Otomatik araçların tedavi planlama sürecine dahil edilmesi, Birleşik Krallık'taki Castle Hill Hastanesi'ndeki klinik ekibinin tutarlılığı artırmasına ve aynı zamanda önemli ölçüde zaman tasarrufu sağlamasına olanak tanıdı.
Akıllı yazılım çözümleri, kanser hastalarına, özellikle de daha yüksek radyasyon dozları kullanarak daha karmaşık tedaviler gerektiren hastalara mümkün olan en iyi bakımı sağlamak amacıyla, geniş klinik ekipleri için çok önemli bir araç haline geldi. Yerleşik yapay zekaya sahip yazılım sistemleri, tekrarlanan görevleri otomatik hale getirebilir, CT simülatörlerinden alınabilecek bilgileri geliştirebilir ve artan sayıda vakada bakımın tutarlılığını sağlayabilir.
Altı lineer hızlandırıcıyla her ay birkaç yüz hastayı tedavi eden Birleşik Krallık'ın Cottingham kentindeki Castle Hill Hastanesi'nde, tüm tedavi planlama süreci boyunca akıllı yazılım kullanıldı. Hull Üniversitesi Eğitim Hastaneleri NHS Trust'ın baş fizikçisi Carl Horsfield, "İster basit karar ağaçları, ister işimizi kolaylaştıran ve daha verimli hale getiren ticari yazılımlar olsun, elimizdeki her aracı kullanmaya çalışıyoruz" diyor. "Birçok tedavi merkezi gibi biz de ulusal modellerle karşılaştırıldığında personel sıkıntısı çekiyoruz ve yüksek kalitede bakım sunmamıza yardımcı olacak yazılımlar kullanıyoruz."
Sürecin hemen başında CT simülatörlerindeki otomatik yazılım – SOMATOM go.Open Pro Siemens Healthineers'tan – radyasyon dozunu hastanın büyüklüğüne uyacak şekilde modüle ederek görüntülerin hassasiyetini korur. Tarayıcılar ayrıca, akciğer kanseri hastalarının nefes alma hareketlerini yakalamak için kullanılan zaman çözümlemeli görüntülerin kalitesini artıran, Direct i4D adı verilen akıllı bir algoritmayla da donatılmıştır. Normalde bu 4D CT taramaları, yalnızca toplama süresi boyunca (tipik olarak yaklaşık iki dakika) düzenli nefesler alındığında doğru görüntüler üretir, ancak bu, akciğer rahatsızlıkları olan hastalar için nadiren geçerli bir durumdur.
Horsfield, "Akciğer hastaları genellikle BT'de karmaşık ve sorunludur ve 4D akciğer hastalarına yönelik görüntülerin klinik olarak uygun olup olmadığını değerlendirmek için taramalara katılmak için çok zaman harcadım" diyor. "Bu akıllı algoritma ile tarama parametreleri hastanın nefes almasına gerçek zamanlı olarak uyum sağlıyor, bu da radyografi uzmanlarının nefes alma şekli düzensiz olduğunda elde etme konusunda çok daha güvenli olmalarını sağlıyor."
CT tarayıcısına gömülü DirectORGANS adı verilen ve görüntü verilerini derin öğrenme algoritmasıyla birleştirerek hastanın kritik organlarının otomatik olarak hatlarını çizen yapay zeka destekli bir çözüm kullanılarak daha da önemli zaman tasarrufu elde edilebilir. Bu tür otomatik konturlar, Castle Hill'de tedavi gören her radikal hasta için oluşturularak, bir klinisyenin her yapıyı elle çizmesine gerek kalmaz. Baş-boyun bölgesi gibi sıkışık tedavi alanlarında bu, harcanan süreyi bir saat veya daha fazla azaltabilir. Horsfield, "Klinisyenlerimiz için zamandan tasarruf etmek çok önemli ve otomatik şekillendirme, basit görevleri birden fazla hasta için tekrarlamamalarını sağlamanın harika bir yolu" diyor.
Daha da önemlisi, otomatik konturların doğruluğu ve dolayısıyla tasarruf edilebilecek zaman miktarı, giriş verilerinin kalitesine bağlıdır. DirectORGANS, derin öğrenme algoritmasından en iyi sonuçları elde etmek üzere optimize edilmiş CT taramasından özel bir veri kümesi yakaladığı için burada önemli bir avantaj sunuyor. Horsfield, "Birçok otomatik şekillendirme aracı bulutta barındırılıyor, bu da onların yalnızca klinik ekibin ihtiyaçlarına göre yapılandırılmış taramaya erişebilecekleri anlamına geliyor" diye açıklıyor. "DirectORGANS'ı sevmemizin nedenlerinden biri, kendi yeniden yapılanmasını yapması, alıcı tarayıcıdaki parametreleri organların yapılması gereken şekilde eşleşecek şekilde ayarlamasıdır."
Yazılım, akciğer, prostat, mesane ve omurilik kanalı da dahil olmak üzere risk altındaki birçok yaygın organ için doğru konturlar oluşturur. Oluşturulduktan sonra hastanın Castle Hill'deki klinisyeni her zaman yapıları gözden geçirir, gerektiği gibi düzenler ve tümörü manuel olarak tanımlar. En önemlisi, klinisyenin tedavi planlamasında kullanılmadan önce son kontur setini de onaylaması gerekir. Horsfield, "Bir klinisyenin hâlâ algoritmalar tarafından üretilen konturların amaca uygun olduğundan emin olması gerekiyor" diyor. "Ayrıca organların kalitesi hakkında geri bildirimde bulunmalarını da istiyoruz, bu da bize bir miktar iç kalite güvencesi sağlıyor."
Yazılımın ilk sürümü 30 veya 40 önceden yüklenmiş yapı içerirken, en son sürüm kapsamı ve doğruluğu daha da geliştirdi. Örneğin önemli bir ilerleme, normalde manuel ve zahmetli bir iş olan lenf düğümü zincirlerinin otomatik olarak şekillendirilmesi yeteneğidir. Horsfield şöyle açıklıyor: "Nodal infiltrasyon riskinin bulunduğu prostat hastaları için, klinisyenlerin prostattan sakrum boyunca yerel lenf nodu zincirinin sonuna kadar tüm yol boyunca çalışmaları gerekir." "Bu tür yapılar için otomatik konturlamaya sahip olmak, bazı düzenlemelerin gerekli olduğu durumlarda bile onlar için büyük bir tasarruf sağlayacak."
Bu arada ekibin tedavi planlama sistemi Varian's Eclipse'e bir dizi otomatik araç da yerleştirildi. Castle Hill ekibi için özellikle faydalı olduğu kanıtlanmış olanlardan biri: RapidPlanYeni bir hasta için kişiselleştirilmiş bir tedavi planı oluşturmak amacıyla önceki vakalardan oluşturulan bir modeli kullanan, bilgiye dayalı bir çözüm. Horsfield, "Bu, özellikle risk altındaki organların konumunun hedefin kapsamını tehlikeye atabileceği daha karmaşık vakalarda, her hasta için neyin başarılabilir olduğunu belirlememize yardımcı olan bir araç" diyor. "Tedavi planlarımız için başlangıç noktası olarak sınıf çözümlerimiz var, ancak bundan daha akıllıca çünkü her hastanın anatomisine özeldir."
Bu bilgiye dayalı yaklaşımın özellikle yeni personel için faydalı olduğu kanıtlandı ve aynı zamanda tüm ekip genelinde üretilen planların tutarlılığı ve kalitesi de arttı. Horsfield, "Altı aydır bizimle birlikte olan biri, daha deneyimli ekip üyelerimizden biriyle aynı standartta bir plan oluşturmayabilir" diyor. "Bilgilerinin bu akıllı araçlarla artırılması, bu deneyime erişmelerine olanak tanıyor ve ürettiğimiz planların kalitesini standartlaştırıyor."
Herhangi bir makine öğrenimi yaklaşımında olduğu gibi tahminlerin kalitesi, modeli oluşturmak için kullanılan eğitim verilerine bağlıdır. Castle Hill'de ekip, dört tedavi bölgesi (akciğer, baş-boyun, yemek borusu ve prostat) için modeller geliştirmek üzere kendi vakalarını kullandı; planlama ekibine daha fazla zaman tasarrufu sağlamak için şimdi birkaç vaka daha geliştiriliyor. Horsfield, "Tedavi planlamasındaki en büyük zorluklardan biri ne zaman duracağını bilmek" diyor. "RapidPlan, o hasta için en uygun çözümü bulduğunuza ve seçimlerinizi sorgulamak için daha fazla zaman harcamanın daha az fayda sağlayacağına dair güvence sağlıyor."
Eclipse tedavi planlama sistemi ayrıca planlama sürecine özel araçların eklenmesi için bir arayüz sağlar. Örnek olarak Castle Hill'deki ekip, radyasyonla hedef alınmaması gereken belirli alanları tanımlayarak tedavi planlama sistemi tarafından üretilen çözümleri kısıtlayan optimizasyon yapıları oluşturmaya yönelik otomatik bir araç yarattı. Horsfield, "Bu kaçınma ve optimizasyon yapılarını oluşturmak için yaklaşık 15 farklı protokol hazırladık" diyor. "Hepsi basit operasyonlar ama bunların neredeyse her tedavi planı için manuel olarak yapıldığını fark ettik. Süreçlerimizi daha verimli hale getirmek için kendi araçlarımızı yaratabilmek gerçekten güçlendirici oldu.”
Bu tür verimlilik tasarrufları, Castle Hill gibi tedavi merkezlerinin COVID-19 salgınının etkileriyle uğraştığı bir dönemde özellikle kritik öneme sahiptir. Büyük bir hasta akışı ve sağlık uzmanı eksikliği nedeniyle, tedavi planlama sürecinin en azından bir kısmını otomatikleştirebilen akıllı araçlar, birikmiş işlerin üstesinden gelmeye yönelik devam eden çabalara yardımcı oluyor. Horsfield, "COVID öncesinde kapasitemiz haftada 40 plan üretmekti ve şimdi tüm ekip bunu 50'ye çıkarmak için büyük bir çaba harcıyor" diyor. "Süreçlerimizi otomatikleştirerek elde edebileceğimiz her verimlilik, iyileşme planımızda ilerleme kaydetmemize yardımcı olurken aynı zamanda tedavi ettiğimiz her hasta için yüksek kaliteli planlar üretmeye devam etmemizi sağlıyor."
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://physicsworld.com/a/intelligent-solutions-streamline-radiotherapy-treatment-planning/
