimeres.
Tilgang til strålebehandling over hele verden er begrenset. Radiation Planning Assistant (RPA) er et helautomatisk, nettbasert verktøy som utvikles for å tilby helautomatiserte planleggingsverktøy for strålebehandling til klinikker med begrensede ressurser. Målet er å hjelpe kliniske team med å skalere innsatsen, og dermed nå flere pasienter med kreft. Brukeren kobler seg til RPA via en nettside, fullfører en serviceforespørsel (resept og informasjon om strålebehandlingsmålene) og laster opp pasientens CT-bildesett. RPA tilbyr to tilnærminger til automatisert planlegging. I ett-trinns planlegging bruker systemet Service Request og CT-skanning for automatisk å generere de nødvendige konturene og behandlingsplanen. I totrinnsplanlegging gjennomgår og redigerer brukeren de automatisk genererte konturene før RPA fortsetter å generere en volummodulert lysbuebehandlingsplan. Den endelige planen lastes ned fra RPAs nettsted og importeres til brukerens lokale behandlingsplanleggingssystem, der dosen beregnes på nytt for den lokalt bestilte linacen. Om nødvendig redigeres planen før godkjenning for klinisk bruk.
Det globale antallet krefttilfeller forventes å vokse til ca. 24,6 millioner innen 2030, med den største byrden i lav- og mellominntektsland (LMICs)1. Strålebehandling er en kostnadseffektiv, kurativ og palliativ behandling for kreft, og gir fordeler til omtrent 50% av pasientene med kreft og til 60-70% i lavinntektsland hvor pasienter er mer sannsynlig å presentere på et sent stadium 2,3. Imidlertid er tilgangen til strålebehandling over hele verden begrenset4; For eksempel har ingen land i Afrika strålebehandlingskapasitet til å dekke sitt estimerte behov5. Flere studier har estimert disse forestående mangelene og hva som kreves for å møte kommende behov 6,7.
The Lancet Oncology Commission gjorde det overbevisende tilfelle at investering i kapasitetsforbedringer for strålebehandling ikke bare ville redde liv, men også gi positive økonomiske fordeler3. De påpekte også spesifikt at automatisering av strålebehandling, konturering og behandlingsplanlegging kan hjelpe kliniske team til å skalere sin innsats ved å redusere tiden brukt på disse oppgavene av henholdsvis onkologer og fysikere, noe som gjør målene mer oppnåelige.
Vår forskningsgruppe har jobbet i samarbeid med kliniske team ved MD Anderson og på sykehus over hele verden for å utvikle nettbaserte automatiserte verktøy. Denne pakken med verktøy (kalt RPA) gir kunstig intelligensbasert konturering (skisserer svulster og nærliggende organer på CT-skanninger) og planlegging av strålebehandling (som definerer nøyaktig hvordan strålingen leveres). Denne nettbaserte plattformen gir fordelen av redusert tid og ressurser som trengs for å utarbeide planer av høy kvalitet for hver pasient.
Vår erfaring med en tidlig versjon av et AI-basert verktøy hos MD Anderson har vist at automatisert konturering kan spare opptil 2 timer per pasient – en betydelig effektivisering av arbeidsflyten. Dette betyr at dagens kliniske personale vil kunne skalere sin innsats, behandle flere pasienter med strålebehandling av høyere kvalitet. Ved å tilby disse verktøyene via en helautomatisert, nettbasert tjeneste (Radiation Planning Assistant [RPA], RPA.mdanderson.org), kan vi minimere kostnadene for pasientene og leverandørene og maksimere rekkevidden til dette verktøyet.
Vi har utviklet RPA i 6 år, og flere betydelige endringer er gjort siden vi først publiserte RPA-arbeidsflytene8. Disse inkluderer å utvikle RPA til et nettbasert verktøy, og dermed redusere kostnadene forbundet med installasjon og vedlikehold, og forbedre systemets robusthet. Andre forbedringer inkluderer endringer i brukergrensesnittene for å forbedre brukervennligheten og redusere risikoen for feil9 og utvide behandlingsalternativene (spesielt strålebehandlingsplanlegging for bryst10 etter mastektomi og metastaser til hjernen11). Dermed er protokollen beskrevet her vesentlig mer avansert enn den opprinnelige versjonen som tidligere ble publisert.
RPA bruker en ett-trinns prosess for å lage konturer og planer i situasjoner der redigering av konturene vanligvis ikke er nødvendig for å lage behandlingsplanen. Dette inkluderer firefelts boksbehandlingsplanlegging for livmorhalskreft (basert på benete landemerker eller automatisk genererte bløtvevskonturer)12,13,14,15, tangentielle eller supraklavikulære felt for postmastektomi brystkreft11, og motsatte lateraler for helhjernebehandlinger16. I nær fremtid forventer vi å legge til kraniospinale behandlinger for pediatrisk kreft17, trefeltbehandlinger for endetarmskreft18 og behandlingsplanlegging for ulike palliative tilfeller (vertebrale kropper, hofter og ribber)19, samt lunge- og blærekreft. For tiden krever mer avanserte behandlinger, spesielt volummodulert lysbueterapi (VMAT), en to-trinns prosess der automatisk genererte konturer redigeres før behandlingsplanlegging13,20. Imidlertid er kvaliteten på dyplæringsbasert autokonturering slik at vi forventer å endre disse planleggingstilnærmingene til en ett-trinns prosess i fremtiden. Denne protokollen fokuserer på ett-trinns planlegging.
Figur 1 viser den overordnede arbeidsflyten for å lage en plan for strålebehandling ved hjelp av RPA, med flere detaljer om de ulike oppgavene vist i tabell 1. Oppsummert krever RPA en fullført serviceforespørsel (som inkluderer informasjon som dose, resept og behandlingsmetode) og pasientens individuelle CT-skanning. Serviceforespørselen må aksepteres av en strålingsonkolog. CT-skanningen må aksepteres av en klinisk bruker for å sikre at RPA-beregningene utføres på riktig CT-skanning. Når RPA har generert en plan, skal den lastes ned fra RPA-nettstedet og importeres til brukerens behandlingsplanleggingssystem, der dosen skal beregnes på nytt. Dette er nødvendig fordi RPA beregner planer på standardbjelker (tilgjengelig for flere linac-modeller), som kanskje ikke samsvarer nøyaktig med stråleegenskapene til den lokale linacen. Denne tilnærmingen ble tatt for å redusere kostnadene, selv om tilpasning kan være nødvendig hvis de lokale bjelkene er vesentlig forskjellige fra våre standardbjelker. Brukerne (behandlingsplanlegger og strålingsonkolog) kan gjøre endringer i planen. Planen går deretter inn i brukerens typiske kliniske arbeidsflyt, inkludert lokale kvalitetssikringskontroller. Til slutt bør brukeren laste opp sin endelige (omberegnede og redigerte) plan til RPA-nettstedet, der en automatisert sammenligning mellom den endelige planen og RPA-planen utføres. Dette er en nyttig kontroll av dataintegritet i den generelle arbeidsflyten.
Figur 1: Arbeidsflyt for den automatiserte behandlingsplanleggingsprosessen. Klikk her for å se en større versjon av denne figuren.
Oppgave # i figur 1 | Beskrivelse av oppgaven | Plassering | |||
Gjennomgå statusen til eventuelle tidligere pasienter | Hoveddashbord | ||||
1 | Fullføre en serviceforespørsel på RPA-nettstedet | Instrumentbord for serviceforespørsel | |||
2 | Last opp en CT-skanning til RPA-nettstedet | CT-skanning dashbord | |||
3 | Sjekk pasientens status | Hoveddashbord | |||
Se gjennom og last ned robotautomatiseringsplanen | Hoveddashbord | ||||
4 | Importer planen til brukerens TPS, beregne dosen på nytt og gjør endringer etter behov | Lokal TPS | |||
5, 6 | Last opp den endelige planen til RPA-nettstedet | Dashbord for sammenligning av planer | |||
Se gjennom den automatiske sammenligningen av den endelige planen og RPA-planen | Dashbord for sammenligning av planer | ||||
– | Planen går inn i brukerens rutinemessige kliniske arbeidsflyt, inkludert regelmessig kvalitetssikring | Brukerens egen programvare |
Tabell 1: Oversikt over oppgavene som er involvert i å opprette en RPA-plan ved hjelp av 1-trinns arbeidsflyt. Lokal TPS: Brukerens behandlingsplanleggingssystem.
Dette manuskriptet beskriver denne ett-trinns arbeidsflyten for RPA og presenterer noen eksempler på resultater fra behandlingsplanleggingsprosessen. For øyeblikket bruker følgende planleggingsmetoder denne ett-trinns arbeidsflyten: i) Firefelts boksbehandlingsplaner for livmorhalskreftpasienter (benete landemerkebaserte åpninger); ii) firefelts boksbehandlingsplaner for livmorhalskreftpasienter (bløtvevsbaserte feltåpninger); iii) tangentielle og supraklavikulære behandlingsplaner for brystveggpasienter; iv) behandlingsplaner for hele hjernen.
Denne protokollen skisserer trinnene i å lage automatiserte behandlingsplaner ved hjelp av RPA. De viktigste trinnene er (1) CT-opplasting og godkjenning, (2) fullføring og godkjenning av serviceforespørsel, (3) plannedlasting og import til brukerens TPS og omberegning av dose- og planredigering, og (4) opplasting av den endelige redigerte planen for sammenligning med RPA-planen. Rekkefølgen på CT-godkjenningen og godkjenningen av serviceforespørselen er utskiftbare. Noen planer, spesielt volummodulerte bueterapiplaner for hode og nakke og livmorhalskreft, opprettes i en to-trinns prosess der ytterligere brukerinteraksjoner og konturene og planene genereres separat. Samlet sett er imidlertid prosessene like, og vi forventer at disse avanserte behandlingsplanleggingstilnærmingene kan endres til en ett-trinns prosess i fremtiden. Den generelle kliniske aksepten som kan forventes fra disse verktøyene, og fra verktøy som er under utvikling for fremtidige versjoner, finnes i vårt publiserte arbeid 10,12,14,15,16,17,18,19,20,21,22.
Disse verktøyene har flere begrensninger, som beskrevet i vårt tidligere arbeid, som undersøkte risiko ved utplassering av stråleplanleggingsassistenten i strålebehandlingsklinikker 9,23. Selv om brukergrensesnittet er utformet for å minimere risikoen for upassende dataregistrering, for eksempel CT-bilder som ikke har tilstrekkelig synsfelt eller feil i manuell dataregistrering, er det fortsatt potensial for feil. Spesielt menneskelig feil, automatiseringsskjevhet (overdreven avhengighet av resultatene) og programvarefeil er bekymringsfulle9. Nøye gjennomgang og om nødvendig redigering av de automatisk genererte konturene og planene er avgjørende for sikker bruk av stråleplanleggingsassistenten. Generelt bør disse vurderingene følge samme prosess som følges for gjennomgang av kliniske planer av fysikere og strålingsonkologer, selv om dette kan støttes av bruk av sjekklister utviklet spesielt for å supplere manuell gjennomgang av automatisk opprettede behandlingsplaner24.
Det finnes situasjoner der RPA ikke kan generere en plan og rapporterer en feil til brukeren. I nesten alle tilfeller vil dette skyldes at RPA møter uventede data som den ikke kan tolke, for eksempel utilstrekkelig synsfelt eller pasientposisjonering (f.eks. hvis et CT-bilde ble tatt ved hjelp av en liggende protokoll, men med pasienten i mageleie). Brukeren kan være i stand til å identifisere problemet basert på hvor feilen rapporteres. I de fleste tilfeller kan disse situasjonene bare avhjelpes ved manuell konturering eller planlegging. Det kan også hende at RPA-teamet kan se gjennom loggfiler for å identifisere problemet.
RPA er designet og utviklet spesielt for å bringe høykvalitets autokonturerings- og autoplanleggingsverktøy til klinikker med begrensede ressurser, spesielt de i lav- og mellominntektsland. Vi jobber for tiden med regulatoriske, juridiske og administrative prosesser som vil føre til at RPA vil bli brukt klinisk. Når det skjer, forventer vi å overvåke bruken nøye og gjøre endringer i arbeidsflyten eller brukergrensesnittet som svar på uventede risikoer eller tilbakemeldinger fra andre brukere. Målet er å tilby verktøy som støtter strålebehandlingstjenester, slik at lokale kliniske team kan skalere sin innsats og forbedre tilgangen til konsistente strålebehandlingsplaner av høy kvalitet. Vi håper at dette vil føre til bedre pasientutfall, samt reduserte ventetider. Selv om den nåværende porteføljen er begrenset til kreft i hode og nakke, bryst og livmorhals, samt helhjernebestråling for hjernemetastaser, jobber vi med flere behandlinger som vil bli innlemmet i fremtidige versjoner 17,18,19.
The authors have nothing to disclose.
Dette arbeidet ble finansiert av National Cancer Institute og Wellcome Trust, med ekstra støtte fra Varian Medical Systems. Vårt nåværende system bruker Eclipse for behandlingsplanleggingsfunksjoner. Vi vil også takke Ann Sutton av Editing Services, Research Medical Library, UT MD Anderson Cancer Center. I tillegg til institusjonell finansiering for RPA-utvikling, mottar våre forskerteam finansiering fra Cancer Prevention and Research Institute of Texas (CPRIT) og Fund for Innovation in Cancer Informatics, University of Texas MD Anderson Cancer Center.