Denne protokol beskriver en række automatiserede værktøjer designet til strålebehandling af høj kvalitet, autokonturering og autoplanlægning, der pakkes ind i en webbaseret tjeneste for at maksimere robusthed og skalerbarhed, samtidig med at driftsomkostningerne minimeres.
Adgang til strålebehandling på verdensplan er begrænset. Radiation Planning Assistant (RPA) er et fuldt automatiseret, webbaseret værktøj, der udvikles til at tilbyde fuldautomatiske planlægningsværktøjer til strålebehandling til klinikker med begrænsede ressourcer. Målet er at hjælpe kliniske teams med at skalere deres indsats og dermed nå ud til flere patienter med kræft. Brugeren opretter forbindelse til RPA via en webside, udfylder en serviceanmodning (recept og oplysninger om strålebehandlingsmålene) og uploader patientens CT-billedsæt. RPA tilbyder to tilgange til automatiseret planlægning. I et-trins planlægning bruger systemet serviceanmodningen og CT-scanningen til automatisk at generere de nødvendige konturer og behandlingsplan. I totrinsplanlægning gennemgår og redigerer brugeren de automatisk genererede konturer, før RPA’en fortsætter med at generere en volumenmoduleret bueterapiplan. Den endelige plan downloades fra RPA-webstedet og importeres til brugerens lokale behandlingsplanlægningssystem, hvor dosis genberegnes for den lokalt bestilte linac; Om nødvendigt redigeres planen forud for godkendelse til klinisk brug.
Det globale antal kræfttilfælde forventes at vokse til ca. 24,6 millioner i 2030, med den største byrde i lav- og mellemindkomstlande (LMIC’er)1. Strålebehandling er en omkostningseffektiv, helbredende og palliativ behandling af kræft, der giver fordele for ca. 50% af patienterne med kræft og til 60-70% i lavindkomstlande, hvor patienter er mere tilbøjelige til at præsentere på et sent stadium 2,3. Imidlertid er adgangen til strålebehandling på verdensplan begrænset4; For eksempel har ingen lande i Afrika strålebehandlingskapacitet til at opfylde deres anslåede behov5. Flere undersøgelser har estimeret disse forestående mangler, og hvad der ville være nødvendigt for at imødekomme kommende behov 6,7.
Lancet Oncology Commission gjorde den overbevisende sag, at investeringer i forbedringer af strålebehandlingskapaciteten ikke kun ville redde liv, men også ville medføre positive økonomiske fordele3. De påpegede også specifikt, at automatisering af strålebehandlingskonturering og behandlingsplanlægning kan hjælpe kliniske teams med at skalere deres indsats ved betydeligt at reducere den tid, der bruges på disse opgaver af henholdsvis onkologer og fysikere, hvilket gør målene mere opnåelige.
Vores forskningsgruppe har arbejdet sammen med kliniske teams hos MD Anderson og på hospitaler over hele verden for at udvikle webbaserede automatiserede værktøjer. Denne pakke af værktøjer (kaldet RPA) giver kunstig intelligens-baseret konturering (skitsering af tumorer og nærliggende organer på CT-scanninger) og strålebehandling behandlingsplanlægning (som definerer præcis, hvordan strålingen leveres). Denne webbaserede platform giver fordelen ved reduceret tid og ressourcer, der er nødvendige for at udarbejde planer af høj kvalitet for hver patient.
Vores erfaring med en tidlig version af et AI-baseret værktøj hos MD Anderson har vist, at automatiseret konturering kan spare op til 2 timer pr. patient – en betydelig effektivisering af arbejdsgangen. Det betyder, at det nuværende kliniske personale vil kunne skalere deres indsats og behandle flere patienter med strålebehandling af højere kvalitet. Ved at tilbyde disse værktøjer via en fuldautomatisk, webbaseret service (Radiation Planning Assistant [RPA], RPA.mdanderson.org), kan vi minimere omkostningerne for patienter og udbydere og maksimere rækkevidden af dette værktøj.
Vi har udviklet RPA i 6 år, og der er foretaget flere væsentlige ændringer, siden vi første gang publicerede på RPA-arbejdsgangene8. Disse omfatter udvikling af RPA til et webbaseret værktøj, hvilket reducerer omkostningerne forbundet med installation og vedligeholdelse og forbedrer systemets robusthed. Andre forbedringer omfatter ændringer i brugergrænsefladerne for at forbedre brugervenligheden og reducere risikoen for fejl9 og udvide behandlingsmulighederne (specifikt strålebehandlingsplanlægning for bryst10 efter mastektomi og metastaser til hjernen11). Den her beskrevne protokol er således væsentligt mere avanceret end den oprindelige version, der tidligere er offentliggjort.
RPA bruger en et-trins proces til at oprette konturer og planer i situationer, hvor redigering af konturerne generelt ikke er nødvendig for at oprette behandlingsplanen. Dette omfatter planlægning af behandling af livmoderhalskræft med fire felter (baseret på knoglelandemærker eller automatisk genererede bløddelskonturer)12,13,14,15, tangentielle eller supraklavikulære felter til brystkræft efter mastektomi11 og modsatte laterale til helhjernebehandlinger 16. I den nærmeste fremtid forventer vi at tilføje kraniospinale behandlinger for pædiatrisk kræft17, trefeltsbehandlinger for endetarmskræft18 og behandlingsplanlægning for forskellige palliative tilfælde (hvirveldyr, hofter og ribben)19 samt lunge- og blærekræft. I øjeblikket kræver mere avancerede behandlinger, specifikt volumenmoduleret lysbueterapi (VMAT), en totrinsproces, hvor automatisk genererede konturer redigeres inden behandlingsplanlægning13,20. Kvaliteten af deep learning-baseret autokonturering er dog sådan, at vi forventer at ændre disse planlægningsmetoder til en et-trins proces i fremtiden. Denne protokol fokuserer på et-trins planlægning.
Figur 1 viser den overordnede arbejdsgang for oprettelse af en strålebehandlingsplan ved hjælp af RPA, med flere detaljer om de forskellige opgaver vist i tabel 1. Sammenfattende kræver RPA en udfyldt serviceanmodning (som indeholder oplysninger såsom dosisordination og behandlingsmetode) og en patients individuelle CT-scanning. Serviceanmodningen skal accepteres af en strålingsonkolog. CT-scanningen skal accepteres af en klinisk bruger for at sikre, at RPA-beregningerne udføres på den korrekte CT-scanning. Når RPA’en har genereret en plan, skal den downloades fra RPA-webstedet og importeres til brugerens behandlingsplanlægningssystem, hvor dosis skal genberegnes. Dette er nødvendigt, fordi RPA beregner planer på standardbjælker (fås til flere linac-modeller), som muligvis ikke nøjagtigt matcher stråleegenskaberne for den lokale linac. Denne tilgang blev taget for at reducere omkostningerne, selvom tilpasning kan være nødvendig, hvis lokalbjælkerne er væsentligt forskellige fra vores standardbjælker. Brugerne (behandlingsplanlægger og strålingsonkolog) kan foretage redigeringer af planen. Planen indgår derefter i brugerens typiske kliniske arbejdsgang, herunder lokal kvalitetssikringskontrol. Endelig skal brugeren uploade sin endelige (genberegnede og redigerede) plan til RPA-webstedet, hvor der udføres en automatisk sammenligning mellem den endelige plan og RPA-planen. Dette er en nyttig kontrol af dataintegriteten i den overordnede arbejdsgang.
Figur 1: Arbejdsgange for den automatiserede behandlingsplanlægningsproces. Klik her for at se en større version af denne figur.
Opgave # i figur 1 | Opgavebeskrivelse | Sted | |||
Gennemgå status for eventuelle tidligere patienter | Hoved instrumentbræt | ||||
1 | Udfyld en serviceanmodning på RPA-webstedet | Dashboard til serviceanmodning | |||
2 | Overfør en CT-scanning til RPA-webstedet | CT-scanning dashboard | |||
3 | Kontroller patientens status | Hoved instrumentbræt | |||
Gennemgå og download RPA-planen | Hoved instrumentbræt | ||||
4 | Importer planen til brugerens TPS, genberegne dosis og foretage redigeringer efter behov | Lokal TPS | |||
5, 6 | Upload den endelige plan til RPA-webstedet | Dashboard til sammenligning af planer | |||
Gennemgå den automatiske sammenligning af den endelige plan og RPA-planen | Dashboard til sammenligning af planer | ||||
– | Planen indgår i brugerens rutinemæssige kliniske arbejdsgang, herunder regelmæssig kvalitetssikring | Brugerens egen software |
Tabel 1: Oversigt over de opgaver, der er involveret i oprettelse af en RPA-plan ved hjælp af 1-trins arbejdsgangen. Lokal TPS: Brugerens behandlingsplanlægningssystem.
Dette manuskript beskriver denne et-trins arbejdsgang for RPA og præsenterer nogle eksempler på resultater af behandlingsplanlægningsprocessens output. I øjeblikket bruger følgende planlægningsmetoder denne et-trins arbejdsgang: i) Fire-feltboks behandlingsplaner for livmoderhalskræftpatienter (knoglede vartegnbaserede åbninger); ii) behandlingsplaner med fire feltbokse for patienter med livmoderhalskræft (feltåbninger baseret på blødt væv) iii) tangentielle og supraklavikulære behandlingsplaner for brystvægspatienter iv) behandlingsplaner for hele hjernen.
Denne protokol beskriver trinene i oprettelsen af automatiserede behandlingsplaner ved hjælp af RPA. De vigtigste trin er (1) CT-upload og godkendelse, (2) fuldførelse og godkendelse af serviceanmodning, (3) download og import af plan til brugerens TPS og genberegning af dosis og planredigering og (4) upload af den endelige redigerede plan til sammenligning med RPA-planen. Rækkefølgen af CT-godkendelsen og serviceanmodningsgodkendelsen er udskiftelige. Nogle planer, specifikt volumenmodulerede bueterapiplaner for hoved- og hals- og livmoderhalskræft, oprettes i en totrinsproces, hvor yderligere brugerinteraktioner og konturerne og planerne genereres separat. Samlet set er processerne dog ens, og vi forventer, at disse avancerede behandlingsplanlægningsmetoder kan ændres til en et-trins proces i fremtiden. Den overordnede kliniske acceptabilitet, der kan forventes af disse værktøjer og af værktøjer, der er under udvikling til fremtidige versioner, findes i vores offentliggjorte arbejde 10,12,14,15,16,17,18,19,20,21,22.
Disse værktøjer har flere begrænsninger, som beskrevet i vores tidligere arbejde, som undersøgte risiko ved indsættelse af stråleplanlægningsassistenten i strålebehandlingsklinikker 9,23. Selvom brugergrænsefladen er designet til at minimere risikoen for uhensigtsmæssig dataindtastning, såsom CT-billeder, der ikke har tilstrækkeligt synsfelt eller fejl i manuel dataindtastning, er der stadig potentiale for fejl. Specifikt er menneskelige fejl, automatiseringsbias (overdreven afhængighed af resultaterne) og softwarefejl bekymrende9. Omhyggelig gennemgang og om nødvendigt redigering af de automatisk genererede konturer og planer er afgørende for sikker brug af strålingsplanlægningsassistenten. Generelt bør disse gennemgange følge den samme proces, som følges ved fysikeres og strålingsonkologers gennemgang af kliniske planer, selv om dette kan understøttes af brugen af tjeklister, der er udviklet specifikt til at supplere manuel gennemgang af automatisk oprettede behandlingsplaner24.
Der er situationer, hvor RPA ikke kan generere en plan og rapporterer en fejl til brugeren. I næsten alle tilfælde vil dette skyldes, at RPA støder på uventede data, som den ikke kan fortolke, såsom utilstrækkeligt synsfelt eller patientpositionering (f.eks. Hvis et CT-billede blev taget ved hjælp af en liggende protokol, men med patienten i en udsat position). Brugeren kan muligvis identificere problemet baseret på, hvor fejlen rapporteres. I de fleste tilfælde kan disse situationer kun afhjælpes ved manuel konturering eller planlægning. RPA-teamet kan muligvis også gennemse logfiler for at identificere problemet.
RPA er designet og udviklet specielt til at bringe autokonturerings- og autoplanlægningsværktøjer af høj kvalitet til klinikker med begrænsede ressourcer, især dem i lav- og mellemindkomstlande. Vi arbejder i øjeblikket gennem de lovgivningsmæssige, juridiske og administrative processer, der vil føre til, at RPA anvendes klinisk. Når det sker, forventer vi nøje at overvåge brugen og foretage ændringer i arbejdsgangen eller brugergrænsefladerne som reaktion på uventede risici eller anden brugerfeedback. Målet er at levere værktøjer, der understøtter strålebehandlingstjenester, således at lokale kliniske teams kan skalere deres indsats og forbedre adgangen til ensartede strålebehandlingsplaner af høj kvalitet. Vi håber, at dette vil føre til forbedrede patientresultater samt reducerede ventetider. Selvom den nuværende portefølje er begrænset til kræft i hoved og hals, bryst og livmoderhals samt helhjernebestråling for hjernemetastaser, arbejder vi på yderligere behandlinger, der vil blive indarbejdet i fremtidige versioner 17,18,19.
The authors have nothing to disclose.
Dette arbejde blev finansieret af National Cancer Institute og Wellcome Trust med yderligere støtte fra Varian Medical Systems. Vores nuværende system bruger Eclipse til behandlingsplanlægningsfunktioner. Vi vil også gerne takke Ann Sutton fra Editing Services, Research Medical Library, UT MD Anderson Cancer Center. Ud over den institutionelle finansiering til RPA-udvikling modtager vores forskerhold finansiering fra Cancer Prevention and Research Institute of Texas (CPRIT) og Fund for Innovation in Cancer Informatics, University of Texas MD Anderson Cancer Center.