这项工作由美国国家癌症研究所和惠康信托基金资助，并得到了瓦里安医疗系统的额外支持。我们目前的系统使用Eclipse进行治疗计划功能。我们还要感谢 UT MD Anderson 癌症中心研究医学图书馆编辑服务的 Ann Sutton。除了RPA开发的机构资金外，我们的研究团队还获得了德克萨斯州癌症预防和研究所（CPRIT）和德克萨斯大学MD安德森癌症中心癌症信息学创新基金的资助。

所有用于评估 RPA 的患者数据均经过回顾性使用，并获得德克萨斯大学 MD 安德森机构审查委员会的批准。RPA 由一系列仪表板组成，位于 RPA 网页主菜单的左侧（图 2）。 图 2 显示了 主仪表板。所有仪表板的外观都相似，但侧重于不同的任务和人员。以下协议描述了自动创建治疗计划的关键过程。
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65504/65504fig02.jpg"> 图 2：RPA 主仪表板的屏幕截图。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig02large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
1. 完成服务请求
<ol><li>要创建并接受新的服务请求以进行自动规划，请执行以下操作：<ol><li>单击“服务请求”通道，转到“服务请求”仪表板。</li>
		<li>单击 “新建表单 ”以生成新的服务申请表单。</li>
		<li>在第 1 部分：人口统计中，完成问题。从“处理”下拉列表中选择处理技术。单击治疗技术下拉列表中的个人<img alt="Equation 1" src="/files/ftp_upload/65504/65504eq01.jpg" style="margin: auto;">以访问治疗技术的更多详细信息。</li>
		<li>在第 2 部分： 治疗一般问题中，完成问题。这些问题对所有患者都是一样的;其目的是让用户积极参与确定 RPA 计划是否适合当前患者。</li>
		<li>第 3 部分： 治疗特定问题，完成所选治疗方法的问题，包括治疗目标和处方的详细信息。</li>
		<li>点击 提交。自动生成服务请求 PDF 后，在 患者 列表中选择患者（在 “服务请求”仪表板上）。查看服务请求 PDF（图 3），必要时滚动，然后单击 接受 以批准服务请求。 注意：在 RPA 启动自动轮廓和计划之前，此 PDF 必须被放射肿瘤学家接受。RPA计划的状态可以在“服务请求”页面确定，如 表2所示。 图 3 显示了为基于软组织的宫颈癌 4 场计划创建的示例服务请求。</li>
	</ol></li>
</ol>   
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>地位</td>
			<td colspan="4">总结</td>
		</tr><tr><td>待审核</td>
			<td colspan="4">该患者的服务请求已经创建，正在等待放射肿瘤学家接受它。</td>
		</tr><tr><td>接受</td>
			<td colspan="4">该患者的服务请求已被接受。在“接受”此患者的 CT 扫描“之前，该患者在”服务请求“仪表板中的状态不会更改。</td>
		</tr><tr><td>被用户拒绝</td>
			<td colspan="4">用户拒绝了服务请求。</td>
		</tr><tr><td>提交</td>
			<td colspan="4">该病例已提交给 RPA，有关该患者状态的更多详细信息可在主仪表板上找到。</td>
		</tr><tr><td>RPA 系统错误</td>
			<td colspan="4">RPA 已启动处理，但 RPA 遇到错误，无法完成其任务。</td>
		</tr></tbody></table>表 2：服务请求仪表板的患者状态类别。
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/65504/65504fig03.jpg"> 图 3：为基于软组织的宫颈癌 4 场计划创建的示例服务请求。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig03large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
2. 上传 CT 扫描并接受自动规划
图 4 显示了 CT 审查工作区的屏幕截图。要上传和查看 CT 扫描：
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/65504/65504fig04.jpg"> 图 4：CT 审查工作区的屏幕截图。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig04large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
<ol><li>单击 CT 扫描通道，转到 CT 扫描仪表板。</li>
	<li>单击 “上传 CT ”按钮。使用自动打开的文件夹资源管理器选择存储 CT 扫描（DICOM 格式）的文件夹。按照提示确认选择。</li>
	<li>通过选择患者列表中的患者以打开该患者的 CT 查看器（图 4），查看上传的 CT 扫描，然后使用以下控件：<ol><li>通过单击 加载 CT 加载整个 3D CT 图像集。 注意：在完成此操作之前，其他导航工具不会处于活动状态。</li>
		<li>在所有视图的切片之间滚动，并使用以下任一工具：<ol><li>单击每个 CT 视图下方的 <、> 按钮以移动到下一个切片。</li>
			<li>单击每个 CT 视图下方的 <<、>> 按钮，在选定方向上移动五个切片。</li>
			<li>鼠标滚轮：将光标移到任何 CT 视图上，然后使用鼠标滚轮在切片之间滚动。</li>
			<li>单击相 交 按钮以在每个 CT 视图（轴向、日状和矢状面）上叠加十字准线。单击三个视图中的任何一个以将十字准线移动到该点，其他视图将相应地跟随。单击“ 相交 ”按钮以打开/关闭此工具。</li>
			<li>单击“ 缩放/平移 ”按钮。使用鼠标滚轮进一步查看图像以缩放光标所在的视图，或右键单击并按住 CT 视图，然后将鼠标移动到平移。</li>
			<li>单击 标记的 Iso 将 CT 视图移动到标记的等中心（基于自动检测三个不透射线的标记）。 注意：如果 3D CT 图像集尚未加载（单击加载 3D 以解决此问题）或 RPA 无法检测到标记的等中心（如三点设置所示），则此按钮处于非活动状态。</li>
		</ol></li>
	</ol></li>
	<li>单击 “参考点 ”按钮以添加参考点。<ol><li>使用 相交 工具将三个视图移动到所需的参考点位置。</li>
		<li>单击 “参考点 ”按钮以添加参考点。</li>
		<li>如果已选择参考点，则单击 “参考点 ”会将三个视图移动到该点。 注意：如果参考点不存在，此按钮会向图像添加参考点。它还可以将 CT 图像视图移动到参考点（如果已存在）。只能为未被接受的 CT 扫描选择新的参考点。以下是添加参考点的步骤：</li>
		<li>要选择新的参考点，请先通过单击 “清除参考点”（Clear Reference Point ） 清除当前参考点，然后添加一个新参考点。RPA 只接受一个参考点。</li>
	</ol></li>
	<li>接受 CT 扫描。如上所述查看患者的 CT 扫描后，执行以下步骤：<ol><li>回答 CT 图像下方的问题，以最大限度地降低风险并减少后续 RPA 计算中错误发生的事件。</li>
		<li>选择 “接受 ”，然后按照提示操作。 注意：此任务可由任何被确定为 RPA 临床用户的人执行。当前患者的状态类别可以在 CT 扫描仪表板上查看，如 表 3 所示。</li>
	</ol></li>
</ol><table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>地位</td>
			<td colspan="4">总结</td>
		</tr><tr><td>待审核</td>
			<td colspan="4">CT 扫描已进行初步处理，正在等待用户查看并接受扫描。</td>
		</tr><tr><td>接受</td>
			<td colspan="4">该患者的 CT 扫描已被接受。请注意，在接受服务请求之前，该患者在 CT 扫描仪表板 中的状态不会改变。</td>
		</tr><tr><td>被用户拒绝</td>
			<td colspan="4">CT 扫描被用户拒绝。</td>
		</tr><tr><td>提交</td>
			<td colspan="4">该病例已提交给 RPA，有关该患者状态的更多详细信息可在 主仪表板上找到。</td>
		</tr><tr><td>RPA 系统错误</td>
			<td colspan="4">RPA 已启动处理，但 RPA 遇到错误，无法完成其任务。</td>
		</tr></tbody></table>表 3：CT 扫描仪表板的患者状态类别。
3. 监控规划进度
当前患者的状态类别可以在主仪表板上查看（表 4）。要对任何已完成的 RPA 计划进行初步审查并下载以供使用，请执行以下操作：
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>地位</td>
			<td colspan="4">总结</td>
		</tr><tr><td>不接受 CT 扫描</td>
			<td colspan="4">该患者没有接受 CT 扫描（但可以使用接受的服务请求）。</td>
		</tr><tr><td>未接受服务请求</td>
			<td colspan="4">该患者没有接受的服务请求（但可以接受 CT 扫描）。</td>
		</tr><tr><td>排队</td>
			<td colspan="4">该患者的数据已发送到 RPA 系统，并排队等待处理。</td>
		</tr><tr><td>加工</td>
			<td colspan="4">该患者数据的初步处理正在进行中。</td>
		</tr><tr><td>加工-轮廓</td>
			<td colspan="4">正在生成 RPA 轮廓。</td>
		</tr><tr><td>加工-轮廓报告</td>
			<td colspan="4">正在生成 RPA 轮廓报告。</td>
		</tr><tr><td>完整的 RPA 轮廓</td>
			<td colspan="4">RPA 生成的轮廓是完整的，可供用户下载和编辑（仅限 2 步工作流）。</td>
		</tr><tr><td>待定轮廓审查</td>
			<td colspan="4">规划轮廓（即用户进行编辑/添加后的轮廓）已上传回 RPA，并生成了平面轮廓报告。用户需要接受此报告（从 等值线仪表板）。</td>
		</tr><tr><td>排队平面等值线</td>
			<td colspan="4">在 RPA 规划流程之前，计划轮廓（即用户进行编辑/添加后的轮廓）将排队等待处理。</td>
		</tr><tr><td>排队 - 预计划</td>
			<td colspan="4">该患者的计划正在排队等待计划过程。</td>
		</tr><tr><td>处理 - 预先计划</td>
			<td colspan="4">预先规划处理正在进行中。</td>
		</tr><tr><td>排队优化</td>
			<td colspan="4">该患者的计划正在排队等待计划优化过程。</td>
		</tr><tr><td>处理优化</td>
			<td colspan="4">计划优化正在进行中。</td>
		</tr><tr><td>排队 - QA</td>
			<td colspan="4">该患者的计划正在排队等待自动质量保证 （QA） 流程。</td>
		</tr><tr><td>处理 – QA</td>
			<td colspan="4">QA计划正在进行中。</td>
		</tr><tr><td>处理计划报告</td>
			<td colspan="4">最终计划报告正在处理中。</td>
		</tr><tr><td>完整 – RPA 计划</td>
			<td colspan="4">RPA 计划已完成，可供下载。</td>
		</tr><tr><td>失败 – RPA 失败</td>
			<td colspan="4">RPA 进程失败。</td>
		</tr></tbody></table>表 4：主仪表板的患者状态类别。
<ol><li>通过选择患者，然后选择主仪表板顶部的“查看”来查看已完成的 RPA 计划。查看该患者的 RPA 计划报告 （PDF），该报告会在新选项卡中自动打开。 注意：RPA 计划报告 PDF 也可以从下载窗口访问。</li>
	<li>点击 下载图标，下载完整的RPA计划。等待窗口打开，DICOM 文件以及 RPA 计划报告 （PDF） 将被下载以导入治疗计划系统。</li>
</ol>4. 将RPA计划导入用户的治疗计划系统，并审查临床使用
注意：下载RPA计划（DICOM文件）后，应在用户的治疗计划系统中完成以下步骤：
<ol><li>将患者的 CT 扫描导入本地 TPS。这是上传到 RPA 的原始扫描。</li>
	<li>将 RPA 计划和 RPA 轮廓导入到本地 TPS 中。</li>
	<li>使用当地委托剂量计算算法和 使用的固定 MU 选项重新计算剂量。</li>
	<li>将导入的轮廓和计算剂量与 RPA 报告中的轮廓和计算剂量进行比较（以检查导入是否正确）。</li>
	<li>查看计划的适当性，并根据需要进行编辑。 注意：此步骤可能包括编辑字段形状和重新归一化字段。临床团队在其治疗计划系统中审查最终计划并在临床使用前进行任何编辑非常重要。</li>
</ol>5. 将最终计划上传到 RPA 网站，并查看最终计划与 RPA 计划的自动比较
已为其生成 RPA 计划的患者将显示 在计划比较仪表板中。 计划比较仪表板 提供了 表 5 中显示的当前患者的状态类别。要上传最终用户计划并查看用户计划和 RPA 计划的自动比较，请执行以下操作：
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>地位</td>
			<td colspan="4">总结</td>
		</tr><tr><td>待定计划上传</td>
			<td colspan="4">生成案例时显示此状态。</td>
		</tr><tr><td>加工</td>
			<td colspan="4">计划比较正在处理中。</td>
		</tr><tr><td>挂起的计划上传 - 重试</td>
			<td colspan="4">无法进行计划比较。用户应查看上传的文件，然后重试。此状态的可能原因包括上传不正确的文件。</td>
		</tr><tr><td>比较就绪-通过</td>
			<td colspan="4">计划比较报告已准备好进行审核。所有计划比较都通过了标准。可能会标记某些比较 - 用户应查看报告。</td>
		</tr><tr><td>比较就绪-失败</td>
			<td colspan="4">计划比较报告已准备好进行审核。一些比较未能达到设定的标准 - 用户应仔细查看报告并确定原因。</td>
		</tr></tbody></table>表 5：计划比较仪表板的患者状态类别。
<ol><li>选择患者，然后单击 “上传计划”。</li>
	<li>选择要上传的 DICOM 结构文件、计划和剂量文件。</li>
	<li>首先选择患者，查看计划比较报告。然后，查看在屏幕底部打开的 Plan Comparison 报告（图 5）（ 图 5 中显示了一个示例）。</li>
</ol><img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/65504/65504fig05.jpg"> 图 5：自动计划比较报告的示例。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig05large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>

使用基于 Web 的放射计划助手增强放射治疗

<ol>
	<li>Ferlay, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+incidence+and+mortality+worldwide:+Sources,+methods+and+major+patterns+in+GLOBOCAN+2012.">Cancer incidence and mortality worldwide: Sources, methods and major patterns in GLOBOCAN 2012.</a> International Journal of Cancer. 136 (5), E359-E386 (2015).</li><li>Elmore, S. N. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+palliative+radiotherapy:+a+framework+to+improve+access+in+resource-constrained+settings.">Global palliative radiotherapy: a framework to improve access in resource-constrained settings.</a> Annals of Palliative Medicine. 8 (3), 274-284 (2019).</li><li>Atun, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Expanding+global+access+to+radiotherapy.">Expanding global access to radiotherapy.</a> The Lancet. Oncology. 16 (10), 1153-1186 (2015).</li><li>Yap, M. L., Zubizarreta, E., Bray, F., Ferlay, J., Barton, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+access+to+radiotherapy+services:+have+we+made+progress+during+the+past+decade.">Global access to radiotherapy services: have we made progress during the past decade.</a> Journal of Global Oncology. 2 (4), 207-215 (2016).</li><li>Elmore, S. N. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=C.+al.+Radiotherapy+resources+in+Africa:+an+International+Atomic+Energy+Agency+update+and+analysis+of+projected+needs.">C. al. Radiotherapy resources in Africa: an International Atomic Energy Agency update and analysis of projected needs.</a> The Lancet. Oncology. 22 (9), e391-e399 (2021).</li><li>Datta, N. R., Samiei, M., Bodis, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiation+therapy+infrastructure+and+human+resources+in+low-+and+middle-income+countries:+present+status+and+projections+for+2020.">Radiation therapy infrastructure and human resources in low- and middle-income countries: present status and projections for 2020.</a> International Journal of Radiation Oncology, Biology, Physics. 89 (3), 448-457 (2014).</li><li>Ward, Z. J., Scott, A. M., Hricak, H., Atun, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Global+costs,+health+benefits,+and+economic+benefits+of+scaling+up+treatment+and+imaging+modalities+for+survival+of+11+cancers:+a+simulation-based+analysis.">Global costs, health benefits, and economic benefits of scaling up treatment and imaging modalities for survival of 11 cancers: a simulation-based analysis.</a> The Lancet. Oncology. 22 (3), 341-350 (2021).</li><li>Court, L. E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Radiation+Planning+Assistant+-+a+streamlined,+fully+automated+radiotherapy+treatment+planning+system.">Radiation Planning Assistant - a streamlined, fully automated radiotherapy treatment planning system.</a> Journal of Visualized Experiments. (134), e57411 (2018).</li><li>Nealon, K. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+failure+mode+and+effects+analysis+to+evaluate+risk+in+the+clinical+adoption+of+automated+contouring+and+treatment+planning+tools.">Using failure mode and effects analysis to evaluate risk in the clinical adoption of automated contouring and treatment planning tools.</a> Practical Radiation Oncology. 12 (4), e344-e353 (2022).</li><li>Kisling, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+treatment+planning+of+postmastectomy+radiotherapy.">Automated treatment planning of postmastectomy radiotherapy.</a> Medical Physics. 46 (9), 3767-3775 (2019).</li><li>Xiao, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Customizable+landmark-based+field+aperture+design+for+automated+whole-brain+radiotherapy+treatment+planning.">Customizable landmark-based field aperture design for automated whole-brain radiotherapy treatment planning.</a> Journal of Applied Clinical Medical Physics. 24 (3), e13839 (2022).</li><li>Kisling, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fully+automatic+treatment+planning+for+external-beam+radiation+therapy+of+locally+advanced+cervical+cancer:+a+tool+for+low-resource+clinics.">Fully automatic treatment planning for external-beam radiation therapy of locally advanced cervical cancer: a tool for low-resource clinics.</a> Journal of Global Oncology. 5, 1-9 (2019).</li><li>Rhee, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+acceptability+of+fully+automated+external+beam+radiotherapy+for+cervical+cancer+with+three+different+beam+delivery+techniques.">Clinical acceptability of fully automated external beam radiotherapy for cervical cancer with three different beam delivery techniques.</a> Medical Physics. 49 (9), 5742-5751 (2022).</li><li>Rhee, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+radiation+treatment+planning+for+cervical+cancer.">Automated radiation treatment planning for cervical cancer.</a> Seminars in Radiation Oncology. 30 (4), 340-347 (2020).</li><li>Rhee, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+contouring+system+for+cervical+cancer+using+convolutional+neural+networks.">Automatic contouring system for cervical cancer using convolutional neural networks.</a> Medical Physics. 47 (11), 5648-5658 (2020).</li><li>Xiao, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+WBRT+treatment+planning+via+deep+learning+auto-contouring+and+customizable+landmark-based+field+aperture+design.">Automated WBRT treatment planning via deep learning auto-contouring and customizable landmark-based field aperture design.</a> arXiv. , (2022).</li><li>Hernandez, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automating+the+treatment+planning+process+for+3D-conformal+pediatric+craniospinal+irradiation+therapy.">Automating the treatment planning process for 3D-conformal pediatric craniospinal irradiation therapy.</a> Pediatric Blood &amp; Cancer. 70 (3), e30164 (2023).</li><li>Huang, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automation+of+radiation+treatment+planning+for+rectal+cancer.">Automation of radiation treatment planning for rectal cancer.</a> Journal of Applied Clinical Medical Physics. 23 (9), e13712 (2022).</li><li>Netherton, T. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+automated+treatment+planning+framework+for+spinal+radiation+therapy+and+vertebral-level+second+check.">An automated treatment planning framework for spinal radiation therapy and vertebral-level second check.</a> International Journal of Radiation Oncology, Biology, Physics. 114 (3), 516-528 (2022).</li><li>Olanrewaju, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+acceptability+of+automated+radiation+treatment+planning+for+head+and+neck+cancer+using+the+Radiation+Planning+Assistant.">Clinical acceptability of automated radiation treatment planning for head and neck cancer using the Radiation Planning Assistant.</a> Practical Radiation Oncology. 11 (3), 177-184 (2021).</li><li>Rhee, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+contouring+QA+method+using+a+deep+learning-based+autocontouring+system.">Automatic contouring QA method using a deep learning-based autocontouring system.</a> Journal of Applied Clinical Medical Physics. 23 (8), e13647 (2022).</li><li>Rhee, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+detection+of+contouring+errors+using+convolutional+neural+networks.">Automatic detection of contouring errors using convolutional neural networks.</a> Medical Physics. 46 (11), 5086-5097 (2019).</li><li>Kisling, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+risk+assessment+of+automated+treatment+planning+and+recommendations+for+clinical+deployment.">A risk assessment of automated treatment planning and recommendations for clinical deployment.</a> Medical Physics. 46 (6), 2567-2574 (2019).</li><li>Nealon, K. A., Court, L. E., Douglas, R. J., Zhang, L., Han, E. Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+validation+of+a+checklist+for+use+with+automatically+generated+radiotherapy+plans.">Development and validation of a checklist for use with automatically generated radiotherapy plans.</a> Journal of Applied Clinical Medical Physics. 23 (9), e13694 (2022).</li></ol>

LEC拥有Leo Cancer Care的股票期权。HB 现在受雇于瓦里安医疗系统公司。AJ在基因泰克公司担任咨询职位。JB在Icon Cancer Care担任顾问职位;WS 在 IBA Dosimetry 担任咨询职位;JY已获得SunHydro核公司的差旅费;HS 已收到 Cipla 的酬金。

该协议概述了使用 RPA 创建自动治疗计划的步骤。关键步骤是 （1） CT 上传和批准，（2） 服务请求完成和批准，（3） 计划下载并导入用户的 TPS 并重新计算剂量和计划编辑，以及 （4） 上传最终编辑的计划以与 RPA 计划进行比较。CT 审批和服务请求审批的顺序可以互换。一些计划，特别是针对头颈癌和宫颈癌的容量调制弧形治疗计划，是在两步过程中创建的，其中额外的用户交互以及轮廓和计划是单独生成的。然而，总体而言，这些过程是相似的，我们预计这些先进的治疗计划方法将来可以更改为一步法。这些工具以及正在为未来版本开发的工具可以预期的总体临床可接受性可以在我们已发表的著作10、12、14、15、16、17、18、19、20、21、22 中找到。
这些工具有几个局限性，正如我们之前的工作所述，该工作调查了在放射治疗诊所部署辐射计划助手时的风险 9,23。尽管用户界面的设计旨在最大限度地降低不适当数据输入的风险，例如具有足够视野的 CT 图像或手动数据输入中的错误，但仍存在错误的可能性。具体而言，人为错误、自动化偏差（过度依赖结果）和软件错误是值得关注的问题 9.仔细检查并在必要时编辑自动生成的轮廓和计划，对于安全使用辐射规划助手至关重要。一般而言，这些审查应遵循与物理学家和放射肿瘤学家审查临床计划相同的程序，尽管这可以通过使用专门制定的清单来支持，以补充对自动创建的治疗计划的人工审查24。
在某些情况下，RPA 将无法生成计划，并将向用户报告错误。在几乎所有情况下，这都是由于 RPA 遇到无法解释的意外数据引起的，例如视野或患者定位不足（例如，如果使用仰卧位拍摄 CT 图像，但患者处于俯卧位）。用户可能能够根据报告错误的位置来识别问题。在大多数情况下，这些情况只能通过手动轮廓或计划来解决。RPA 团队还可以查看日志文件以识别问题。
RPA 的设计和开发是专门为资源有限的诊所，尤其是低收入和中等收入国家的诊所提供高质量的自动轮廓和自动规划工具。我们目前正在通过监管、法律和行政程序，这些程序将导致 RPA 在临床上的应用。一旦发生这种情况，我们希望仔细监控使用情况，并对工作流程或用户界面进行更改，以应对任何意外风险或其他用户反馈。目标是提供支持放射治疗服务的工具，以便当地临床团队可以扩大他们的工作范围，改善获得高质量、一致的放射治疗计划的机会。我们希望这将改善患者的治疗效果，并减少等待时间。虽然目前的产品组合仅限于头颈癌、乳腺癌和宫颈癌，以及脑转移的全脑照射，但我们正在研究其他治疗方法，这些治疗方法将纳入未来的版本17,18,19中。

预计到 2030 年，全球癌症病例数将增长到约 2460 万例，其中低收入和中等收入国家负担最重1。放疗是一种具有成本效益的治愈性姑息性癌症治疗方法，为大约 50% 的癌症患者和低收入国家 60-70% 的患者提供益处，这些患者更有可能在晚期就诊 2,3。然而，全世界获得放射治疗的机会有限4;例如，非洲没有一个国家具备满足其估计需求的放射治疗能力5。一些研究估计了这些即将到来的短缺以及满足即将到来的需求所需的条件6,7。
《柳叶刀》肿瘤学委员会提出了一个令人信服的理由，即投资于提高放射治疗能力不仅可以挽救生命，还可以带来积极的经济效益3。他们还特别指出，放射治疗轮廓和治疗计划的自动化可以通过显着减少肿瘤学家和物理学家在这些任务上花费的时间来帮助临床团队扩大他们的工作范围，从而使目标更容易实现。
我们的研究小组一直在与MD安德森和世界各地医院的临床团队合作，开发基于网络的自动化工具。这套工具（称为RPA）提供基于人工智能的轮廓（在CT扫描中勾勒出肿瘤和附近器官）和放射治疗计划（准确定义放射的传递方式）。这个基于网络的平台的优势在于减少了为每位患者准备高质量计划所需的时间和资源。
我们在MD安德森使用基于人工智能的工具的早期版本的经验表明，自动轮廓可以为每位患者节省多达2小时的时间，从而大大简化了工作流程。这意味着目前的临床工作人员将能够扩大他们的工作范围，用更高质量的放射治疗来治疗更多的患者。通过基于网络的全自动服务（辐射计划助手 [RPA] ，RPA.mdanderson.org）提供这些工具，我们可以最大限度地降低患者和提供者的成本，并最大限度地扩大该工具的覆盖范围。
我们开发 RPA 已有 6 年了，自从我们首次发布 RPA 工作流8 以来，已经进行了几项重大更改。其中包括将 RPA 开发成基于 Web 的工具，从而降低与安装和维护相关的成本，并提高系统的健壮性。其他改进包括更改用户界面以提高可用性并降低错误9 的风险，以及扩展治疗选择（特别是乳房切除术后乳房10 和脑转移11 的放射治疗计划）。因此，这里描述的协议比以前发布的初始版本先进得多。
RPA 使用一步式流程来创建轮廓和计划，在这种情况下，通常不需要编辑轮廓来创建治疗计划。这包括宫颈癌的四野箱治疗计划（基于骨标志或自动生成的软组织轮廓）12、13、14、15、切向或锁骨上野用于乳房切除术后乳腺癌11，以及用于全脑治疗的对侧野16。在不久的将来，我们预计将增加小儿癌症的颅脊髓治疗17，直肠癌的三领域治疗18，以及各种姑息性病例（椎体、髋关节和肋骨）19以及肺癌和膀胱癌的治疗计划。目前，更先进的治疗方法，特别是容量调制弧形疗法（VMAT），需要一个两步过程，在治疗计划之前编辑自动生成的轮廓13,20。然而，基于深度学习的自轮廓的质量如此之高，我们期望在未来将这些规划方法更改为一步到位的过程。该协议侧重于一步规划。
图 1 显示了使用 RPA 创建放射治疗计划的整体工作流程， 表 1 显示了有关不同任务的更多详细信息。总之，RPA 需要完整的服务请求（包括剂量处方和治疗方法等信息）和患者的个人 CT 扫描。放射肿瘤学家必须接受服务请求。临床用户必须接受 CT 扫描，以确保在正确的 CT 扫描上执行 RPA 计算。一旦 RPA 生成了计划，应从 RPA 网站下载并导入用户的治疗计划系统，并在其中重新计算剂量。这是必要的，因为 RPA 计算标准光束（可用于多种直线加速器型号）的计划，这可能与局部直线加速器的光束特性不完全匹配。采用这种方法是为了降低成本，但如果局部光束与我们的标准光束有很大不同，则可能需要定制。用户（治疗计划者和放射肿瘤学家）可以对计划进行编辑。然后，该计划进入用户的典型临床工作流程，包括本地质量保证检查。最后，用户应将其最终（重新计算和编辑）计划上传到 RPA 网站，在那里执行最终计划和 RPA 计划之间的自动比较。这是对整个工作流中数据完整性的有用检查。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65504/65504fig01.jpg"> 图 1：自动化治疗计划流程的工作流程。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig01large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>图 1 中的任务 #</td>
			<td colspan="3">任务描述</td>
			<td colspan="2">位置</td>
		</tr><tr><td></td>
			<td colspan="3">查看任何既往患者的状态</td>
			<td colspan="2">主仪表板</td>
		</tr><tr><td>1</td>
			<td colspan="3">在RPA网站上完成服务请求</td>
			<td colspan="2">“服务请求”仪表板</td>
		</tr><tr><td>2</td>
			<td colspan="3">将 CT 扫描上传到 RPA 网站</td>
			<td colspan="2">CT 扫描仪表板</td>
		</tr><tr><td rowspan="2">3</td>
			<td colspan="3">检查患者的状态</td>
			<td colspan="2">主仪表板</td>
		</tr><tr><td colspan="3">查看并下载 RPA 计划</td>
			<td colspan="2">主仪表板</td>
		</tr><tr><td>4</td>
			<td colspan="3">将计划导入用户的 TPS，重新计算剂量，并根据需要进行编辑</td>
			<td colspan="2">本地 TPS</td>
		</tr><tr><td rowspan="2">5, 6</td>
			<td colspan="3">将最终计划上传到 RPA 网站</td>
			<td colspan="2">计划比较仪表板</td>
		</tr><tr><td colspan="3">查看最终计划和 RPA 计划的自动比较</td>
			<td colspan="2">计划比较仪表板</td>
		</tr><tr><td>-</td>
			<td colspan="3">该计划进入用户的常规临床工作流程，包括定期的质量保证</td>
			<td colspan="2">用户自己的软件</td>
		</tr></tbody></table>表 1：使用 1 步工作流创建 RPA 计划所涉及的任务概述。 本地 TPS：用户的治疗计划系统。
本文描述了 RPA 的这一一步式工作流程，并介绍了治疗计划流程输出的一些示例结果。目前，以下规划方法使用这种一步式工作流程：i） 宫颈癌患者的四视野箱治疗计划（基于骨地标的孔）;ii）宫颈癌患者的四野箱治疗方案（基于软组织的野孔）;iii） 胸壁患者的切线和锁骨上治疗计划;iv） 全脑治疗计划。

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Radiation Planning Assistant</td>
			<td>MD Anderson Cancer Center</td>
			<td>na</td>
			<td>webpage</td>
		</tr>
	</tbody>
</table>

radiation planning assistant - a web-based tool to support high-quality radiotherapy in clinics with limited resources

全世界获得放射治疗的机会有限。放射计划助手 （RPA） 是一种全自动的、基于 Web 的工具，正在开发中，旨在为资源有限的诊所提供全自动放射治疗计划工具。目标是帮助临床团队扩大他们的工作范围，从而惠及更多的癌症患者。用户通过网页连接到RPA，完成服务请求（处方和有关放射治疗目标的信息），并上传患者的CT图像集。RPA 提供了两种自动化规划方法。在一步式规划中，系统使用服务请求和 CT 扫描自动生成必要的轮廓和治疗计划。在两步规划中，用户在 RPA 继续生成容量调制弧形治疗计划之前查看和编辑自动生成的轮廓。最终计划从RPA网站下载并导入用户的本地治疗计划系统，其中为本地委托的直线加速器重新计算剂量;如有必要，在批准临床使用之前对计划进行编辑。

The global number of cancer cases is expected to grow to approximately 24.6 million by 2030, with the largest burden in low- and middle-income countries (LMICs)1. Radiotherapy is a cost-effective, curative, and palliative treatment for cancer, providing benefits to approximately 50% of patients with cancer and to 60-70% in low-income countries where patients are more likely to present at a late stage2,3. However, access to radiotherapy worldwide is limited4; for example, no countries in Africa have the radiotherapy capacity to meet their estimated need5. Several studies have estimated these impending shortages and what would be required to meet upcoming needs6,7.
The Lancet Oncology Commission made the compelling case that investment in radiotherapy capacity improvements would not only save lives but would also bring positive economic benefits3. They also specifically pointed out that automation of radiotherapy contouring and treatment planning may help clinical teams scale their efforts by significantly reducing the time spent on these tasks by oncologists and physicists, respectively, making the goals more attainable.
Our research group has been working in collaboration with clinical teams at MD Anderson and at hospitals across the world to develop web-based automated tools. This suite of tools (called the RPA) provides Artificial Intelligence-based contouring (outlining tumors and nearby organs on CT scans) and radiotherapy treatment planning (which defines exactly how the radiation is delivered). This web-based platform offers the advantage of reduced time and resources needed to prepare high-quality plans for each patient.
Our experience with an early version of an AI-based tool at MD Anderson has shown that automated contouring can save up to 2 h per patient-a significant streamlining of the workflow. This means that current clinical staff will be able to scale their effort, treating more patients with higher-quality radiotherapy. By offering these tools via a fully automated, web-based service (Radiation Planning Assistant [RPA], RPA.mdanderson.org), we can minimize the cost to the patients and providers and maximize the reach of this tool.
We have been developing the RPA for 6 years, and several significant changes have been made since we first published on the RPA workflows8. These include developing the RPA into a web-based tool, thus reducing the costs associated with installation and maintenance, and improving the system&#39;s robustness. Other improvements include changes in the user interfaces to improve usability and reduce the risk of error9 and expanding treatment options (specifically, radiotherapy planning for post-mastectomy breast10 and metastases to the brain11). Thus, the protocol described here is substantially more advanced than the initial version previously published.
The RPA uses a one-step process to create contours and plans in situations in which editing of the contours is not generally necessary to create the treatment plan. This includes four-field box treatment planning for cervical cancer (based on bony landmarks or automatically generated soft tissue contours)12,13,14,15, tangential or supraclavicular fields for post-mastectomy breast cancer11, and opposed laterals for whole-brain treatments16. In the near future, we expect to add craniospinal treatments for pediatric cancers17, three-field treatments for rectal cancer18, and treatment planning for various palliative cases (vertebral bodies, hips, and ribs)19, as well as lung and bladder cancers. Currently, more advanced treatments, specifically volume-modulated arc therapy (VMAT), require a two-step process in which automatically generated contours are edited prior to treatment planning13,20. However, the quality of deep learning-based autocontouring is such that we expect to change these planning approaches to a one-step process in the future. This protocol focuses on one-step planning.
Figure 1 shows the overall workflow for creating a radiotherapy treatment plan using the RPA, with more details on the different tasks shown in Table 1. In summary, the RPA requires a completed Service Request (which includes information such as the dose prescription and treatment approach) and a patient&#39;s individual CT scan. The Service Request must be accepted by a radiation oncologist. The CT scan must be accepted by a Clinical User to ensure that the RPA calculations are performed on the correct CT scan. Once the RPA has generated a plan, it should be downloaded from the RPA website and imported into the user&#39;s treatment planning system, where the dose should be recalculated. This is necessary because the RPA calculates plans on standard beams (available for several linac models), which may not exactly match the beam characteristics of the local linac. This approach was taken to reduce cost, although customization may be needed if the local beams are significantly different from our standard beams. The users (treatment planner and radiation oncologist) may make edits to the plan. The plan then enters the user&#39;s typical clinical workflow, including local quality assurance checks. Finally, the user should upload their final (recalculated and edited) plan to the RPA website, where an automated comparison between the Final Plan and the RPA Plan is performed. This is a useful check of data integrity in the overall workflow.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65504/65504fig01.jpg" /> 
Figure 1: Workflow of the automated treatment planning process. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig01large.jpg" target="_blank">Please click here to view a larger version of this figure.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Task # in Figure 1</td>
			<td colspan="3">Task description</td>
			<td colspan="2">Location</td>
		</tr>
		<tr>
			<td></td>
			<td colspan="3">Review the status of any past patients</td>
			<td colspan="2">Main dashboard</td>
		</tr>
		<tr>
			<td>1</td>
			<td colspan="3">Complete a Service Request on the RPA website</td>
			<td colspan="2">Service Request dashboard</td>
		</tr>
		<tr>
			<td>2</td>
			<td colspan="3">Upload a CT scan to the RPA website</td>
			<td colspan="2">CT scan dashboard</td>
		</tr>
		<tr>
			<td rowspan="2">3</td>
			<td colspan="3">Check on the status of the patient</td>
			<td colspan="2">Main dashboard</td>
		</tr>
		<tr>
			<td colspan="3">Review and download the RPA Plan</td>
			<td colspan="2">Main dashboard</td>
		</tr>
		<tr>
			<td>4</td>
			<td colspan="3">Import the plan into the user&#8217;s TPS, recalculate the dose, and make edits as necessary</td>
			<td colspan="2">Local TPS</td>
		</tr>
		<tr>
			<td rowspan="2">5, 6</td>
			<td colspan="3">Upload the Final Plan to the RPA website</td>
			<td colspan="2">Plan comparison dashboard</td>
		</tr>
		<tr>
			<td colspan="3">Review the automatic comparison of the Final Plan and the RPA Plan</td>
			<td colspan="2">Plan comparison dashboard</td>
		</tr>
		<tr>
			<td>-</td>
			<td colspan="3">The plan enters the user&#8217;s routine clinical workflow, including regular quality assurance</td>
			<td colspan="2">User&#8217;s own software</td>
		</tr>
	</tbody>
</table>
Table 1: Overview of the tasks involved in creating an RPA Plan using the 1-step workflow. Local TPS: User&#39;s Treatment Planning System.
This manuscript describes this one-step workflow for the RPA and presents some example results of the treatment planning process output. Currently, the following planning approaches use this one-step workflow: i) Four-field box treatment plans for cervical cancer patients (bony landmark-based apertures); ii) four-field box treatment plans for cervical cancer patients (soft tissue-based field apertures); iii) tangential and supraclavicular treatment plans for chest wall patients; iv) whole-brain treatment plans.

作者聚焦：使用 Radiation Planning Assistant 改善放射治疗可及性

放射计划助手 - 一个基于网络的工具，以支持资源有限的诊所进行高质量的放射治疗

We have developed the Radiation Planning Assistant as a web-based tool intended to help low and middle income countries scale their efforts to provide high quality contouring and treatment planning for patients. Access to radiotherapy is very limited in most places in the world, and that's due to multiple factors including shortage of staff and qualified radiation oncologists, therapy radiographer and medical physicists. And what we hope for the RPA is to address some of these challenges.The Radiation Planning Assistant has been designed to provide high quality contours and the plans at a minimal cost. Our hope is to provide access to those tools for free for clinics who would not otherwise have access. Now that we have finished version 1 of the Radiation Planning Assistant, we will start to develop the next versions.We will try to reduce the need for manual upload and download of data and add new treatment sites and approaches.

主仪表板（图 1）的目的是在 RPA 中提供当前患者状态的快速概览，允许快速查看已完成的计划，下载已完成的计划以在用户的治疗计划系统中进行审查和编辑，并提供高级患者导航和排序工具。对于患者来说，他们必须至少具有以下一项：（1） 可接受的 CT 扫描或 （2） 接受的服务表。当前患者的状态类别可以在主仪表板上查看（表 4）。
全脑放疗计划的侧场示例如 图 6 所示。 图 7 显示了基于骨地标的宫颈癌 4 场箱形计划的侧场示例。在这两种情况下，都必须下载最终计划，然后将其导入用户的治疗计划系统，在该系统中必须查看、编辑和重新计算结果。RPA 还会创建最终计划报告 （PDF），其中包括服务请求（参见 图 3 中的示例）、CT 批准报告和治疗计划的其他详细信息。
“服务请求”仪表板（表 2）的目的是为 RPA 中的当前患者提供服务请求的快速状态概述、创建新的服务请求、接受已完成的服务请求以及编辑服务请求。已提交或已接受服务请求的患者将显示在此仪表板上，RPA 的所有用户都可以访问该仪表板。但是，只有在 RPA 系统中注册为放射肿瘤学家的用户才能接受服务请求。
CT 仪表板（表 3）的目的是为 RPA 中的当前患者提供 CT 扫描的快速状态概述，上传新的 CT 扫描，查看和接受 CT 扫描，以及为 CT 扫描添加参考点。添加了参考点以在某些特定情况下指导 RPA，例如当用户想要使用非标准的上边框进行宫颈癌的简单 4 场框计划时。此处显示了已上传 CT 扫描的患者。任何用户都可以查看 CT 仪表板，但只有注册为临床用户的用户才能接受 CT 扫描。
一旦用户确认了他们的最终计划，他们就可以从他们的 TPS 中导出它并将其上传到 RPA。此过程的目的是提供一种方法来检查数据是否在不同设备之间正确通信。
已为其生成 RPA 计划的患者将显示 在计划比较仪表板中。 计划比较仪表板 提供了 表 5 中显示的当前患者的状态类别。
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/65504/65504fig06.jpg"> 图 6：全脑放疗的典型侧场。 此视图显示了结构轮廓的投影以及主准直器（黄色）和多叶准直器（蓝色）的位置。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig06large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/65504/65504fig07.jpg"> 图 7：基于骨地标的宫颈癌 4 场箱形计划的侧场示例。 此视图显示了主准直器（黄色）和多叶准直器（蓝色）的位置。 <a href="https://www.jove.com/files/ftp_upload/65504/65504fig07large.jpg" target="_blank">请点击这里查看此图的较大版本.</a>

Watch this Scientific Journal Video about Author Spotlight: Improving Radiation Therapy Access with Radiation Planning Assistant at JoVE.com

该协议描述了一系列专为高质量放射治疗、自体轮廓和自动计划而设计的自动化工具，这些工具被打包到基于 Web 的服务中，以最大限度地提高稳健性和可扩展性，同时最大限度地降低运营成本。

Access to radiotherapy worldwide is limited. The Radiation Planning Assistant (RPA) is a fully automated, web-based tool that is being developed to offer ...

我们开发了放射规划助手，作为一种基于网络的工具，旨在帮助低收入和中等收入国家扩大其努力，为患者提供高质量的轮廓和治疗计划。在世界上大多数地方，获得放射治疗的机会非常有限，这是由于多种因素造成的，包括人员和合格的放射肿瘤学家、放射治疗技师和医学物理学家的短缺。我们希望RPA能够解决其中的一些挑战。辐射规划助手旨在以最低的成本提供高质量的轮廓和计划。我们希望为那些原本无法访问的诊所免费提供这些工具。现在我们已经完成了辐射规划助手的第 1 版，我们将开始开发下一个版本。我们将尝试减少手动上传和下载数据的需要，并添加新的治疗地点和方法。

radiation-planning-assistant-web-based-tool-to-support-high-quality

Research

JoVE Journal

Medicine

Radiation Planning Assistant - A Web-based Tool to Support High-quality Radiotherapy in Clinics with Limited Resources

887 次观看.  The University of Texas MD Anderson Cancer Center. 我们开发了放射规划助手，作为一种基于网络的工具，旨在帮助低收入和中等收入国家扩大其努力，为患者提供高质量的轮廓和治疗计划。在世界上大多数地方，获得放射治疗的机会非常有限，这是由于多种因素造成的，包括人员和合格的放射肿瘤学家、放射治疗技师和医学物理学家的短缺。我们希望RPA能够解决其中的一些挑战。辐射规划助手旨在以最低的成本提供高?...

视频: 作者聚焦：使用 Radiation Planning Assistant 改善放射治疗可及性

Access to radiotherapy worldwide is limited. The Radiation Planning Assistant (RPA) is a fully automated, web-based tool that is being developed to offer fully automated radiotherapy treatment planning tools to clinics with limited resources. The goal is to help clinical teams scale their efforts, thus reaching more patients with cancer. The user connects to the RPA via a webpage, completes a Service Request (prescription and information about the radiotherapy targets), and uploads the patient&#39;s CT image set. The RPA offers two approaches to automated planning. In one-step planning, the system uses the Service Request and CT scan to automatically generate the necessary contours and treatment plan. In two-step planning, the user reviews and edits the automatically generated contours before the RPA continues to generate a volume-modulated arc therapy plan. The final plan is downloaded from the RPA website and imported into the user&#39;s local treatment planning system, where the dose is recalculated for the locally commissioned linac; if necessary, the plan is edited prior to approval for clinical use.

This protocol describes a series of automated tools designed for high-quality radiotherapy autocontouring and autoplanning that are being packaged into a web-based service to maximize robustness and scalability while minimizing operational costs.

科研

医学

Using Radiation Planning Assistant for Automated CT Scan Comparison and Treatment Planning

Begin by launching the Radiation Planning Assistant, or RPA. Then go to the service request dashboard on RPA interface by clicking the service request channel. Then click on the new form to generate a new request form.Complete the questions under the first section titled Demographics. Then select the treatment technique from the treatment pull-down menu. Click on the information icon in the treatment technique pull-down menu to access further details of the treatment technique.Next, complete the questions in the second section titled Treatment General Questions. Now move to section three titled Treatment Specific Questions and complete the questions including the details of the treatment targets and prescription. Click on submit to generate the service request PDF.Select the patient in the patient list. Review the service request PDF, and click accept to approve it. Next, go to the CT Scans dashboard by clicking on the CT Scans channel.Select the option, upload CT and pick the folder where the CT scan is stored using folder explorer. Follow the prompts to confirm the selection. Select the patient in the patient list to review the corresponding uploaded CT scan.Then load the entire 3D CT image by clicking on load 3D. Now scroll between the slices in all views using forward or backward buttons located below the CT view to move to the next slice. Click the right shift or left shift buttons to move five slices in either direction.Alternatively, move the cursor over any view and use the mouse to scroll between the slices. The Intersect button can also be clicked to overlay a cross hair on each CT view. Then click on any of the three views to move the cross hair, causing the other views to follow accordingly.Zoom into the image to further review it using the zoom pan button. Then right click and hold down a CT view using the mouse to zoom. Click on marked ISO to move the CT views to the marked ISO center.To add a reference point, first, move the three views to the desired reference point location by using the intersect tool. Next, click on the Ref Point button to add a reference point. To add a new reference point, clear the current point by clicking on clear ref point.Then add a new one. Accept the CT scan. Then answer the questions below the CT images to minimize risk and reduce errors in the subsequent RPA calculations.Now click on accept and follow the prompts. To begin the monitoring process, first, review a completed RPA plan by selecting the patient and choosing review at the top of the main dashboard. Download a completed RPA plan by clicking on the download icon.When a new window opens, the DICOM files, along with the PDF version of the RPA plan report, will be downloaded for import into the treatment planning system. To upload the final plan to the website, select the patient and click upload plan. Choose the DICOM Structure file, Plan, and Dose Files for upload.Finally, review the plan comparison report by selecting the patient. An example of a lateral field from a whole brain radiotherapy plan is shown here, while a lateral field from a bony landmark-based four field box plan for cervical cancer is also shown. In both cases, the RPA created a final plan report after downloading and importing the user's treatment planning system.The service request dashboard provides a quick status overview of the service request for current patients in the RPA.