Assistente de Planejamento de Radiação - Uma Ferramenta Baseada na Web para Suporte à Radioterapia de Alta Qualidade em Clínicas com Recursos Limitados
Summary
Este protocolo descreve uma série de ferramentas automatizadas projetadas para autocontorno e planejamento automático de radioterapia de alta qualidade que estão sendo empacotadas em um serviço baseado na Web para maximizar a robustez e escalabilidade, minimizando os custos operacionais.
Abstract
O acesso à radioterapia em todo o mundo é limitado. O Radiation Planning Assistant (RPA) é uma ferramenta totalmente automatizada e baseada na web que está sendo desenvolvida para oferecer ferramentas de planejamento de tratamento de radioterapia totalmente automatizadas para clínicas com recursos limitados. O objetivo é ajudar as equipes clínicas a escalar seus esforços, alcançando assim mais pacientes com câncer. O usuário se conecta ao RPA por meio de uma página da Web, preenche uma Solicitação de Serviço (prescrição e informações sobre os alvos da radioterapia) e carrega o conjunto de imagens de TC do paciente. O RPA oferece duas abordagens para o planejamento automatizado. No planejamento de uma etapa, o sistema usa a Solicitação de Serviço e a tomografia computadorizada para gerar automaticamente os contornos e o plano de tratamento necessários. No planejamento em duas etapas, o usuário revisa e edita os contornos gerados automaticamente antes que o RPA continue a gerar um plano de terapia de arco modulado por volume. O plano final é baixado do site da RPA e importado para o sistema de planejamento de tratamento local do usuário, onde a dose é recalculada para o linac comissionado localmente; Se necessário, o plano é editado antes da aprovação para uso clínico.
Introduction
Espera-se que o número global de casos de câncer cresça para aproximadamente 24,6 milhões até 2030, com a maior carga em países de baixa e média renda (PBMRs)1. A radioterapia é um tratamento custo-efetivo, curativo e paliativo para o câncer, proporcionando benefícios para aproximadamente 50% dos pacientes com câncer e para 60-70% em países de baixa renda, onde os pacientes são mais propensos a se apresentar em um estágio tardio 2,3. No entanto, o acesso à radioterapia em todo o mundo é limitado4; por exemplo, nenhum país da África tem capacidade de radioterapia para atender às suas necessidades estimadas5. Vários estudos estimaram essas carências iminentes e o que seria necessário para atender às necessidades futuras 6,7.
A Comissão de Oncologia da Lancet defendeu de forma convincente que o investimento em melhorias na capacidade de radioterapia não apenas salvaria vidas, mas também traria benefícios econômicos positivos3. Eles também apontaram especificamente que a automação do contorno da radioterapia e do planejamento do tratamento pode ajudar as equipes clínicas a escalar seus esforços, reduzindo significativamente o tempo gasto nessas tarefas por oncologistas e físicos, respectivamente, tornando as metas mais atingíveis.
Nosso grupo de pesquisa tem trabalhado em colaboração com equipes clínicas na MD Anderson e em hospitais em todo o mundo para desenvolver ferramentas automatizadas baseadas na web. Esse conjunto de ferramentas (chamado de RPA) fornece contorno baseado em Inteligência Artificial (delineando tumores e órgãos próximos em tomografias) e planejamento de tratamento de radioterapia (que define exatamente como a radiação é entregue). Esta plataforma baseada na web oferece a vantagem de tempo reduzido e recursos necessários para preparar planos de alta qualidade para cada paciente.
Nossa experiência com uma versão inicial de uma ferramenta baseada em IA na MD Anderson mostrou que o contorno automatizado pode economizar até 2 horas por paciente – uma simplificação significativa do fluxo de trabalho. Isso significa que o corpo clínico atual poderá escalar seu esforço, tratando mais pacientes com radioterapia de maior qualidade. Ao oferecer essas ferramentas por meio de um serviço totalmente automatizado e baseado na web (Radiation Planning Assistant [RPA], RPA.mdanderson.org), podemos minimizar o custo para os pacientes e provedores e maximizar o alcance dessa ferramenta.
Estamos desenvolvendo o RPA há 6 anos, e várias mudanças significativas foram feitas desde que publicamos pela primeira vez nos fluxos de trabalho do RPA8. Isso inclui o desenvolvimento do RPA em uma ferramenta baseada na web, reduzindo assim os custos associados à instalação e manutenção e melhorando a robustez do sistema. Outras melhorias incluem mudanças nas interfaces do usuário para melhorar a usabilidade e reduzir o risco de erro9 e expandir as opções de tratamento (especificamente, planejamento radioterápico para mama pós-mastectomia10 e metástases para o cérebro11). Assim, o protocolo aqui descrito encontra-se substancialmente mais avançado do que a versão inicial publicada anteriormente.
O RPA usa um processo de uma etapa para criar contornos e planos em situações em que a edição dos contornos geralmente não é necessária para criar o plano de tratamento. Isso inclui o planejamento de quatro campos para o câncer de mama do colo do útero (baseado em pontos de referência ósseos ou contornos de tecidos moles gerados automaticamente)12,13,14,15, campos tangenciais ou supraclaviculares para câncer de mama pós-mastectomia 11 e laterais opostas para tratamentos com todo o cérebro16. Em um futuro próximo, esperamos adicionar tratamentos cranioespinhais para cânceres pediátricos17, tratamentos de três campos para câncer retal18 e planejamento de tratamento para vários casos paliativos (corpos vertebrais, quadris e costelas)19, bem como cânceres de pulmão e bexiga. Atualmente, tratamentos mais avançados, especificamente a terapia de arco modulado a volume (VMAT), requerem um processo de duas etapas no qual os contornos gerados automaticamente são editados antes do planejamento terapêutico13,20. No entanto, a qualidade do autocontorno baseado em aprendizado profundo é tal que esperamos mudar essas abordagens de planejamento para um processo de uma etapa no futuro. Este protocolo se concentra no planejamento de uma etapa.
A Figura 1 mostra o fluxo de trabalho geral para a criação de um plano de tratamento radioterápico usando a RPA, com mais detalhes sobre as diferentes tarefas mostradas na Tabela 1. Em resumo, o RPA requer uma Solicitação de Serviço preenchida (que inclui informações como a prescrição de dose e a abordagem de tratamento) e uma tomografia computadorizada individual do paciente. A Solicitação de Serviço deve ser aceita por um oncologista radiologista. A tomografia computadorizada deve ser aceita por um usuário clínico para garantir que os cálculos de RPA sejam realizados na tomografia correta. Uma vez que o RPA tenha gerado um plano, ele deve ser baixado do site do RPA e importado para o sistema de planejamento de tratamento do usuário, onde a dose deve ser recalculada. Isso é necessário porque o RPA calcula planos em vigas padrão (disponíveis para vários modelos de linac), que podem não corresponder exatamente às características do linac local. Esta abordagem foi adotada para reduzir o custo, embora a personalização possa ser necessária se as vigas locais forem significativamente diferentes das nossas vigas padrão. Os usuários (planejador de tratamento e oncologista de radiação) podem fazer edições no plano. Em seguida, o plano entra no fluxo de trabalho clínico típico do usuário, incluindo verificações locais de garantia de qualidade. Finalmente, o usuário deve fazer o upload de seu plano final (recalculado e editado) para o site da RPA, onde é realizada uma comparação automatizada entre o Plano Final e o Plano RPA. Essa é uma verificação útil da integridade dos dados no fluxo de trabalho geral.
Figura 1: Fluxo de trabalho do processo automatizado de planejamento de tratamento. Clique aqui para ver uma versão maior desta figura.
| Tarefa # na Figura 1 | Descrição da tarefa | Localização | |||
| Revisar o status de todos os pacientes anteriores | Painel principal | ||||
| 1 | Concluir uma solicitação de serviço no site da RPA | Painel de solicitação de serviço | |||
| 2 | Carregar uma tomografia computadorizada no site da RPA | Painel de tomografia computadorizada | |||
| 3 | Verificar o estado do paciente | Painel principal | |||
| Revise e baixe o Plano RPA | Painel principal | ||||
| 4 | Importe o plano para o TPS do usuário, recalcule a dose e faça edições conforme necessário | Local TPS | |||
| 5, 6 | Carregue o Plano Final no site do RPA | Painel de comparação de planos | |||
| Revise a comparação automática do Plano Final e do Plano RPA | Painel de comparação de planos | ||||
| – | O plano entra no fluxo de trabalho clínico de rotina do usuário, incluindo garantia de qualidade regular | Software próprio do usuário | |||
Tabela 1: Visão geral das tarefas envolvidas na criação de um Plano de RPA usando o fluxo de trabalho de 1 etapa. TPS local: Sistema de Planejamento de Tratamento do Usuário.
Este manuscrito descreve esse fluxo de trabalho de uma etapa para a RPA e apresenta alguns resultados de exemplo da saída do processo de planejamento de tratamento. Atualmente, as seguintes abordagens de planejamento usam esse fluxo de trabalho de uma etapa: i) Planos de tratamento de caixa de quatro campos para pacientes com câncer cervical (aberturas baseadas em marcos ósseos); ii) planos de tratamento com caixa de quatro campos para pacientes com câncer cervical (aberturas de campo baseadas em tecidos moles); iii) planos de tratamento tangencial e supraclavicular para pacientes da parede torácica; iv) planos de tratamento do cérebro inteiro.
Protocol
Representative Results
Discussion
Este protocolo descreve as etapas na criação de planos de tratamento automatizados usando o RPA. As principais etapas são (1) upload e aprovação de TC, (2) conclusão e aprovação da solicitação de serviço, (3) download e importação do plano para o TPS do usuário e recálculo da dose e edição do plano, e (4) upload do plano final editado para comparação com o plano RPA. A ordem de aprovação do CT e a aprovação do Pedido de Serviço são intercambiáveis. Alguns planos, especificamente planos de terapia de arco modulado por volume para câncer de cabeça e pescoço e colo do útero, são criados em um processo de duas etapas no qual interações adicionais do usuário e os contornos e planos são gerados separadamente. No geral, no entanto, os processos são semelhantes, e esperamos que essas abordagens avançadas de planejamento de tratamento possam ser alteradas para um processo de uma etapa no futuro. A aceitabilidade clínica global que se pode esperar desses instrumentos e dos instrumentos que estão em desenvolvimento para versões futuras pode ser encontrada em nosso trabalho publicado 10,12,14,15,16,17,18,19,20,21,22.
Essas ferramentas têm várias limitações, como descrito em nosso trabalho anterior, que investigou o risco ao implantar o Radiation Planning Assistant em clínicas de radioterapia 9,23. Embora a interface do usuário tenha sido projetada para minimizar o risco de entrada inadequada de dados, como imagens de TC que não têm campo de visão suficiente ou erros na entrada manual de dados, ainda há potencial para erro. Especificamente, erro humano, viés de automação (excesso de confiança nos resultados) e erro de software são preocupantes9. A revisão cuidadosa e, se necessário, a edição dos contornos e planos gerados automaticamente, é essencial para o uso seguro do Assistente de Planejamento de Radiação. Em geral, essas revisões devem seguir o mesmo processo que é seguido para a revisão de planos clínicos por físicos e radiooncologistas, embora isso possa ser apoiado pelo uso de checklists desenvolvidos especificamente para complementar a revisão manual de planos de tratamento criadosautomaticamente24.
Há situações em que o RPA não será capaz de gerar um plano e reportará um erro ao usuário. Em quase todos os casos, isso será causado pelo encontro da ARP com dados inesperados que ela não pode interpretar, como campo de visão insuficiente ou posicionamento do paciente (por exemplo, se uma imagem de TC foi feita usando um protocolo supino, mas com o paciente em decúbito ventral). O usuário pode ser capaz de identificar o problema com base em onde o erro é relatado. Na maioria dos casos, essas situações só podem ser remediadas por contorno manual ou planejamento. A equipe de RPA também pode revisar arquivos de log para identificar o problema.
O RPA foi projetado e desenvolvido especificamente para trazer ferramentas de autocontorno e planejamento automático de alta qualidade para clínicas com recursos limitados, especialmente aquelas em países de baixa e média renda. Atualmente, estamos trabalhando nos processos regulatórios, legais e administrativos que levarão ao uso clínico do RPA. Quando isso acontecer, esperamos monitorar cuidadosamente o uso e fazer alterações no fluxo de trabalho ou nas interfaces do usuário em resposta a quaisquer riscos imprevistos ou outros comentários do usuário. O objetivo é fornecer ferramentas que apoiem os serviços de radioterapia, de modo que as equipes clínicas locais possam ampliar seus esforços, melhorando o acesso a planos de radioterapia consistentes e de alta qualidade. Esperamos que isso leve a melhores resultados para os pacientes, bem como à redução do tempo de espera. Embora o portfólio atual seja limitado aos cânceres de cabeça e pescoço, mama e colo do útero, bem como à irradiação de todo o cérebro para metástases cerebrais, estamos trabalhando em tratamentos adicionais que serão incorporados em versões futuras 17,18,19.
Disclosures
The authors have nothing to disclose.
Acknowledgements
Este trabalho foi financiado pelo Instituto Nacional do Câncer e pelo Wellcome Trust, com apoio adicional da Varian Medical Systems. Nosso sistema atual usa o Eclipse para funções de planejamento de tratamento. Também gostaríamos de agradecer a Ann Sutton da Editing Services, Research Medical Library, UT MD Anderson Cancer Center. Além do financiamento institucional para o desenvolvimento de RPA, nossas equipes de pesquisa recebem financiamento do Cancer Prevention and Research Institute of Texas (CPRIT) e do Fund for Innovation in Cancer Informatics, The University of Texas MD Anderson Cancer Center.
References
- 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).
- 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).
- Atun, R., et al. Expanding global access to radiotherapy. The Lancet. Oncology. 16 (10), 1153-1186 (2015).
- 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).
- 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).
- 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).
- 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).
- Court, L. E., et al. Radiation Planning Assistant – a streamlined, fully automated radiotherapy treatment planning system. Journal of Visualized Experiments. (134), e57411 (2018).
- 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).
- Kisling, K., et al. Automated treatment planning of postmastectomy radiotherapy. Medical Physics. 46 (9), 3767-3775 (2019).
- 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).
- 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).
- 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).
- Rhee, D. J., et al. Automated radiation treatment planning for cervical cancer. Seminars in Radiation Oncology. 30 (4), 340-347 (2020).
- Rhee, D. J., et al. Automatic contouring system for cervical cancer using convolutional neural networks. Medical Physics. 47 (11), 5648-5658 (2020).
- Xiao, Y., et al. Automated WBRT treatment planning via deep learning auto-contouring and customizable landmark-based field aperture design. arXiv. , (2022).
- Hernandez, S., et al. Automating the treatment planning process for 3D-conformal pediatric craniospinal irradiation therapy. Pediatric Blood & Cancer. 70 (3), e30164 (2023).
- Huang, K., et al. Automation of radiation treatment planning for rectal cancer. Journal of Applied Clinical Medical Physics. 23 (9), e13712 (2022).
- 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).
- 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).
- 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).
- Rhee, D. J., et al. Automatic detection of contouring errors using convolutional neural networks. Medical Physics. 46 (11), 5086-5097 (2019).
- Kisling, K., et al. A risk assessment of automated treatment planning and recommendations for clinical deployment. Medical Physics. 46 (6), 2567-2574 (2019).
- 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).
