Quá trình tự động hóa các quy trình cốt lõi trong quy trình xạ trị ung thư đang tăng tốc, tạo điều kiện cho đổi mới công nghệ và cải tiến lâm sàng – trên quy mô lớn – trong quá trình lập kế hoạch, phân phối và quản lý các chương trình điều trị ung thư. Hãy nghĩ đến việc phân chia khối u và cơ quan, lập kế hoạch điều trị được tối ưu hóa cũng như một loạt nhiệm vụ đa dạng bao gồm QA kế hoạch điều trị, QA máy và quản lý quy trình làm việc. Trong mọi trường hợp, các sách quy tắc đang được viết lại nhờ hiệu quả, tính nhất quán và tiêu chuẩn hóa được nâng cao hứa hẹn nhờ công nghệ tự động hóa và học máy.

Đó là một phạm vi rộng, nhưng còn chi tiết vận hành – và tác động của lực lượng lao động – khi triển khai các công cụ tự động hóa trong phòng khám xạ trị thì sao? Đây là câu hỏi tiêu đề khiến các diễn giả bận tâm tại một phiên hội thảo chuyên đề – Những thách thức đối với việc tự động hóa quy trình lâm sàng về ung thư bức xạ – tại Hội nghị thường niên ASTRO ở San Diego, CA, vào đầu tháng này.

Hãy phóng to quy trình xạ trị đó và các câu hỏi sẽ tăng lên. Về lâu dài, tương tác giữa người và máy trông như thế nào so với giai đoạn cuối của liệu pháp xạ trị thích ứng trực tuyến được điều chỉnh cho phù hợp với yêu cầu riêng của từng bệnh nhân? Vai trò của các thành viên trong nhóm lâm sàng sẽ phát triển như thế nào để hỗ trợ và quản lý mức độ tự động hóa ngày càng tăng? Cuối cùng, làm thế nào để người dùng cuối quản lý bản chất “hộp đen” của các hệ thống tự động hóa khi vận hành, xác nhận và giám sát các chương trình xử lý hợp lý, có giao diện mới?

Kiên thưc la sưc mạnh

Khi triển khai các công cụ tự động hóa và học máy trong môi trường xạ trị, “chúng ta nên lưu ý đến vấn đề phù hợp – xây dựng những thứ phù hợp về mặt lâm sàng – và cũng phải lưu ý đến các bên liên quan phù hợp”, Tom Purdie, một nhà vật lý y tế tại trường, lập luận. chương trình y học bức xạ tại Trung tâm Ung thư Princess Margaret ở Toronto, Canada. Đồng thời, ông lưu ý, điều quan trọng là phải giải quyết những lo ngại của lực lượng lao động về việc “mất kiến ​​thức về miền” đi kèm với việc triển khai tự động hóa trong phòng khám, ngay cả khi người dùng cuối giám sát và quản lý các công cụ tự động trong khi vẫn hoàn thành các phần của quy trình làm việc vẫn chưa được tự động hóa.

Do đó, các nhà vật lý y tế và nhóm chăm sóc liên ngành rộng hơn sẽ cần phải hình dung lại vai trò của họ để tối ưu hóa sự đóng góp của họ trong chế độ “ngoại tuyến” này. “Vì vậy, thay vì xem xét từng bệnh nhân và có thể giải quyết với họ,” Purdie nói thêm, “đóng góp của chúng tôi sẽ là về cách xây dựng các mô hình [học máy] – để đảm bảo có sự quản trị dữ liệu, dữ liệu phù hợp được đưa vào, và có sự quản lý dữ liệu. Đây là cách duy trì kiến ​​thức chuyên môn của chúng tôi mà vẫn đảm bảo chất lượng và an toàn [cho bệnh nhân].”

Trong khi đó, những thách thức liên quan đến yếu tố kỹ thuật và con người xung quanh việc áp dụng kế hoạch điều trị tự động đã cung cấp câu chuyện cho David Wiant, nhà vật lý y tế cấp cao tại nón sức khỏe, một mạng lưới chăm sóc sức khỏe phi lợi nhuận có trụ sở tại Greensboro, NC. Động lực cho việc lập kế hoạch tự động (AP) là đủ rõ ràng – quỹ đạo đi lên không ngừng của chẩn đoán ung thư trong tất cả các dự báo cho những năm tới. Wiant nói với các đại biểu: “Điều quan trọng là chúng ta phải đối xử với những người này nhanh nhất có thể”.

Chìa khóa thành công về mặt lâm sàng với AP nằm ở việc nhận ra - và giải quyết một cách có hệ thống - những trở ngại trong việc triển khai nó. Tích hợp quy trình làm việc là một trường hợp điển hình. Wiant lưu ý: “Phòng khám cần có kế hoạch rõ ràng về cách triển khai AP – ai điều hành nó, khi nào nó được sử dụng, trong trường hợp nào”. “Nếu không, bạn có thể gặp vấn đề nhanh chóng.”

Sau đó là độ tin cậy và thực tế là AP có thể tạo ra những kết quả không ngờ tới. Ông tiếp tục: “Sẽ có những trường hợp bạn đưa vào những gì bạn cho là một bộ dữ liệu bệnh nhân tiêu chuẩn, rõ ràng và tốt và bạn sẽ nhận được kết quả mà bạn không mong đợi”. Điều đó hầu như luôn xảy ra vì dữ liệu bệnh nhân có một số đặc điểm bất thường – ví dụ: thiết bị cấy ghép (hoặc vật thể lạ) hoặc có thể là bệnh nhân đã trải qua đợt điều trị bức xạ trước đó.

Wiant đặt ra câu trả lời là đảm bảo nhóm xạ trị ung thư có kiến ​​thức sâu sắc về AP để hiểu mọi vấn đề về độ tin cậy – và sử dụng kiến ​​thức này để xác định các trường hợp cần lập kế hoạch thủ công. Đồng thời, ông kết luận, “điều quan trọng là phải xác định các nguồn lỗi ngẫu nhiên có thể chỉ xảy ra với AP và thêm các biện pháp kiểm tra để giảm thiểu [trong khi] tiếp tục mở rộng AP để xử lý các trường hợp không chuẩn”.

Chống lại sự tự mãn

Elizabeth Covington, phó giáo sư và giám đốc chất lượng và an toàn tại khoa ung thư bức xạ tại bệnh viện, giải thích về sau trong quy trình làm việc, có rất nhiều vấn đề cần xem xét khi triển khai QA lập kế hoạch điều trị tự động. Michigan Medicine, Đại học Michigan (Ann Arbor, MI).

Để tránh điều mà Covington gọi là “tự động hóa không hoàn hảo” trong QA lập kế hoạch điều trị, điều quan trọng là phải hiểu trước các yếu tố rủi ro trước khi triển khai. Đứng đầu trong số này là sự tự mãn về tự động hóa (không đủ cảnh giác trong việc giám sát các hệ thống tự động hóa) và thành kiến ​​tự động hóa (xu hướng người dùng cuối ưa chuộng các hệ thống ra quyết định tự động hơn là thông tin mâu thuẫn, ngay cả khi thông tin sau là đúng).

Covington cho biết: “Điều quan trọng là khi bạn bắt đầu sử dụng các hệ thống [QA kế hoạch tự động] này để hiểu được những hạn chế. “[Ví dụ], bạn không muốn phát hành tính năng tự động kiểm tra quá sớm vì tính năng này sẽ đưa ra kết quả dương tính giả vì người dùng sẽ không còn nhạy cảm với các cờ hệ thống.”

Covington lập luận rằng tài liệu phần mềm chi tiết cũng là bắt buộc. Cô nói với các đại biểu: “Tài liệu là bạn của bạn, để cả nhóm – các nhà vật lý, nhà đo liều lượng, nhà trị liệu – biết những thao tác tự động kiểm tra này đang làm và hiểu đầy đủ những gì tự động hóa đang nói với họ”.

Điều “phải có” cuối cùng là phân tích rủi ro tiềm ẩn của phần mềm tự động hóa – cho dù đó là mã nội bộ được xây dựng tùy chỉnh hay sản phẩm của bên thứ ba từ nhà cung cấp thương mại. Covington lưu ý: “Trước khi phát hành phần mềm, bạn thực sự cần hiểu những rủi ro và nguy hiểm khi tích hợp phần mềm này vào quy trình làm việc lâm sàng của mình”.

Liệu pháp proton trên quỹ đạo đi lên trong khi các kế hoạch điều trị FLASH sẵn sàng tỏa sáng

Với suy nghĩ này, Covington đã giải thích cách cô và các đồng nghiệp của mình tại Michigan Medicine định lượng rủi ro của các công cụ tự động hóa theo cái gọi là “số rủi ro phần mềm” (SRN). SRN về cơ bản là một ma trận gồm ba đầu vào riêng biệt: dân số (thước đo trực tiếp về dân số bệnh nhân mà công cụ sẽ tác động); mục đích (cách phần mềm sẽ được sử dụng trong việc ra quyết định lâm sàng và khả năng tác động sâu sắc đến kết quả của bệnh nhân); và độ phức tạp (thước đo mức độ khó khăn đối với người đánh giá độc lập trong việc tìm ra lỗi trong phần mềm).

Covington kết luận bằng một lưu ý cảnh báo: “Hiện tại, tự động hóa có thể giải quyết một số vấn đề nhưng không phải tất cả các vấn đề. Nó cũng có thể gây ra những vấn đề mới – những vấn đề mà bạn không lường trước được.”

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://physicsworld.com/a/automation-in-the-radiotherapy-workflow-efficiency-effectiveness-and-limitations/