עוזר תכנון קרינה - כלי מבוסס אינטרנט לתמיכה ברדיותרפיה באיכות גבוהה במרפאות עם משאבים מוגבלים
Summary
פרוטוקול זה מתאר סדרה של כלים אוטומטיים המיועדים לרדיותרפיה, עיצוב אוטומטי ותכנון אוטומטי באיכות גבוהה, הארוזים לשירות מבוסס אינטרנט כדי למקסם את החוסן והמדרגיות תוך מזעור עלויות התפעול.
Abstract
הגישה להקרנות ברחבי העולם מוגבלת. Radiation Planning Assistant (RPA) הוא כלי אוטומטי לחלוטין, מבוסס אינטרנט, המפותח כדי להציע כלים אוטומטיים לחלוטין לתכנון טיפול ברדיותרפיה למרפאות עם משאבים מוגבלים. המטרה היא לעזור לצוותים קליניים להגדיל את מאמציהם, ובכך להגיע ליותר חולים עם סרטן. המשתמש מתחבר ל- RPA באמצעות דף אינטרנט, משלים בקשת שירות (מרשם ומידע על מטרות ההקרנות), ומעלה את ערכת תמונות ה- CT של המטופל. ה-RPA מציע שתי גישות לתכנון אוטומטי. בתכנון חד-שלבי, המערכת משתמשת בבקשת השירות ובסריקת CT כדי ליצור באופן אוטומטי את קווי המתאר ותוכנית הטיפול הדרושים. בתכנון דו-שלבי, המשתמש סוקר ועורך את קווי המתאר שנוצרו באופן אוטומטי לפני שה-RPA ממשיך ליצור תוכנית טיפול בקשת מווסתת נפח. התוכנית הסופית יורדת מאתר RPA ומיובאת למערכת תכנון הטיפול המקומית של המשתמש, שם המינון מחושב מחדש עבור הלינק שהוזמן באופן מקומי; במידת הצורך, התוכנית נערכת לפני אישור לשימוש קליני.
Introduction
המספר העולמי של מקרי סרטן צפוי לגדול לכ -24.6 מיליון עד 2030, עם הנטל הגדול ביותר במדינות בעלות הכנסה נמוכה ובינונית (LMICs)1. רדיותרפיה היא טיפול חסכוני, מרפא ופליאטיבי לסרטן, המספק יתרונות לכ -50% מהחולים עם סרטן ול -60-70% במדינות בעלות הכנסה נמוכה שבהן חולים נוטים יותר להציג בשלב מאוחר 2,3. עם זאת, הגישה להקרנות ברחבי העולם מוגבלת4; לדוגמה, לאף מדינה באפריקה אין את יכולת הרדיותרפיה לענות על הצורך המשוער שלהם5. מספר מחקרים העריכו את המחסור הממשמש ובא ומה יידרש כדי לענות על הצרכים הבאים 6,7.
הוועדה האונקולוגית של Lancet העלתה את הטיעון המשכנע שהשקעה בשיפור יכולת ההקרנות לא רק תציל חיים, אלא גם תביא תועלת כלכלית חיובית3. הם גם ציינו באופן ספציפי כי אוטומציה של עיצוב רדיותרפיה ותכנון טיפול עשויה לסייע לצוותים קליניים להגדיל את מאמציהם על ידי צמצום משמעותי של הזמן המושקע במשימות אלה על ידי אונקולוגים ופיזיקאים, בהתאמה, מה שהופך את המטרות להשגה יותר.
קבוצת המחקר שלנו עובדת בשיתוף פעולה עם צוותים קליניים ב- MD Anderson ובבתי חולים ברחבי העולם כדי לפתח כלים אוטומטיים מבוססי אינטרנט. חבילת כלים זו (הנקראת RPA) מספקת קווי מתאר מבוססי בינה מלאכותית (המתאר גידולים ואיברים סמוכים בסריקות CT) ותכנון טיפול בהקרנות (המגדיר בדיוק כיצד מועברת הקרינה). פלטפורמה מבוססת אינטרנט זו מציעה את היתרון של זמן ומשאבים מופחתים הדרושים להכנת תוכניות באיכות גבוהה עבור כל מטופל.
הניסיון שלנו עם גרסה מוקדמת של כלי מבוסס בינה מלאכותית ב- MD Anderson הראה כי קווי מתאר אוטומטיים יכולים לחסוך עד שעתיים לכל מטופל – ייעול משמעותי של זרימת העבודה. משמעות הדבר היא כי הצוות הקליני הנוכחי יוכל להגדיל את מאמציו, ולטפל ביותר חולים עם הקרנות באיכות גבוהה יותר. על ידי הצעת כלים אלה באמצעות שירות אוטומטי לחלוטין מבוסס אינטרנט (Radiation Planning Assistant [RPA], RPA.mdanderson.org), אנו יכולים למזער את העלות למטופלים ולספקים ולמקסם את טווח ההגעה של כלי זה.
אנו מפתחים את RPA מזה 6 שנים, ומספר שינויים משמעותיים נעשו מאז פרסמנו לראשונה על תהליכי העבודה של RPA8. אלה כוללים פיתוח RPA לכלי מבוסס אינטרנט, ובכך להפחית את העלויות הכרוכות בהתקנה ותחזוקה, ולשפר את החוסן של המערכת. שיפורים נוספים כוללים שינויים בממשקי המשתמש כדי לשפר את השימושיות ולהפחית את הסיכון לשגיאה9 והרחבת אפשרויות הטיפול (בפרט, תכנון הקרנות לשד 10 לאחר כריתת שד10 וגרורות למוח11). לפיכך, הפרוטוקול המתואר כאן מתקדם משמעותית מהגרסה הראשונית שפורסמה בעבר.
RPA משתמש בתהליך חד שלבי כדי ליצור קווי מתאר ותוכניות במצבים שבהם עריכה של קווי המתאר אינה נחוצה בדרך כלל כדי ליצור את תוכנית הטיפול. זה כולל תכנון טיפול בקופסה בת ארבעה שדות לסרטן צוואר הרחם (בהתבסס על ציוני דרך גרמיים או קווי מתאר של רקמות רכות שנוצרו באופן אוטומטי)12,13,14,15, שדות משיקים או סופרקלאביקולריים לסרטן שד לאחר כריתת שד11, ושדות צדדיים לעומת טיפולים לכל המוח16. בעתיד הקרוב אנו צפויים להוסיף טיפולים קרניוספינליים לסרטן ילדים17, טיפולים תלת-תחומיים לסרטן פי הטבעת18, ותכנון טיפול במקרים פליאטיביים שונים (גופי חוליות, ירכיים וצלעות)19, וכן לסרטן הריאה ושלפוחית השתן. כיום, טיפולים מתקדמים יותר, במיוחד טיפול בקשת מווסתת נפח (VMAT), דורשים תהליך דו-שלבי שבו קווי מתאר שנוצרו באופן אוטומטי נערכים לפני תכנון הטיפול13,20. עם זאת, האיכות של עיצוב אוטומטי מבוסס למידה עמוקה היא כזו שאנו מצפים לשנות גישות תכנון אלה לתהליך חד שלבי בעתיד. פרוטוקול זה מתמקד בתכנון חד-שלבי.
איור 1 מציג את זרימת העבודה הכוללת ליצירת תוכנית טיפול בהקרנות באמצעות RPA, עם פרטים נוספים על המשימות השונות המוצגות בטבלה 1. לסיכום, RPA דורש בקשת שירות מלאה (הכוללת מידע כגון מרשם מינון וגישה טיפולית) וסריקת CT אישית של המטופל. בקשת השירות חייבת להתקבל על ידי אונקולוג קרינה. סריקת ה- CT חייבת להתקבל על ידי משתמש קליני כדי להבטיח שחישובי ה- RPA מבוצעים בסריקת ה- CT הנכונה. לאחר שה-RPA יצר תוכנית, יש להוריד אותה מאתר RPA ולייבא אותה למערכת תכנון הטיפול של המשתמש, שם יש לחשב מחדש את המינון. זה הכרחי מכיוון שה- RPA מחשב תוכניות על קורות סטנדרטיות (זמינות עבור מספר דגמי לינאק), אשר עשויות שלא להתאים בדיוק למאפייני הקרן של הלינאק המקומי. גישה זו ננקטה כדי להפחית עלויות, אם כי ייתכן שיהיה צורך בהתאמה אישית אם הקורות המקומיות שונות באופן משמעותי מהקורות הסטנדרטיות שלנו. המשתמשים (מתכנן טיפול ואונקולוג קרינה) רשאים לבצע עריכות בתכנית. לאחר מכן התוכנית נכנסת לזרימת העבודה הקלינית הטיפוסית של המשתמש, כולל בדיקות אבטחת איכות מקומיות. לבסוף, על המשתמש להעלות את התוכנית הסופית (המחושבת והערוכה) שלו לאתר סל”ע, שם מתבצעת השוואה אוטומטית בין התוכנית הסופית לתוכנית סל”ע. זוהי בדיקה שימושית של תקינות הנתונים בזרימת העבודה הכוללת.
איור 1: זרימת העבודה של תהליך תכנון הטיפול האוטומטי. לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.
| משימה # באיור 1 | תיאור המשימה | מקום | |||
| סקור את מצבם של מטופלים בעבר | לוח מחוונים ראשי | ||||
| 1 | מילוי בקשת שירות באתר האינטרנט של RPA | לוח מחוונים של בקשות שירות | |||
| 2 | העלאת בדיקת CT לאתר RPA | לוח מחוונים לסריקת CT | |||
| 3 | בדוק את מצב המטופל | לוח מחוונים ראשי | |||
| סקירה והורדה של תוכנית RPA | לוח מחוונים ראשי | ||||
| 4 | ייבא את התוכנית לתב”ע של המשתמש, חשב מחדש את המינון ובצע עריכות לפי הצורך | תב”ע מקומית | |||
| 5, 6 | העלאת התוכנית הסופית לאתר סל”ע | לוח מחוונים להשוואת תוכניות | |||
| סקור את ההשוואה האוטומטית בין התוכנית הסופית לתוכנית RPA | לוח מחוונים להשוואת תוכניות | ||||
| – | התוכנית נכנסת לזרימת העבודה הקלינית השגרתית של המשתמש, כולל אבטחת איכות שוטפת | התוכנה של המשתמש עצמו | |||
טבלה 1: מבט כולל על המשימות הכרוכות ביצירת תוכנית RPA באמצעות זרימת העבודה של שלב אחד. תב”ע מקומית: מערכת תכנון הטיפול של המשתמש.
כתב יד זה מתאר תהליך עבודה חד-שלבי זה עבור RPA ומציג כמה תוצאות לדוגמה של פלט תהליך תכנון הטיפול. נכון לעכשיו, גישות התכנון הבאות משתמשות בזרימת עבודה חד-שלבית זו: i) תוכניות טיפול בקופסה בת ארבעה שדות לחולות סרטן צוואר הרחם (צמצמים גרמיים מבוססי ציון דרך); 2) תוכניות טיפול בקופסה בת ארבעה שדות לחולות סרטן צוואר הרחם (פתחי שדה מבוססי רקמות רכות); 3) תוכניות טיפול משיקות וסופרקלאביקולריות למטופלי דופן החזה; IV) תוכניות טיפול במוח כולו.
Protocol
Representative Results
Discussion
פרוטוקול זה מתאר את השלבים ביצירת תוכניות טיפול אוטומטיות באמצעות RPA. השלבים העיקריים הם: (1) העלאה ואישור CT, (2) השלמת בקשת שירות ואישורה, (3) הורדה וייבוא של התוכנית לתב”ע של המשתמש וחישוב מחדש של המינון ועריכת התוכנית, ו-(4) העלאה של התוכנית הערוכה הסופית לצורך השוואה עם תוכנית ה-RPA. סדר אישור ה- CT ואישור בקשת השירות ניתנים להחלפה. חלק מהתוכניות, במיוחד תוכניות טיפול בקשת מווסתת נפח לסרטן הראש, הצוואר וצוואר הרחם, נוצרות בתהליך דו-שלבי שבו אינטראקציות משתמש נוספות וקווי המתאר והתוכניות נוצרים בנפרד. עם זאת, בסך הכל התהליכים דומים, ואנו צופים כי גישות תכנון טיפול מתקדמות אלה יוכלו להשתנות לתהליך בן שלב אחד בעתיד. את הקבילות הקלינית הכוללת שניתן לצפות לה מכלים אלה, ומכלים הנמצאים בפיתוח לגרסאות עתידיות, ניתן למצוא בעבודתנו שפרסמנו 10,12,14,15,16,17,18,19,20,21,22.
לכלים אלה מספר מגבלות, כפי שתוארו בעבודתנו הקודמת, אשר חקרה את הסיכון בעת פריסת המסייע לתכנון קרינה במרפאות רדיותרפיה 9,23. למרות שממשק המשתמש תוכנן כדי למזער את הסיכון להזנת נתונים בלתי הולמת, כגון תמונות CT שאין להן שדה ראייה מספיק או שגיאות בהזנת נתונים ידנית, עדיין קיים פוטנציאל לשגיאה. באופן ספציפי, טעויות אנוש, הטיית אוטומציה (הסתמכות יתר על התוצאות) וטעויות תוכנה מעוררות דאגה9. בדיקה קפדנית, ובמידת הצורך, עריכה של קווי המתאר והתוכניות שנוצרו באופן אוטומטי, חיונית לשימוש בטוח של עוזר תכנון הקרינה. באופן כללי, ביקורות אלה צריכות לעקוב אחר אותו תהליך כמו שאחריו לסקירת תוכניות קליניות על ידי פיזיקאים ואונקולוגים של קרינה, אם כי זה עשוי להיות נתמך על ידי שימוש ברשימות תיוג שפותחו במיוחד כדי להשלים סקירה ידנית של תוכניות טיפול שנוצרו באופן אוטומטי24.
ישנם מצבים שבהם RPA לא יוכל ליצור תוכנית ידווח על שגיאה למשתמש. כמעט בכל המקרים, זה ייגרם על ידי RPA נתקל נתונים בלתי צפויים שהוא לא יכול לפרש, כגון שדה ראייה לא מספיק או מיקום המטופל (למשל, אם תמונת CT צולמה באמצעות פרוטוקול שכיבה, אבל עם המטופל במצב נוטה). ייתכן שהמשתמש יוכל לזהות את הבעיה בהתבסס על המקום שבו מדווחת השגיאה. ברוב המקרים, מצבים אלה ניתן לתקן רק על ידי עיצוב ידני או תכנון. ייתכן שצוות RPA יוכל גם לסקור קבצי יומן רישום כדי לזהות את הבעיה.
RPA תוכנן ופותח במיוחד כדי להביא כלי autocontouring ותכנון אוטומטי באיכות גבוהה למרפאות עם משאבים מוגבלים, במיוחד אלה במדינות בעלות הכנסה נמוכה ובינונית. בימים אלה אנו עובדים על תהליכים רגולטוריים, משפטיים ומנהליים שיובילו לשימוש קליני ב-RPA. ברגע שזה יקרה, אנו מצפים לעקוב בקפידה אחר השימוש ולבצע שינויים בזרימת העבודה או בממשקי המשתמש בתגובה לסיכונים בלתי צפויים או משוב משתמשים אחר. המטרה היא לספק כלים התומכים בשירותי רדיותרפיה, כך שצוותים קליניים מקומיים יוכלו להרחיב את מאמציהם, ולשפר את הגישה לתוכניות רדיותרפיה איכותיות ועקביות. אנו מקווים כי הדבר יוביל לשיפור בתוצאות המטופלים, כמו גם לקיצור זמני ההמתנה. למרות שהפורטפוליו הנוכחי מוגבל לסרטן הראש והצוואר, השד וצוואר הרחם, כמו גם הקרנת מוח שלמה לגרורות במוח, אנו עובדים על טיפולים נוספים שישולבו בגרסאות עתידיות 17,18,19.
Divulgaciones
The authors have nothing to disclose.
Acknowledgements
עבודה זו מומנה על ידי המכון הלאומי לסרטן וקרן Wellcome, עם תמיכה נוספת של Varian Medical Systems. המערכת הנוכחית שלנו משתמשת בליקוי חמה לפונקציות תכנון טיפול. ברצוננו גם להודות לאן סאטון משירותי עריכה, הספרייה הרפואית למחקר, מרכז הסרטן MD Anderson של UT. בנוסף למימון המוסדי לפיתוח RPA, צוותי המחקר שלנו מקבלים מימון מהמכון למניעת סרטן ומחקר של טקסס (CPRIT) ומהקרן לחדשנות באינפורמטיקה של סרטן, מרכז הסרטן ע”ש מ.ד. אנדרסון באוניברסיטת טקסס.
Referencias
- 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).
