A introdução de ferramentas automatizadas no processo de planejamento do tratamento permitiu à equipe clínica do Hospital Castle Hill, no Reino Unido, melhorar a consistência e, ao mesmo tempo, obter economias de tempo significativas
As soluções de software inteligentes tornaram-se uma ferramenta crucial para equipas clínicas sobrecarregadas fornecerem o melhor cuidado possível aos pacientes com cancro, especialmente aqueles que requerem tratamentos mais complexos com doses de radiação mais elevadas. Os sistemas de software com inteligência artificial integrada podem automatizar tarefas repetitivas, aprimorar as informações que podem ser extraídas dos simuladores de tomografia computadorizada e garantir a consistência do atendimento em um número crescente de casos.
No Castle Hill Hospital, em Cottingham, Reino Unido, que trata centenas de pacientes todos os meses com seus seis aceleradores lineares, um software inteligente foi implantado em todo o processo de planejamento do tratamento. “Tentamos usar todas as ferramentas à nossa disposição, sejam simples árvores de decisão ou software comercial que tornem nosso trabalho mais fácil e eficiente”, diz Carl Horsfield, físico principal do Hull University Teaching Hospitals NHS Trust. “Tal como muitos centros de tratamento, temos falta de pessoal quando comparados com os modelos nacionais, e utilizamos software para nos ajudar a prestar cuidados de alta qualidade.”
Logo no início do processo, o software automatizado nos simuladores de TC – o SOMATOM go.Open Pro da Siemens Healthineers – mantém a sensibilidade das imagens modulando a dose de radiação para corresponder ao tamanho do paciente. Os scanners também são equipados com um algoritmo inteligente, chamado Direct i4D, que melhora a qualidade das imagens resolvidas no tempo usadas para capturar o movimento respiratório de pacientes com câncer de pulmão. Normalmente, essas tomografias computadorizadas 4D só produzem imagens precisas quando respirações regulares são feitas durante o tempo de aquisição, normalmente em torno de dois minutos, mas isso raramente acontece em pacientes com problemas pulmonares.
“Os pacientes pulmonares costumam ser complexos e problemáticos na tomografia computadorizada, e passei muito tempo fazendo exames para avaliar se as imagens dos pacientes pulmonares 4D são clinicamente adequadas”, diz Horsfield. “Com este algoritmo inteligente, os parâmetros do exame se adaptam à respiração do paciente em tempo real, o que torna os radiologistas muito mais confiantes na aquisição quando o padrão respiratório é irregular.”
Economias de tempo ainda mais significativas podem ser alcançadas usando uma solução alimentada por IA incorporada no tomógrafo computadorizado, chamada DirectORGANS, que combina os dados da imagem com um algoritmo de aprendizagem profunda para contornar automaticamente os órgãos críticos do paciente. Esses contornos automáticos são gerados para cada paciente radical tratado em Castle Hill, evitando a necessidade de um médico desenhar cada estrutura à mão. Em locais de tratamento congestionados, como cabeça e pescoço, isso pode reduzir o tempo necessário em uma hora ou mais. “Economizar tempo para nossos médicos é fundamental, e o autocontorno é uma maneira fantástica de garantir que eles não repitam tarefas simples para vários pacientes”, comenta Horsfield.
É importante ressaltar que a precisão dos contornos automáticos – e, portanto, a quantidade de tempo que pode ser economizada – depende da qualidade dos dados de entrada. DirectORGANS oferece uma vantagem importante aqui, pois captura um conjunto de dados personalizado da tomografia computadorizada que foi otimizado para gerar os melhores resultados do algoritmo de aprendizado profundo. “Muitas ferramentas de autocontorno estão hospedadas na nuvem, o que significa que elas só têm acesso ao escaneamento que foi configurado de acordo com as necessidades da equipe clínica”, explica Horsfield. “Uma das razões pelas quais gostamos do DirectORGANS é que ele faz sua própria reconstrução, definindo os parâmetros no scanner de aquisição para corresponder à forma como os órgãos devem ser produzidos.”
O software gera contornos precisos para muitos órgãos comuns em risco, incluindo pulmão, próstata, bexiga e canal espinhal. Depois de criadas, o médico do paciente em Castle Hill sempre revisa as estruturas, edita-as conforme necessário e delineia manualmente o tumor. Crucialmente, o médico também deve aprovar o conjunto final de contornos antes de serem utilizados no planejamento do tratamento. “O médico ainda precisa ter certeza de que os contornos produzidos pelos algoritmos são adequados à finalidade”, diz Horsfield. “Também os solicitamos a fornecer feedback sobre a qualidade dos órgãos, o que nos proporciona alguma garantia de qualidade interna.”
Embora a versão inicial do software incluísse 30 ou 40 estruturas pré-carregadas, a versão mais recente melhorou ainda mais a cobertura e a precisão. Um avanço importante, por exemplo, é a capacidade de contornar automaticamente as cadeias de linfonodos, normalmente uma tarefa manual e meticulosa. “Para pacientes com próstata onde há risco de infiltração nodal, os médicos precisam trabalhar desde a próstata, passando pelo sacro, até o final da cadeia de linfonodos locais”, explica Horsfield. “Ter contornos automatizados para esses tipos de estruturas será uma enorme economia para eles, mesmo quando alguma edição for necessária.”
Enquanto isso, uma série de ferramentas automatizadas também são incorporadas ao sistema de planejamento de tratamento da equipe, o Varian's Eclipse. Um que se revelou particularmente útil para a equipe de Castle Hill é Plano Rápido, uma solução baseada em conhecimento que utiliza um modelo criado a partir de casos anteriores para gerar um plano de tratamento personalizado para um novo paciente. “É uma ferramenta que nos ajuda a determinar o que é possível alcançar para cada paciente, especialmente nos casos mais complicados, onde a localização dos órgãos em risco pode comprometer a cobertura do alvo”, diz Horsfield. “Temos soluções de classe para nossos planos de tratamento como ponto de partida, mas é mais inteligente do que isso porque é específico para a anatomia de cada paciente.”
Esta abordagem baseada no conhecimento revelou-se particularmente benéfica para os novos membros do pessoal e também melhorou a consistência e a qualidade dos planos produzidos por toda a equipa. “Alguém que está conosco há seis meses pode não criar um plano com o mesmo padrão de um dos membros mais experientes de nossa equipe”, diz Horsfield. “Aumentar o seu conhecimento com estas ferramentas inteligentes permite-lhes aceder a essa experiência e padronizar a qualidade dos planos que produzimos.”
Como acontece com qualquer abordagem de aprendizado de máquina, a qualidade das previsões depende dos dados de treinamento usados para criar o modelo. Em Castle Hill, a equipe utilizou seus próprios casos para desenvolver modelos para quatro locais de tratamento – pulmão, cabeça e pescoço, esôfago e próstata – com vários outros sendo desenvolvidos para gerar ainda mais economia de tempo para a equipe de planejamento. “Uma das grandes dificuldades no planejamento do tratamento é saber quando parar”, diz Horsfield. “O RapidPlan oferece a garantia de que você encontrou a solução ideal para aquele paciente e que há menos benefícios em gastar mais tempo questionando suas escolhas.”
O sistema de planejamento de tratamento Eclipse também fornece uma interface para adicionar ferramentas personalizadas ao processo de planejamento. Por exemplo, a equipe de Castle Hill criou uma ferramenta automatizada para a criação de estruturas de otimização, que restringem as soluções produzidas pelo sistema de planejamento de tratamento, definindo áreas específicas que não devem ser alvo de radiação. “Criamos cerca de 15 protocolos diferentes para criar essas estruturas de prevenção e otimização”, diz Horsfield. “São todas operações simples, mas percebemos que estavam sendo feitas manualmente para quase todos os planos de tratamento. Tem sido realmente fortalecedor poder criar nossas próprias ferramentas para tornar nossos processos mais eficientes.”
Essas poupanças de eficiência são particularmente críticas num momento em que centros de tratamento como Castle Hill estão a lidar com as consequências da pandemia da COVID-19. Com um enorme afluxo de pacientes e uma escassez de profissionais de saúde, ferramentas inteligentes que podem automatizar pelo menos parte do processo de planeamento do tratamento estão a ajudar os esforços contínuos para resolver o atraso. “A nossa capacidade antes da COVID era produzir 40 planos por semana e agora toda a equipa está a fazer um grande esforço para aumentar esse número para 50”, diz Horsfield. “Toda a eficiência que podemos alcançar ao automatizar os nossos processos está a ajudar-nos a avançar no nosso plano de recuperação, ao mesmo tempo que asseguramos que continuamos a produzir planos de alta qualidade para cada paciente que tratamos.”
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/
