Summary

Radiation Planning Assistant - 자원이 제한된 클리닉에서 고품질 방사선 치료를 지원하기 위한 웹 기반 도구

Published: October 06, 2023
doi:

Summary

이 프로토콜은 운영 비용을 최소화하면서 견고성과 확장성을 극대화하기 위해 웹 기반 서비스로 패키징되는 고품질 방사선 치료 자동 윤곽 및 자동 계획을 위해 설계된 일련의 자동화 도구를 설명합니다.

Abstract

전 세계적으로 방사선 치료에 대한 접근은 제한되어 있습니다. 방사선 계획 도우미(RPA)는 자원이 제한된 클리닉에 완전 자동화된 방사선 치료 계획 도구를 제공하기 위해 개발 중인 완전 자동화된 웹 기반 도구입니다. 목표는 임상 팀이 노력을 확장하여 더 많은 암 환자에게 다가갈 수 있도록 돕는 것입니다. 사용자는 웹 페이지를 통해 RPA에 연결하고, 서비스 요청(처방전 및 방사선 치료 대상에 대한 정보)을 완료하고, 환자의 CT 이미지 세트를 업로드합니다. RPA는 자동화된 계획에 대한 두 가지 접근 방식을 제공합니다. 원스텝 계획에서 시스템은 서비스 요청 및 CT 스캔을 사용하여 필요한 윤곽 및 치료 계획을 자동으로 생성합니다. 2단계 계획에서 사용자는 RPA가 체적 변조 아크 치료 계획을 계속 생성하기 전에 자동으로 생성된 윤곽을 검토하고 편집합니다. 최종 계획은 RPA 웹사이트에서 다운로드되어 사용자의 로컬 치료 계획 시스템으로 가져오며, 여기서 로컬에서 위탁된 linac에 대한 투여량이 다시 계산됩니다. 필요한 경우 임상 사용 승인 전에 계획을 수정합니다.

Introduction

전 세계 암 환자 수는 2030년까지 약 2,460만 명으로 증가할 것으로 예상되며, 저소득 및 중간소득 국가(LMIC)에서 가장 큰 부담을 안고 있습니다1. 방사선 치료는 암에 대한 비용 효과적이고 완치적이며 완화적인 치료법으로, 암 환자의 약 50%와 환자가 말기에 나타날 가능성이 높은 저소득 국가의 60-70%에게 혜택을 제공합니다 2,3. 그러나 전 세계적으로 방사선 치료에 대한 접근은 제한적이다4; 예를 들어, 아프리카의 어떤 국가도 예상 수요를 충족시킬 수 있는 방사선 치료 역량을 갖추고 있지 않다5. 여러 연구에서 이러한 임박한 부족과 향후 수요를 충족하기 위해 필요한 것이 무엇인지 추정했습니다 6,7.

랜싯 종양학 위원회(Lancet Oncology Commission)는 방사선 치료 용량 개선에 대한 투자가 생명을 구할 뿐만 아니라 긍정적인 경제적 이익도 가져올 것이라는 설득력 있는 사례를 제시했습니다3. 또한 방사선 치료 윤곽 및 치료 계획의 자동화는 종양학자와 물리학자가 각각 이러한 작업에 소요하는 시간을 크게 줄여 임상 팀이 노력을 확장하는 데 도움이 될 수 있으므로 목표를 더 쉽게 달성할 수 있다고 구체적으로 지적했습니다.

우리 연구 그룹은 MD Anderson의 임상 팀 및 전 세계 병원과 협력하여 웹 기반 자동화 도구를 개발해 왔습니다. RPA라고 하는 이 도구 모음은 인공 지능 기반 윤곽 분석(CT 스캔에서 종양 및 주변 장기의 윤곽을 설명)과 방사선 치료 계획(방사선 전달 방법을 정확하게 정의)을 제공합니다. 이 웹 기반 플랫폼은 각 환자를 위한 고품질 계획을 준비하는 데 필요한 시간과 리소스를 줄일 수 있는 이점을 제공합니다.

MD Anderson의 AI 기반 도구 초기 버전에 대한 경험에 따르면 자동 컨투어링은 환자당 최대 2시간을 절약할 수 있어 워크플로우가 크게 간소화됩니다. 이는 현재 의료진이 더 많은 환자를 고품질 방사선 요법으로 치료할 수 있도록 노력을 확장할 수 있음을 의미합니다. 완전 자동화된 웹 기반 서비스(방사선 계획 도우미[RPA], RPA.mdanderson.org)를 통해 이러한 도구를 제공함으로써 환자와 의료 서비스 제공자의 비용을 최소화하고 이 도구의 사용 범위를 극대화할 수 있습니다.

우리는 6년 동안 RPA를 개발해 왔으며 RPA 워크플로8에 처음 게시한 이후 몇 가지 중요한 변경 사항이 있었습니다. 여기에는 RPA를 웹 기반 도구로 개발하여 설치 및 유지 관리와 관련된 비용을 절감하고 시스템의 견고성을 개선하는 것이 포함됩니다. 다른 개선 사항으로는 사용성을 개선하고 오류9 의 위험을 줄이기 위한 사용자 인터페이스의 변경과 치료 옵션의 확대(특히, 유방 절제술 후 유방10 및 뇌로의 전이11에 대한 방사선 요법 계획)가 포함된다. 따라서 여기에 설명된 프로토콜은 이전에 게시된 초기 버전보다 훨씬 더 발전된 프로토콜입니다.

RPA는 일반적으로 치료 계획을 수립하기 위해 등고선을 편집할 필요가 없는 상황에서 등고선과 계획을 작성하기 위해 원스텝 프로세스를 사용합니다. 여기에는 자궁경부암에 대한 4개 필드 상자 치료 계획(뼈 랜드마크 또는 자동으로 생성된 연조직 윤곽에 기반)12,13,14,15, 유방 절제술 후 유방암에 대한 접선 또는 쇄골상부 필드11, 전뇌 치료를 위한 반대측 필드16가 포함된다. 가까운 장래에 소아암17에 대한 두개척추 치료, 직장암18에 대한 3분야 치료, 다양한 완화 사례(척추체, 고관절 및 갈비뼈)19, 폐암 및 방광암에 대한 치료 계획이 추가될 것으로 예상됩니다. 현재, 보다 발전된 치료법, 특히 부피 변조 아크 요법(VMAT)은 치료 계획 전에 자동으로 생성된 윤곽을 편집하는 2단계 프로세스를 필요로 한다13,20. 그러나 딥러닝 기반 오토컨투어링의 품질은 향후 이러한 계획 접근 방식을 원스텝 프로세스로 변경할 것으로 예상할 수 있습니다. 이 프로토콜은 1단계 계획에 중점을 둡니다.

그림 1 은 RPA를 사용하여 방사선 치료 계획을 수립하기 위한 전체 워크플로우를 보여주며, 표 1에 표시된 다양한 작업에 대한 자세한 내용을 보여줍니다. 요약하자면, RPA는 완료된 서비스 요청(용량 처방 및 치료 접근법과 같은 정보 포함)과 환자의 개별 CT 스캔을 요구합니다. 서비스 요청은 방사선 종양학자가 수락해야 합니다. 올바른 CT 스캔에서 RPA 계산이 수행되도록 임상 사용자가 CT 스캔을 수락해야 합니다. RPA가 계획을 생성하면 RPA 웹사이트에서 다운로드하여 사용자의 치료 계획 시스템으로 가져와야 하며, 여기에서 복용량을 다시 계산해야 합니다. 이는 RPA가 로컬 라이낙의 빔 특성과 정확히 일치하지 않을 수 있는 표준 빔(여러 linac 모델에 사용 가능)에 대한 계획을 계산하기 때문에 필요합니다. 이 접근 방식은 비용을 줄이기 위해 취해졌지만 로컬 빔이 표준 빔과 크게 다른 경우 사용자 정의가 필요할 수 있습니다. 사용자(치료 계획자 및 방사선 종양학자)는 계획을 편집할 수 있습니다. 그런 다음 계획은 로컬 품질 보증 검사를 포함하여 사용자의 일반적인 임상 워크플로를 입력합니다. 마지막으로 사용자는 최종 계획(재계산 및 편집)을 RPA 웹 사이트에 업로드해야 하며, 여기에서 최종 계획과 RPA 계획 간의 자동 비교가 수행됩니다. 이는 전체 워크플로에서 데이터 무결성을 확인하는 데 유용합니다.

Figure 1
그림 1: 자동화된 치료 계획 프로세스의 워크플로우. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 1의 작업 # 작업 설명 위치
과거 환자의 상태를 검토합니다. 메인 대시보드
1 RPA 웹사이트에서 서비스 요청 완료 서비스 요청 대시보드
2 RPA 웹사이트에 CT 스캔 업로드 CT 스캔 대시보드
3 환자의 상태를 확인합니다 메인 대시보드
RPA 계획 검토 및 다운로드 메인 대시보드
4 계획을 사용자의 TPS로 가져오고, 투여량을 다시 계산하고, 필요에 따라 편집합니다 로컬 TPS
5, 6 최종 계획을 RPA 웹사이트에 업로드 요금제 비교 대시보드
최종 계획과 RPA 계획의 자동 비교 검토 요금제 비교 대시보드
이 계획은 정기적인 품질 보증을 포함하여 사용자의 일상적인 임상 워크플로에 들어갑니다 사용자 자체 소프트웨어

표 1: 1단계 워크플로우를 사용한 RPA 계획 생성과 관련된 작업 개요. 로컬 TPS: 사용자의 치료 계획 시스템.

이 원고는 RPA에 대한 이 원스텝 워크플로우를 설명하고 치료 계획 프로세스 결과의 몇 가지 예시 결과를 제시합니다. 현재 다음 계획 접근법은 이 원스텝 워크플로우를 사용합니다: i) 자궁경부암 환자를 위한 4필드 박스 치료 계획(뼈 랜드마크 기반 개구); ii) 자궁경부암 환자를 위한 4개 필드 상자 치료 계획(연조직 기반 필드 구멍); iii) 흉벽 환자를 위한 접선 및 쇄골상 치료 계획; iv) 전뇌 치료 계획.

Protocol

RPA 평가에 사용된 모든 환자 데이터는 텍사스 대학교 MD 앤더슨 기관 검토 위원회(University of Texas MD Anderson Institutional Review Board)의 승인을 받아 소급하여 사용되었습니다. RPA는 RPA 웹 페이지의 기본 메뉴 왼쪽에 있는 일련의 대시보드로 구성됩니다(그림 2). 그림 2 는 기본 대시보드를 보여 줍니다. 모든 대시보드는 모양이 비슷하지만 서로 다른 작업과 인력에 초점을 맞춥니다. 다음 프로토콜은 치료 계획의 자동 생성을 위한 주요 프로세스를 설명합니다. 그림 2: RPA 기본 대시보드의 스크린샷. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 1. 서비스 요청 완료 자동 계획에 대한 새 서비스 요청을 만들고 수락하려면 다음과 같이 하십시오.서비스 요청 채널을 클릭하여 서비스 요청 대시보드로 이동합니다. 새 양식을 클릭하여 새 서비스 요청 양식을 생성합니다. 섹션 1: 인구 통계에서 질문을 완료합니다. 처리 풀다운에서 처리 기법을 선택합니다. 치료 기법 풀다운에서 개인 을 클릭하면 치료 기법에 대한 자세한 내용을 볼 수 있습니다. 섹션 2: 치료-일반 질문에서 질문을 완료합니다. 이러한 질문은 모든 환자에게 동일합니다. 그 목적은 RPA 계획이 현재 환자에게 적합한지 여부를 결정하는 데 사용자를 적극적으로 참여시키는 것입니다. 섹션 3: 치료별 질문, 치료 목표 및 처방에 대한 세부 정보를 포함하여 선택한 치료 접근법에 대한 질문을 작성하십시오. 제출을 클릭합니다. 서비스 요청 PDF가 자동으로 생성되면 환자 목록(서비스 요청 대시보드)에서 환자를 선택합니다. 필요한 경우 스크롤하여 서비스 요청 PDF(그림 3)를 검토한 다음 수락을 클릭하여 서비스 요청을 승인합니다.참고: 방사선 종양학자가 이 PDF를 수락해야 RPA가 자동 윤곽 및 계획을 시작할 수 있습니다. RPA 계획의 상태는 표 2와 같이 서비스 요청 페이지에서 확인할 수 있습니다. 자궁경부암에 대한 연조직 기반 4-필드 계획에 대해 생성된 서비스 요청의 예가 그림 3에 나와 있습니다.     상태 요약 검토 대기 중 이 환자에 대한 서비스 요청은 이미 생성되었으며 방사선 종양학자가 수락하기를 기다리고 있습니다. 허용 이 환자에 대한 서비스 요청이 수락되었습니다. 서비스 요청 대시보드에서 이 환자의 상태는 이 환자에 대한 CT 스캔이 수락될 때까지 변경되지 않습니다. 사용자에 의해 거부됨 사용자가 서비스 요청을 거부했습니다. 제출 이 사례는 RPA에 제출되었으며 이 환자의 상태에 대한 자세한 내용은 기본 대시보드에서 확인할 수 있습니다. RPA 시스템 오류 RPA에 의한 처리가 시작되었지만 RPA에 오류가 발생하여 작업을 완료할 수 없습니다. 표 2: 서비스 요청 대시보드의 환자 상태 범주. 그림 3: 자궁경부암에 대한 연조직 기반 4개 분야 계획에 대해 작성된 서비스 요청의 예. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 2. CT 스캔을 업로드하고 자동 계획을 수락합니다. 그림 4 는 CT 검토 작업 영역의 스크린샷을 보여줍니다. CT 스캔을 업로드하고 검토하려면: 그림 4: CT 검토 작업 공간의 스크린샷 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. CT Scans 채널을 클릭하여 CT Scans 대시보드로 이동합니다. CT 업로드 버튼을 클릭합니다. 자동으로 열리는 폴더 탐색기를 사용하여 CT 스캔(DICOM 형식)이 저장된 폴더를 선택합니다. 프롬프트에 따라 선택을 확인합니다. 환자 목록에서 환자를 선택하여 업로드된 CT 스캔을 검토하여 이 환자에 대한 CT 뷰어를 열고(그림 4) 다음 컨트롤을 사용합니다.CT 로드를 클릭하여 전체 3D CT 이미지 세트를 로드합니다.참고: 이 작업이 완료될 때까지 다른 탐색 도구는 활성화되지 않습니다. 모든 보기에서 분할 영역 사이를 스크롤하고 다음 도구 중 하나를 사용합니다.< 클릭하면 각 CT 보기 아래에 있는 버튼이 > 다음 슬라이스로 이동합니다. << 클릭하면 각 CT 보기 아래에 있는 >> 버튼을 클릭하여 선택한 방향으로 5개의 슬라이스를 이동합니다. 마우스 스크롤 휠: 커서를 CT 보기 위로 이동한 다음 마우스 스크롤 휠을 사용하여 슬라이스 사이를 스크롤합니다. Intersect 버튼을 클릭하여 각 CT 뷰(축, 코로나 및 사지탈)에 십자선을 오버레이합니다. 세 가지 뷰 중 하나를 클릭하여 십자선을 이 지점으로 이동하면 다른 뷰도 그에 따라 이동합니다. 교차 버튼을 클릭하여 이 도구를 켜거나 끕니다. 확대/축소/이동 버튼을 클릭합니다. 마우스 휠을 사용하여 이미지를 추가로 검토하여 커서가 있는 뷰를 확대/축소하거나 CT 뷰를 마우스 오른쪽 버튼으로 클릭하고 누른 상태에서 마우스를 이동하여 이동합니다. 표시된 ISO를 클릭하여 CT 보기를 표시된 등중심(isocenter)으로 이동합니다(3개의 방사선 불투과성 마커 자동 감지 기준).참고: 이 버튼은 3D CT 이미지 세트가 로드되지 않았거나(이 문제를 해결하려면 3D 로드 클릭) RPA가 표시된 등중심을 감지할 수 없는 경우(3점 설정으로 식별됨) 비활성화됩니다. 참조점(Ref Point) 버튼을 클릭하여 참조점을 추가합니다.교차 도구를 사용하여 세 개의 뷰를 원하는 참조점 위치로 이동합니다. 레퍼런스 포인트(Ref Point) 버튼을 클릭하여 레퍼런스 포인트(Reference Point) 를 추가합니다. 참조점이 이미 선택된 경우 참조점을 클릭하면 세 개의 뷰가 이 점으로 이동합니다.참고: 이 버튼은 Reference Point가 없는 경우 이미지에 Reference Point를 추가합니다. 또한 CT 이미지 보기가 이미 있는 경우 참조점으로 이동할 수도 있습니다. 수락되지 않은 CT 스캔에 대해서만 새 기준점을 선택할 수 있습니다. 참조점을 추가하는 단계는 다음과 같습니다. 새 참조점을 선택하려면 먼저 참조점 지우기(Clear Ref Point )를 클릭하여 현재 참조점을 지운 다음 새 참조점을 추가합니다. RPA는 하나의 레퍼런스 포인트만 허용합니다. CT 스캔을 수락합니다. 위에서 설명한 대로 환자의 CT 스캔을 검토한 후 다음 단계를 수행합니다.CT 이미지 아래의 질문에 답하여 위험을 최소화하고 후속 RPA 계산에서 오류 발생을 줄입니다. 수락을 선택하고 프롬프트를 따릅니다.참고: 이 작업은 RPA의 임상 사용자로 식별된 모든 사용자가 수행할 수 있습니다. 현재 환자의 상태 범주는 CT 스캔 대시보드에서 볼 수 있으며 표 3에 나와 있습니다. 상태 요약 검토 대기 중 CT 스캔이 초기 처리를 거쳤으며 사용자가 스캔을 검토하고 수락하기를 기다리고 있습니다. 허용 이 환자에 대한 CT 스캔이 승인되었습니다. CT 스캔 대시보드 에서 이 환자의 상태는 서비스 요청이 수락될 때까지 변경되지 않습니다. 사용자에 의해 거부됨 사용자가 CT 스캔을 거부했습니다. 제출 이 사례는 RPA에 제출되었으며 이 환자의 상태에 대한 자세한 내용은 기본 대시보드에서 확인할 수 있습니다. RPA 시스템 오류 RPA에 의한 처리가 시작되었지만 RPA에 오류가 발생하여 작업을 완료할 수 없습니다. 표 3: CT 스캔 대시보드의 환자 상태 범주. 3. 계획 진행 상황 모니터링 현재 환자의 상태 범주는 기본 대시보드에서 볼 수 있습니다(표 4). 완료된 RPA 계획에 대한 예비 검토를 수행하고 사용하기 위해 다운로드하려면 다음을 수행합니다. 상태 요약 승인된 CT 스캔 없음 이 환자는 승인된 CT 스캔이 없습니다(그러나 승인된 서비스 요청은 사용할 수 있음). 서비스 요청이 수락되지 않음 이 환자는 수락된 서비스 요청이 없습니다(그러나 수락된 CT 스캔은 사용할 수 있음). 대기 중인 이 환자에 대한 데이터는 RPA 시스템으로 전송되어 처리를 위해 대기열에 있습니다. 가공 이 환자 데이터의 초기 처리가 진행 중입니다. 가공-윤곽 RPA 윤곽이 생성되고 있습니다. 처리-윤곽 보고서 RPA 윤곽 보고서가 생성되고 있습니다. 완전한 RPA 윤곽 RPA에 의해 생성된 윤곽선은 완전하며 사용자가 다운로드하여 편집할 수 있습니다(2단계 워크플로만 해당). 윤곽 검토 보류 중 계획 등고선(즉, 사용자가 편집/추가한 후의 등고선)이 RPA에 다시 업로드되고 계획 등고선 보고서가 생성되었습니다. 사용자는 등고선 대시보드에서 이 보고서를 수락해야 합니다. 대기 중–평면 등고선 계획 윤곽선(즉, 사용자가 편집/추가한 후의 윤곽선)은 RPA 계획 프로세스 전에 처리를 위해 대기열에 추가됩니다. 대기 중–사전 계획 이 환자의 계획은 계획 프로세스를 위해 대기열에 있습니다. 처리 – 사전 계획 사전 계획 처리가 진행 중입니다. 대기 중–최적화 이 환자의 계획은 계획 최적화 프로세스를 위해 큐에 대기됩니다. 프로세싱 최적화 계획 최적화가 진행 중입니다. 대기 중–QA 이 환자의 계획은 자동화된 품질 보증(QA) 프로세스를 위해 대기열에 있습니다. 처리–QA 계획 QA가 진행 중입니다. 처리 계획 보고서 최종 계획 보고서를 처리하는 중입니다. RPA 계획 완료 RPA 계획이 완료되어 다운로드할 준비가 되었습니다. Fail–RPA 실패 RPA 프로세스가 실패했습니다. 표 4: 기본 대시보드의 환자 상태 범주. 환자를 선택한 다음 기본 대시보드 맨 위에 있는 검토를 선택하여 완료된 RPA 계획을 검토합니다. 새 탭에서 자동으로 열리는 해당 환자에 대한 RPA 계획 보고서(PDF)를 검토합니다.참고: RPA 계획 보고서 PDF는 다운로드 창에서도 액세스할 수 있습니다. 다운로드 아이콘을 클릭하여 완료된 RPA 계획을 다운로드합니다. 창이 열릴 때까지 기다리면 RPA 계획 보고서(PDF)와 함께 DICOM 파일이 다운로드되어 치료 계획 시스템으로 가져올 수 있습니다. 4. RPA Plan을 사용자의 치료 계획 시스템으로 가져와 임상적 사용을 위한 검토 참고: RPA 계획(DICOM 파일)이 다운로드되면 사용자의 치료 계획 시스템에서 다음 단계를 완료해야 합니다. 환자의 CT 스캔을 로컬 TPS로 가져옵니다. RPA에 업로드된 원본 스캔입니다. RPA 계획 및 RPA 윤곽을 로컬 TPS로 가져옵니다. 현지 위탁 선량 계산 알고리즘과 사용된 고정 MU 옵션을 사용하여 선량을 다시 계산합니다. 가져온 윤곽선과 계산된 선량을 RPA 보고서의 등고선과 비교합니다(올바른 가져오기를 확인하기 위해). 계획의 적합성을 검토하고 필요에 따라 편집합니다.참고: 이 단계에는 필드 모양 편집 및 필드 정규화 등이 포함될 수 있습니다. 임상팀은 치료 계획 시스템에서 최종 계획을 검토하고 임상적으로 사용하기 전에 편집하는 것이 매우 중요합니다. 5. 최종 계획을 RPA 웹사이트에 업로드하고 최종 계획과 RPA 계획의 자동 비교 검토 RPA 계획이 생성된 환자는 계획 비교 대시보드에 표시됩니다. 플랜 비교 대시보드 는 현재 환자에 대해 표 5 에 표시된 상태 범주를 제공합니다. 최종 사용자 계획을 업로드하고 사용자 계획과 RPA 계획의 자동 비교를 검토하려면 다음을 수행합니다. 상태 요약 보류 중인 계획 업로드 이 상태는 서비스 케이스가 생성되었을 때 표시됩니다. 가공 계획 비교가 처리 중입니다. 보류 중인 계획 업로드 – 다시 시도 플랜 비교는 할 수 없습니다. 사용자는 업로드된 파일을 검토하고 다시 시도해야 합니다. 이 상태의 가능한 원인에는 잘못된 파일 업로드가 포함됩니다. 비교 준비 통과 계획 비교 보고서를 검토할 준비가 되었습니다. 모든 계획 비교가 기준을 통과했습니다. 일부 비교는 플래그가 지정될 수 있으며, 사용자는 보고서를 검토해야 합니다. 비교 준비-실패 계획 비교 보고서를 검토할 준비가 되었습니다. 일부 비교는 설정된 기준을 충족하지 못하므로 사용자는 보고서를 주의 깊게 검토하고 원인을 파악해야 합니다. 표 5: 플랜 비교 대시보드의 환자 상태 범주. 환자를 선택한 다음 Upload Plan(플랜 업로드)을 클릭합니다. 업로드할 DICOM 구조 파일, 계획 및 투여 파일을 선택합니다. 먼저 환자를 선택하여 계획 비교 보고서를 검토합니다. 그런 다음 화면 아래쪽에 열리는 계획 비교 보고서(그림 5)를 검토합니다( 그림 5 참조). 그림 5: 자동 계획 비교 보고서의 예 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Representative Results

기본 대시보드(그림 1)의 목적은 RPA에서 현재 환자의 상태에 대한 빠른 개요를 제공하고, 완료된 계획을 빠르게 검토하고, 사용자의 치료 계획 시스템에서 검토 및 편집하기 위해 완료된 계획을 다운로드하고, 고급 환자 탐색 및 분류 도구를 제공하는 것입니다. 환자가 여기에 오려면 다음 중 하나 이상을 가지고 있어야 합니다: (1) 승인된 CT 스캔 또는 (2) 승인된 서비스 양식. 현재 환자의 상태 범주는 기본 대시보드에서 볼 수 있습니다(표 4). 전뇌 방사선 치료 계획의 측면 필드 예가 그림 6에 나와 있습니다. 자궁경부암에 대한 뼈 랜드마크 기반 4필드 박스 플랜의 측면 필드 예가 그림 7에 나와 있습니다. 두 경우 모두 최종 계획을 다운로드한 다음 결과를 검토, 편집 및 다시 계산해야 하는 사용자의 치료 계획 시스템으로 가져와야 합니다. 또한 RPA는 서비스 요청( 그림 3의 예 참조), CT 승인 보고서 및 치료 계획의 기타 세부 정보가 포함된 최종 계획 보고서(PDF)를 생성합니다. 서비스 요청 대시보드(표 2)의 목적은 RPA의 현재 환자에 대한 서비스 요청의 빠른 상태 개요를 제공하고, 새 서비스 요청을 생성하고, 완료된 서비스 요청을 수락하고, 서비스 요청을 편집하는 것입니다. 제출되거나 수락된 서비스 요청이 있는 환자는 RPA의 모든 사용자가 액세스할 수 있는 이 대시보드에 표시됩니다. 단, RPA 시스템에 방사선 종양학자로 등록된 사용자만 서비스 요청을 수락할 수 있습니다. CT 대시보드(표 3)의 목적은 RPA에서 현재 환자에 대한 CT 스캔의 빠른 상태 개요를 제공하고, 새 CT 스캔을 업로드하고, CT 스캔을 검토 및 수락하고, CT 스캔에 참조점을 추가하는 것입니다. 사용자가 자궁경부암에 대한 간단한 4필드 박스 플랜에 대해 비표준 상위 테두리를 사용하려는 경우와 같은 일부 특정 상황에서 RPA를 안내하기 위해 기준점이 추가됩니다. CT 스캔이 업로드된 환자가 여기에 표시됩니다. 모든 사용자가 CT 대시보드를 볼 수 있지만, 임상 사용자로 등록된 사용자만 CT 스캔을 수락할 수 있습니다. 사용자가 최종 계획을 확인하면 TPS에서 내보내 RPA에 업로드할 수 있습니다. 이 프로세스의 목적은 데이터가 서로 다른 장치 간에 제대로 통신되었는지 확인하는 방법을 제공하는 것입니다. RPA 계획이 생성된 환자는 계획 비교 대시보드에 표시됩니다. 플랜 비교 대시보드 는 현재 환자에 대해 표 5 에 표시된 상태 범주를 제공합니다. 그림 6: 전뇌 방사선 치료의 일반적인 측면 영역. 이 뷰는 구조 윤곽선의 투영과 주 콜리메이터(노란색) 및 다중 리프 콜리메이터(파란색)의 위치를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 그림 7: 자궁경부암에 대한 뼈 랜드마크 기반 4필드 박스 계획의 측면 필드 예. 이 보기는 주 콜리메이터(노란색)와 다중 리프 콜리메이터(파란색)의 위치를 보여줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Discussion

이 프로토콜은 RPA를 사용하여 자동화된 치료 계획을 수립하는 단계를 간략하게 설명합니다. 주요 단계는 (1) CT 업로드 및 승인, (2) 서비스 요청 완료 및 승인, (3) 계획 다운로드 및 사용자의 TPS로 가져오기 및 용량 및 계획 편집 재계산, (4) RPA 계획과 비교하기 위한 최종 편집 계획 업로드입니다. CT 승인과 서비스 요청 승인의 순서는 서로 바꿔 사용할 수 있습니다. 일부 계획, 특히 두경부 및 자궁경부암에 대한 부피 조절 아크 치료 계획은 추가 사용자 상호 작용과 윤곽 및 계획이 별도로 생성되는 2단계 프로세스로 생성됩니다. 그러나 전반적으로 프로세스는 유사하며 이러한 고급 치료 계획 접근 방식은 향후 원스텝 프로세스로 변경될 수 있을 것으로 기대합니다. 이러한 도구와 향후 버전을 위해 개발 중인 도구에서 기대할 수 있는 전반적인 임상 수용성은 출판된 연구 10,12,14,15,16,17,18,19,20,21,22에서 확인할 수 있습니다.

이러한 도구에는 방사선 치료 클리닉에 방사선 계획 보조원을 배치할 때의 위험을 조사한 이전 연구에서 설명한 바와 같이 몇 가지 제한 사항이 있습니다 9,23. 사용자 인터페이스는 시야각이 충분하지 않은 CT 이미지 또는 수동 데이터 입력 오류와 같은 부적절한 데이터 입력의 위험을 최소화하도록 설계되었지만 여전히 오류가 발생할 가능성이 있습니다. 특히, 인적 오류, 자동화 편향(결과에 대한 과도한 의존) 및 소프트웨어 오류가 우려 사항이다9. 자동으로 생성된 등고선 및 평면도를 주의 깊게 검토하고 필요한 경우 편집하는 것은 방사선 계획 도우미를 안전하게 사용하는 데 필수적입니다. 일반적으로, 이러한 문헌고찰은 물리학자 및 방사선 종양학자에 의한 임상계획 검토와 동일한 과정을 따라야 하지만, 이는 자동으로 작성된 치료계획의 수동 검토를 보완하기 위해 특별히 개발된 체크리스트를 사용함으로써 뒷받침될 수 있다24.

RPA가 계획을 생성할 수 없고 사용자에게 오류를 보고하는 경우가 있습니다. 거의 모든 경우에 이는 RPA가 불충분한 시야 또는 환자 위치 지정(예: 누운 위 프로토콜을 사용하여 CT 이미지를 촬영했지만 환자가 엎드린 자세로 촬영한 경우)과 같이 해석할 수 없는 예기치 않은 데이터에 직면하기 때문에 발생합니다. 사용자는 오류가 보고된 위치에 따라 문제를 식별할 수 있습니다. 대부분의 경우 이러한 상황은 수동 컨투어링 또는 계획을 통해서만 해결할 수 있습니다. RPA 팀은 로그 파일을 검토하여 문제를 식별할 수도 있습니다.

RPA는 자원이 제한된 클리닉, 특히 저소득 및 중간 소득 국가의 클리닉에 고품질 오토컨투어링 및 오토플래닝 도구를 제공하기 위해 특별히 설계 및 개발되었습니다. 현재 RPA가 임상적으로 사용될 수 있도록 규제, 법적, 행정적 절차를 밟고 있습니다. 이러한 일이 발생하면 사용을 주의 깊게 모니터링하고 예상치 못한 위험 또는 기타 사용자 피드백에 대응하여 워크플로 또는 사용자 인터페이스를 변경할 것으로 예상됩니다. 목표는 방사선 치료 서비스를 지원하는 도구를 제공하여 현지 임상 팀이 노력을 확장하여 고품질의 일관된 방사선 치료 계획에 대한 접근성을 개선할 수 있도록 하는 것입니다. 이를 통해 환자 치료 결과가 개선되고 대기 시간이 단축되기를 바랍니다. 현재 포트폴리오는 두경부암, 유방암, 자궁경부암과 뇌 전이를 위한 뇌 전신 방사선 조사로 제한되어 있지만, 향후 버전17,18,19에 통합될 추가 치료법을 연구하고 있습니다.

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

이 연구는 국립 암 연구소(National Cancer Institute)와 웰컴 트러스트(Wellcome Trust)의 자금 지원을 받았으며 바리안 메디컬 시스템즈(Varian Medical Systems)의 추가 지원을 받았습니다. 현재 시스템은 치료 계획 기능을 위해 Eclipse를 사용합니다. 또한 UT MD Anderson Cancer Center의 Research Medical Library, Editing Services의 Ann Sutton에게도 감사의 말씀을 전합니다. RPA 개발을 위한 기관 자금 지원 외에도 우리 연구팀은 텍사스 암 예방 및 연구소(CPRIT)와 텍사스 대학교 MD 앤더슨 암 센터의 암 정보학 혁신 기금(Fund for Innovation in Cancer Informatics)으로부터 자금을 지원받습니다.

Materials

Radiation Planning Assistant MD Anderson Cancer Center na webpage

Referencias

  1. 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).
  2. 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).
  3. Atun, R., et al. Expanding global access to radiotherapy. The Lancet. Oncology. 16 (10), 1153-1186 (2015).
  4. 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).
  5. 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).
  6. 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).
  7. 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).
  8. Court, L. E., et al. Radiation Planning Assistant – a streamlined, fully automated radiotherapy treatment planning system. Journal of Visualized Experiments. (134), e57411 (2018).
  9. 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).
  10. Kisling, K., et al. Automated treatment planning of postmastectomy radiotherapy. Medical Physics. 46 (9), 3767-3775 (2019).
  11. 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).
  12. 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).
  13. 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).
  14. Rhee, D. J., et al. Automated radiation treatment planning for cervical cancer. Seminars in Radiation Oncology. 30 (4), 340-347 (2020).
  15. Rhee, D. J., et al. Automatic contouring system for cervical cancer using convolutional neural networks. Medical Physics. 47 (11), 5648-5658 (2020).
  16. Xiao, Y., et al. Automated WBRT treatment planning via deep learning auto-contouring and customizable landmark-based field aperture design. arXiv. , (2022).
  17. Hernandez, S., et al. Automating the treatment planning process for 3D-conformal pediatric craniospinal irradiation therapy. Pediatric Blood & Cancer. 70 (3), e30164 (2023).
  18. Huang, K., et al. Automation of radiation treatment planning for rectal cancer. Journal of Applied Clinical Medical Physics. 23 (9), e13712 (2022).
  19. 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).
  20. 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).
  21. 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).
  22. Rhee, D. J., et al. Automatic detection of contouring errors using convolutional neural networks. Medical Physics. 46 (11), 5086-5097 (2019).
  23. Kisling, K., et al. A risk assessment of automated treatment planning and recommendations for clinical deployment. Medical Physics. 46 (6), 2567-2574 (2019).
  24. 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).

Play Video

Citar este artículo
Court, L. E., Aggarwal, A., Burger, H., Cardenas, C., Chung, C., Douglas, R., du Toit, M., Jhingran, A., Mumme, R., Muya, S., Naidoo, K., Ndumbalo, J., Netherton, T., Nguyen, C., Olanrewaju, A., Parkes, J., Shaw, W., Trauernicht, C., Xu, M., Yang, J., Zhang, L., Simonds, H., Beadle, B. M. Radiation Planning Assistant – A Web-based Tool to Support High-quality Radiotherapy in Clinics with Limited Resources. J. Vis. Exp. (200), e65504, doi:10.3791/65504 (2023).

View Video