L'introduction d'outils automatisés dans le processus de planification du traitement a permis à l'équipe clinique de l'hôpital Castle Hill du Royaume-Uni d'améliorer la cohérence tout en réalisant d'importants gains de temps.
Les solutions logicielles intelligentes sont devenues un outil crucial pour les équipes cliniques surchargées afin de fournir les meilleurs soins possibles aux patients atteints de cancer, en particulier ceux qui nécessitent des traitements plus complexes utilisant des doses de rayonnement plus élevées. Les systèmes logiciels dotés d'une intelligence artificielle intégrée peuvent automatiser les tâches répétitives, améliorer les informations pouvant être extraites des simulateurs CT et garantir la cohérence des soins dans un nombre croissant de cas.
À l'hôpital Castle Hill de Cottingham, au Royaume-Uni, qui traite plusieurs centaines de patients chaque mois avec ses six accélérateurs linéaires, un logiciel intelligent a été déployé tout au long du processus de planification du traitement. «Nous essayons d'utiliser tous les outils à notre disposition, qu'il s'agisse de simples arbres de décision ou de logiciels commerciaux qui rendent notre travail plus facile et plus efficace», explique Carl Horsfield, physicien principal au Hull University Teaching Hospitals NHS Trust. « Comme de nombreux centres de traitement, nous manquons de personnel par rapport aux modèles nationaux, et nous utilisons des logiciels pour nous aider à fournir des soins de haute qualité. »
Dès le début du processus, un logiciel automatisé sur les simulateurs CT – le SOMATOM go.Open Pro de Siemens Healthineers – maintient la sensibilité des images en modulant la dose de rayonnement en fonction de la taille du patient. Les scanners sont également équipés d'un algorithme intelligent, appelé Direct i4D, qui améliore la qualité des images résolues dans le temps utilisées pour capturer le mouvement respiratoire des patients atteints d'un cancer du poumon. Normalement, ces tomodensitogrammes 4D ne produisent des images précises que lorsque des respirations régulières sont prises pendant la durée d'acquisition, généralement environ deux minutes, mais c'est rarement le cas pour les patients souffrant de maladies pulmonaires.
« Les patients pulmonaires sont souvent complexes et problématiques au scanner, et j'ai passé beaucoup de temps à assister à des examens pour évaluer si les images des patients pulmonaires 4D sont cliniquement adaptées », explique Horsfield. « Grâce à cet algorithme intelligent, les paramètres d'analyse s'adaptent à la respiration du patient en temps réel, ce qui rend les radiologues beaucoup plus confiants dans l'acquisition lorsque le rythme respiratoire est irrégulier. »
Des gains de temps encore plus importants peuvent être réalisés en utilisant une solution basée sur l'IA intégrée au scanner CT, appelée DirectORGANS, qui combine les données d'image avec un algorithme d'apprentissage en profondeur pour définir automatiquement le contour des organes critiques du patient. De tels contours automatiques sont générés pour chaque patient radical traité à Castle Hill, évitant ainsi à un clinicien de devoir dessiner chaque structure à la main. Dans les sites de traitement encombrés, comme la tête et le cou, cela peut réduire le temps nécessaire d'une heure ou plus. « Faire gagner du temps à nos cliniciens est primordial, et l'autocontouring est un moyen fantastique de garantir qu'ils ne répètent pas des tâches simples pour plusieurs patients », commente Horsfield.
Il est important de noter que la précision des contours automatiques – et donc le temps pouvant être économisé – dépend de la qualité des données d'entrée. DirectORGANS offre ici un avantage clé, car il capture un ensemble de données sur mesure à partir du scanner qui a été optimisé pour générer les meilleurs résultats de l'algorithme d'apprentissage en profondeur. « De nombreux outils d'autocontouring sont hébergés dans le cloud, ce qui signifie qu'ils n'ont accès qu'au scan configuré pour les besoins de l'équipe clinique », explique Horsfield. "L'une des raisons pour lesquelles nous aimons DirectORGANS est qu'il effectue sa propre reconstruction, en définissant les paramètres du scanner d'acquisition pour qu'ils correspondent à la manière dont les organes doivent être fabriqués."
Le logiciel génère des contours précis pour de nombreux organes courants à risque, notamment les poumons, la prostate, la vessie et le canal rachidien. Une fois créées, le clinicien du patient à Castle Hill examine toujours les structures, les modifie si nécessaire et délimite manuellement la tumeur. Il est crucial que le clinicien approuve également l’ensemble final de contours avant de les utiliser pour la planification du traitement. « Un clinicien doit toujours s'assurer que les contours produits par les algorithmes sont adaptés à leur objectif », explique Horsfield. « Nous les incitons également à fournir des commentaires sur la qualité des organes, ce qui nous donne une certaine assurance qualité interne. »
Alors que la version initiale du logiciel comprenait 30 ou 40 structures préchargées, la dernière version a encore amélioré la couverture et la précision. Une avancée clé, par exemple, est la capacité de modeler automatiquement les chaînes des ganglions lymphatiques, une tâche normalement manuelle et minutieuse. "Pour les patients atteints de prostate présentant un risque d'infiltration ganglionnaire, les cliniciens doivent parcourir tout le chemin depuis la prostate en passant par le sacrum jusqu'à l'extrémité de la chaîne ganglionnaire locale", explique Horsfield. "Le fait de disposer d'un contour automatisé pour ce type de structures représentera une économie considérable pour eux, même lorsque des modifications sont nécessaires."
Parallèlement, un certain nombre d'outils automatisés sont également intégrés au système de planification de traitement de l'équipe, Varian's Eclipse. Celui qui s'est avéré particulièrement utile pour l'équipe de Castle Hill est RapidPlan, une solution basée sur la connaissance qui utilise un modèle créé à partir de cas précédents pour générer un plan de traitement personnalisé pour un nouveau patient. «C'est un outil qui nous aide à déterminer ce qui est réalisable pour chaque patient, en particulier pour les cas plus complexes où la localisation des organes à risque pourrait compromettre la couverture de la cible», explique Horsfield. « Nous avons des solutions de classe pour nos plans de traitement comme points de départ, mais c'est plus intelligent que cela car elles sont spécifiques à l'anatomie de chaque patient. »
Cette approche basée sur la connaissance s'est avérée particulièrement bénéfique pour les nouveaux collaborateurs et a également amélioré la cohérence et la qualité des plans produits au sein de l'ensemble de l'équipe. « Quelqu'un qui est avec nous depuis six mois ne créera peut-être pas un plan du même niveau que l'un des membres les plus expérimentés de notre équipe », explique Horsfield. « Augmenter leurs connaissances avec ces outils intelligents leur permet d’accéder à cette expérience et standardise la qualité des plans que nous produisons. »
Comme pour toute approche d'apprentissage automatique, la qualité des prédictions dépend des données d'entraînement utilisées pour créer le modèle. À Castle Hill, l'équipe a utilisé ses propres cas pour développer des modèles pour quatre sites de traitement – le poumon, la tête et le cou, l'œsophage et la prostate – et plusieurs autres sont en cours de développement afin de permettre à l'équipe de planification de gagner davantage de temps. « L'une des grandes difficultés liées à la planification du traitement est de savoir quand s'arrêter », explique Horsfield. « RapidPlan vous donne l'assurance que vous avez trouvé une solution optimale pour ce patient et qu'il y a moins d'avantages à passer plus de temps à remettre en question vos choix. »
Le système de planification de traitement Eclipse fournit également une interface permettant d'ajouter des outils sur mesure au processus de planification. À titre d'exemple, l'équipe de Castle Hill a créé un outil automatisé pour créer des structures d'optimisation, qui contraignent les solutions produites par le système de planification de traitement en définissant des zones particulières qui ne doivent pas être ciblées par rayonnement. «Nous avons élaboré environ 15 protocoles différents pour créer ces structures d'évitement et d'optimisation», explique Horsfield. « Ce sont toutes des opérations simples, mais nous avons réalisé qu’elles étaient effectuées manuellement pour presque tous les plans de traitement. Cela a été vraiment stimulant de pouvoir créer nos propres outils pour rendre nos processus plus efficaces.
De telles économies d’efficacité sont particulièrement cruciales à une époque où les centres de traitement comme Castle Hill font face aux retombées de la pandémie de COVID-19. Face à un afflux massif de patients et à une pénurie de professionnels de la santé, les outils intelligents capables d’automatiser au moins une partie du processus de planification du traitement contribuent aux efforts en cours pour combler le retard. « Avant la COVID, notre capacité était de produire 40 plans par semaine, et maintenant toute l'équipe fait un grand effort pour augmenter ce chiffre à 50 », explique Horsfield. « Chaque efficacité que nous pouvons atteindre en automatisant nos processus nous aide à progresser dans la réalisation de notre plan de rétablissement, tout en garantissant que nous continuons à produire des plans de haute qualité pour chaque patient que nous traitons.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/
