Radyasyon Planlama Asistanı - Sınırlı Kaynaklarla Kliniklerde Yüksek Kaliteli Radyoterapiyi Desteklemek için Web Tabanlı Bir Araç
Summary
Bu protokol, operasyonel maliyetleri en aza indirirken sağlamlığı ve ölçeklenebilirliği en üst düzeye çıkarmak için web tabanlı bir hizmette paketlenen yüksek kaliteli radyoterapi, otomatik şekillendirme ve otomatik planlama için tasarlanmış bir dizi otomatik aracı açıklar.
Abstract
Dünya çapında radyoterapiye erişim sınırlıdır. Radyasyon Planlama Asistanı (RPA), sınırlı kaynaklara sahip kliniklere tam otomatik radyoterapi tedavi planlama araçları sunmak için geliştirilmekte olan tam otomatik, web tabanlı bir araçtır. Amaç, klinik ekiplerin çabalarını ölçeklendirmelerine yardımcı olmak ve böylece daha fazla kanserli hastaya ulaşmaktır. Kullanıcı bir web sayfası aracılığıyla RPA’ya bağlanır, bir Hizmet Talebini (reçete ve radyoterapi hedefleri hakkında bilgi) tamamlar ve hastanın BT görüntü setini yükler. RPA, otomatik planlamaya iki yaklaşım sunar. Tek adımlı planlamada sistem, gerekli konturları ve tedavi planını otomatik olarak oluşturmak için Servis Talebini ve CT taramasını kullanır. İki adımlı planlamada, RPA hacim modülasyonlu bir ark terapisi planı oluşturmaya devam etmeden önce kullanıcı otomatik olarak oluşturulan konturları gözden geçirir ve düzenler. Nihai plan, RPA web sitesinden indirilir ve kullanıcının yerel tedavi planlama sistemine aktarılır, burada yerel olarak devreye alınan linak için doz yeniden hesaplanır; Gerekirse, klinik kullanım için onaylanmadan önce plan düzenlenir.
Introduction
Küresel kanser vakalarının sayısının 2030 yılına kadar yaklaşık 24,6 milyona çıkması bekleniyor ve en büyük yük düşük ve orta gelirli ülkelerde (LMIC’ler)1. Radyoterapi, kanser için uygun maliyetli, iyileştirici ve palyatif bir tedavidir ve kanserli hastaların yaklaşık %50’sine ve hastaların geç evrede ortaya çıkma olasılığının daha yüksek olduğu düşük gelirli ülkelerde %60-70’ine fayda sağlar 2,3. Bununla birlikte, dünya çapında radyoterapiye erişim sınırlıdır4; örneğin, Afrika’daki hiçbir ülke tahmini ihtiyaçlarını karşılayacak radyoterapi kapasitesine sahip değildir5. Birkaç çalışma, bu yaklaşan kıtlıkları ve yaklaşan ihtiyaçları karşılamak için nelerin gerekli olacağını tahmin etmiştir 6,7.
Lancet Onkoloji Komisyonu, radyoterapi kapasitesinin iyileştirilmesine yapılan yatırımın sadece hayat kurtarmakla kalmayıp aynı zamanda olumlu ekonomik faydalar da sağlayacağını belirtti3. Ayrıca, radyoterapi şekillendirme ve tedavi planlamasının otomasyonunun, sırasıyla onkologlar ve fizikçiler tarafından bu görevlere harcanan zamanı önemli ölçüde azaltarak klinik ekiplerin çabalarını ölçeklendirmelerine yardımcı olabileceğini ve hedefleri daha ulaşılabilir hale getirebileceğini özellikle belirttiler.
Araştırma grubumuz, web tabanlı otomatik araçlar geliştirmek için MD Anderson’daki ve dünyanın dört bir yanındaki hastanelerdeki klinik ekiplerle işbirliği içinde çalışmaktadır. Bu araç takımı (RPA olarak adlandırılır), Yapay Zeka tabanlı şekillendirme (BT taramalarında tümörlerin ve yakındaki organların ana hatlarını çizer) ve radyoterapi tedavi planlaması (radyasyonun tam olarak nasıl iletildiğini tanımlar) sağlar. Bu web tabanlı platform, her hasta için yüksek kaliteli planlar hazırlamak için gereken daha az zaman ve kaynak avantajını sunar.
MD Anderson’da yapay zeka tabanlı bir aracın erken bir sürümüyle ilgili deneyimimiz, otomatik şekillendirmenin hasta başına 2 saate kadar tasarruf sağlayabileceğini ve iş akışını önemli ölçüde kolaylaştırdığını göstermiştir. Bu, mevcut klinik personelin çabalarını ölçeklendirebileceği ve daha fazla hastayı daha yüksek kaliteli radyoterapi ile tedavi edebileceği anlamına gelir. Bu araçları tam otomatik, web tabanlı bir hizmet (Radyasyon Planlama Asistanı [RPA], RPA.mdanderson.org) aracılığıyla sunarak, hastalara ve sağlayıcılara maliyeti en aza indirebilir ve bu aracın erişimini en üst düzeye çıkarabiliriz.
RPA’yı 6 yıldır geliştiriyoruz ve RPA iş akışlarını ilk yayınladığımızdan bu yana birçok önemli değişiklik yapıldı8. Bunlar, RPA’yı web tabanlı bir araç haline getirmeyi, böylece kurulum ve bakımla ilgili maliyetleri azaltmayı ve sistemin sağlamlığını artırmayı içerir. Diğer iyileştirmeler arasında, kullanılabilirliği artırmak ve hatariskini azaltmak için kullanıcı arayüzlerindeki değişiklikler 9 ve tedavi seçeneklerinin genişletilmesi (özellikle, mastektomi sonrası meme 10 için radyoterapi planlaması ve beyne metastazlar11) yer alır. Bu nedenle, burada açıklanan protokol, daha önce yayınlanan ilk sürümden önemli ölçüde daha gelişmiştir.
RPA, tedavi planını oluşturmak için konturların düzenlenmesinin genellikle gerekli olmadığı durumlarda konturlar ve planlar oluşturmak için tek adımlı bir süreç kullanır. Bu, rahim ağzı kanseri için dört alanlı kutu tedavi planlamasını içerir (kemik işaretlerine veya otomatik olarak oluşturulan yumuşak doku konturlarına dayalı)12,13,14,15, mastektomi sonrası meme kanseri için teğetsel veya supraklaviküler alanlar11 ve tüm beyin tedavileri için karşıt lateraller16. Yakın gelecekte, pediatrik kanserler17 için kraniyospinal tedaviler, rektum kanseri18 için üç alanlı tedaviler ve çeşitli palyatif vakalar (vertebral cisimler, kalçalar ve kaburgalar)19 ile akciğer ve mesane kanserleri için tedavi planlaması eklemeyi umuyoruz. Şu anda, daha gelişmiş tedaviler, özellikle hacim ayarlı ark tedavisi (VMAT), tedavi planlamasından önce otomatik olarak oluşturulan konturların düzenlendiği iki aşamalı bir süreç gerektirmektedir13,20. Bununla birlikte, derin öğrenme tabanlı otomatik şekillendirmenin kalitesi, gelecekte bu planlama yaklaşımlarını tek adımlı bir sürece dönüştürmeyi beklediğimiz şekildedir. Bu protokol tek adımlı planlamaya odaklanır.
Şekil 1 , Tablo 1’de gösterilen farklı görevler hakkında daha fazla ayrıntıyla birlikte, RPA’yı kullanarak bir radyoterapi tedavi planı oluşturmak için genel iş akışını göstermektedir. Özetle, RPA, tamamlanmış bir Hizmet Talebi (doz reçetesi ve tedavi yaklaşımı gibi bilgileri içerir) ve hastanın bireysel BT taramasını gerektirir. Hizmet Talebi bir radyasyon onkoloğu tarafından kabul edilmelidir. RPA hesaplamalarının doğru BT taramasında yapıldığından emin olmak için BT taraması bir Klinik Kullanıcı tarafından kabul edilmelidir. RPA bir plan oluşturduktan sonra, RPA web sitesinden indirilmeli ve dozun yeniden hesaplanması gereken kullanıcının tedavi planlama sistemine aktarılmalıdır. Bu gereklidir, çünkü RPA, yerel linacın kiriş özelliklerine tam olarak uymayabilecek standart kirişler (birkaç linac modeli için mevcuttur) üzerinde planlar hesaplar. Bu yaklaşım, maliyeti düşürmek için alınmıştır, ancak yerel kirişler standart kirişlerimizden önemli ölçüde farklıysa özelleştirme gerekebilir. Kullanıcılar (tedavi planlayıcısı ve radyasyon onkoloğu) planda düzenlemeler yapabilir. Plan daha sonra yerel kalite güvence kontrolleri de dahil olmak üzere kullanıcının tipik klinik iş akışına girer. Son olarak, kullanıcı nihai (yeniden hesaplanmış ve düzenlenmiş) planını, Nihai Plan ile RPA Planı arasında otomatik bir karşılaştırmanın yapıldığı RPA web sitesine yüklemelidir. Bu, genel iş akışında veri bütünlüğünün yararlı bir kontrolüdür.
Şekil 1: Otomatik tedavi planlama sürecinin iş akışı. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.
| Şekil 1’deki Görev # | Görev açıklaması | Yer | |||
| Geçmiş hastaların durumunu gözden geçirin | Ana kontrol paneli | ||||
| 1 | RPA web sitesinde bir Hizmet Talebi Tamamlayın | Hizmet İsteği panosu | |||
| 2 | RPA web sitesine bir CT taraması yükleyin | CT tarama panosu | |||
| 3 | Hastanın durumunu kontrol edin | Ana kontrol paneli | |||
| RPA Planını inceleyin ve indirin | Ana kontrol paneli | ||||
| 4 | Planı kullanıcının TPS’sine aktarın, dozu yeniden hesaplayın ve gerekli düzenlemeleri yapın | Yerel TPS | |||
| 5, 6 | Nihai Planı RPA web sitesine yükleyin | Plan karşılaştırma panosu | |||
| Nihai Plan ile RPA Planının otomatik karşılaştırmasını gözden geçirin | Plan karşılaştırma panosu | ||||
| – | Plan, düzenli kalite güvencesi de dahil olmak üzere kullanıcının rutin klinik iş akışına girer | Kullanıcının kendi yazılımı | |||
Tablo 1: 1 adımlı iş akışını kullanarak bir RPA Planı oluşturmayla ilgili görevlere genel bakış. Yerel TPS: Kullanıcının Tedavi Planlama Sistemi.
Bu makale, RPA için bu tek adımlı iş akışını açıklar ve tedavi planlama süreci çıktısının bazı örnek sonuçlarını sunar. Şu anda, aşağıdaki planlama yaklaşımları bu tek adımlı iş akışını kullanmaktadır: i) Rahim ağzı kanseri hastaları için dört alanlı kutu tedavi planları (kemikli yer işareti tabanlı açıklıklar); ii) rahim ağzı kanseri hastaları için dört alanlı kutu tedavi planları (yumuşak doku bazlı alan açıklıkları); iii) göğüs duvarı hastaları için teğetsel ve supraklaviküler tedavi planları; iv) tüm beyin tedavi planları.
Protocol
Representative Results
Discussion
Bu protokol, RPA’yı kullanarak otomatik tedavi planları oluşturma adımlarını özetlemektedir. Temel adımlar şunlardır: (1) CT yükleme ve onayı, (2) Hizmet Talebinin tamamlanması ve onaylanması, (3) planın indirilmesi ve kullanıcının TPS’sine aktarılması ve dozun yeniden hesaplanması ve plan düzenlemesi ve (4) RPA Planı ile karşılaştırmak için nihai düzenlenmiş planın yüklenmesi. CT onayının sırası ve Servis İsteği onayı birbirinin yerine kullanılabilir. Bazı planlar, özellikle baş ve boyun ve rahim ağzı kanseri için hacim ayarlı ark tedavisi planları, ek kullanıcı etkileşimlerinin ve konturların ve planların ayrı ayrı oluşturulduğu iki aşamalı bir süreçte oluşturulur. Bununla birlikte, genel olarak, süreçler benzerdir ve bu gelişmiş tedavi planlama yaklaşımlarının gelecekte tek adımlı bir sürece dönüştürülebileceğini umuyoruz. Bu araçlardan ve gelecekteki sürümler için geliştirilmekte olan araçlardan beklenebilecek genel klinik kabul edilebilirlik,yayınlanmış çalışmamızda bulunabilir 10,12,14,15,16,17,18,19,20,21,22.
Bu araçların, radyoterapi kliniklerinde Radyasyon Planlama Asistanı’nı dağıtırken riski araştıran önceki çalışmamızda açıklandığı gibi çeşitli sınırlamaları vardır 9,23. Kullanıcı arayüzü, yeterli görüş alanına sahip olmayan CT görüntüleri veya manuel veri girişindeki hatalar gibi uygunsuz veri girişi riskini en aza indirecek şekilde tasarlanmış olsa da, yine de hata potansiyeli vardır. Özellikle, insan hatası, otomasyon yanlılığı (sonuçlara aşırı güvenme) ve yazılım hatası endişe vericidir9. Otomatik olarak oluşturulan konturların ve planların dikkatli bir şekilde gözden geçirilmesi ve gerekirse düzenlenmesi, Radyasyon Planlama Asistanı’nın güvenli kullanımı için çok önemlidir. Genel olarak, bu incelemeler, fizikçiler ve radyasyon onkologları tarafından klinik planların gözden geçirilmesi için izlenenle aynı süreci izlemelidir, ancak bu, otomatik olarak oluşturulan tedavi planlarının manuel olarak gözden geçirilmesini desteklemek için özel olarak geliştirilen kontrol listelerinin kullanılmasıyla desteklenebilir24.
RPA’nın bir plan oluşturamayacağı ve kullanıcıya bir hata bildireceği durumlar vardır. Hemen hemen tüm vakalarda bu, RPA’nın yetersiz görüş alanı veya hasta konumlandırması gibi yorumlayamayacağı beklenmedik verilerle karşılaşmasından kaynaklanacaktır (örneğin, sırtüstü bir protokol kullanılarak ancak hasta yüzüstü pozisyondayken bir BT görüntüsü alınmışsa). Kullanıcı, hatanın bildirildiği yere bağlı olarak sorunu tanımlayabilir. Çoğu durumda, bu durumlar yalnızca manuel şekillendirme veya planlama ile giderilebilir. RPA Ekibi, sorunu tanımlamak için günlük dosyalarını da inceleyebilir.
RPA, özellikle düşük ve orta gelirli ülkelerdekiler olmak üzere sınırlı kaynaklara sahip kliniklere yüksek kaliteli otomatik şekillendirme ve otomatik planlama araçları getirmek için özel olarak tasarlanmış ve geliştirilmiştir. Şu anda RPA’nın klinik olarak kullanılmasına yol açacak düzenleyici, yasal ve idari süreçler üzerinde çalışıyoruz. Bu gerçekleştiğinde, kullanımı dikkatle izlemeyi ve beklenmeyen risklere veya diğer kullanıcı geri bildirimlerine yanıt olarak iş akışında veya kullanıcı arayüzlerinde değişiklikler yapmayı umuyoruz. Amaç, yerel klinik ekiplerin çabalarını ölçeklendirebilmeleri ve yüksek kaliteli, tutarlı radyoterapi planlarına erişimi iyileştirebilmeleri için radyoterapi hizmetlerini destekleyen araçlar sağlamaktır. Bunun, hasta sonuçlarının iyileşmesine ve bekleme sürelerinin azalmasına yol açacağını umuyoruz. Mevcut portföy baş ve boyun, meme ve serviks kanserlerinin yanı sıra beyin metastazları için tüm beyin ışınlaması ile sınırlı olsa da, gelecekteki sürümlere dahil edilecek ek tedaviler üzerinde çalışıyoruz 17,18,19.
Divulgations
The authors have nothing to disclose.
Acknowledgements
Bu çalışma, Ulusal Kanser Enstitüsü ve Wellcome Trust tarafından finanse edildi ve Varian Medical Systems’in ek desteği sağlandı. Mevcut sistemimiz tedavi planlama fonksiyonları için Eclipse kullanmaktadır. Ayrıca Düzenleme Hizmetleri, Araştırma Tıp Kütüphanesi, UT MD Anderson Kanser Merkezi’nden Ann Sutton’a teşekkür ederiz. RPA geliştirme için kurumsal finansmana ek olarak, araştırma ekiplerimiz Teksas Kanser Önleme ve Araştırma Enstitüsü (CPRIT) ve Teksas Üniversitesi MD Anderson Kanser Merkezi, Kanser Bilişiminde İnovasyon Fonu’ndan fon almaktadır.
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).
