Name: Autor im Rampenlicht: Verbesserung des Zugangs zur Strahlentherapie mit dem Strahlenplanungsassistenten
Uploaded: 2023-10-06T13:30:00
Duration: 1 min 16 s
Description: Watch this Scientific Journal Video about Author Spotlight: Improving Radiation Therapy Access with Radiation Planning Assistant at JoVE.com

Diese Arbeit wurde vom National Cancer Institute und dem Wellcome Trust finanziert, mit zusätzlicher Unterstützung von Varian Medical Systems. Unser aktuelles System verwendet Eclipse für die Behandlungsplanung. Wir möchten uns auch bei Ann Sutton von Editing Services, Research Medical Library, UT MD Anderson Cancer Center bedanken. Zusätzlich zu den institutionellen Mitteln für die RPA-Entwicklung erhalten unsere Forschungsteams Mittel vom Cancer Prevention and Research Institute of Texas (CPRIT) und dem Fund for Innovation in Cancer Informatics, The University of Texas MD Anderson Cancer Center.

Verbesserung der Strahlentherapie mit webbasiertem Strahlenplanungsassistenten

<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 verfügt über Aktienoptionen auf Leo Cancer Care. HB ist jetzt bei Varian Medical Systems beschäftigt. AJ hat eine Beraterposition bei Genentech. JB hat eine Beraterposition bei Icon Cancer Care; WS hat eine beratende Position bei IBA Dosimetrie; JY hat eine Reisefinanzierung von SunNuclear Corp. erhalten; HS hat Honorare von Cipla erhalten.

Dieses Protokoll beschreibt die Schritte zur Erstellung automatisierter Behandlungspläne mithilfe der RPA. Die wichtigsten Schritte sind (1) CT-Upload und -Genehmigung, (2) Ausfüllen und Genehmigen von Serviceanfragen, (3) Herunterladen und Importieren des Plans in das TPS des Benutzers und Neuberechnung der Dosis und Planbearbeitung sowie (4) Hochladen des endgültig bearbeiteten Plans zum Vergleich mit dem RPA-Plan. Die Reihenfolge der CT-Genehmigung und der Service-Request-Genehmigung ist austauschbar. Einige Pläne, insbesondere volumenmodulierte Arc-Therapiepläne für Kopf-Hals- und Gebärmutterhalskrebs, werden in einem zweistufigen Prozess erstellt, in dem zusätzliche Benutzerinteraktionen und die Konturen und Pläne separat generiert werden. Insgesamt sind die Prozesse jedoch ähnlich, und wir gehen davon aus, dass diese fortschrittlichen Ansätze der Behandlungsplanung in Zukunft auf einen einstufigen Prozess umgestellt werden können. Die allgemeine klinische Akzeptanz, die von diesen Werkzeugen und von Werkzeugen, die sich in der Entwicklung für zukünftige Versionen befinden, erwartet werden kann, finden Sie in unserer veröffentlichten Arbeit 10,12,14,15,16,17,18,19,20,21,22.
Diese Werkzeuge weisen mehrere Einschränkungen auf, wie in unserer früheren Arbeit beschrieben, in der das Risiko beim Einsatz des Bestrahlungsplanungsassistenten in Strahlentherapiekliniken untersuchtwurde 9,23. Obwohl die Benutzeroberfläche so gestaltet wurde, dass das Risiko einer unangemessenen Dateneingabe minimiert wird, wie z. B. CT-Bilder mit unzureichendem Sichtfeld oder Fehler bei der manuellen Dateneingabe, besteht dennoch ein Fehlerpotenzial. Insbesondere menschliches Versagen, Automatisierungsverzerrung (übermäßiges Vertrauen in die Ergebnisse) und Softwarefehler sind von Belang9. Eine sorgfältige Überprüfung und ggf. Bearbeitung der automatisch generierten Konturen und Pläne ist für die sichere Nutzung des Bestrahlungsplanungsassistenten unerlässlich. Im Allgemeinen sollten diese Überprüfungen dem gleichen Verfahren folgen wie bei der Überprüfung klinischer Pläne durch Physiker und Radioonkologen, obwohl dies durch die Verwendung von Checklisten unterstützt werden kann, die speziell entwickelt wurden, um die manuelle Überprüfung automatisch erstellter Behandlungspläne zu ergänzen24.
Es gibt Situationen, in denen die RPA nicht in der Lage ist, einen Plan zu erstellen und dem Benutzer einen Fehler meldet. In fast allen Fällen wird dies dadurch verursacht, dass die RPA auf unerwartete Daten stößt, die sie nicht interpretieren kann, wie z. B. ein unzureichendes Sichtfeld oder eine unzureichende Patientenpositionierung (z. B. wenn ein CT-Bild in Rückenlage aufgenommen wurde, der Patient jedoch in Bauchlage). Der Benutzer kann das Problem möglicherweise anhand des Ortes identifizieren, an dem der Fehler gemeldet wird. In den meisten Fällen können diese Situationen nur durch manuelles Konturieren oder Planen behoben werden. Das RPA-Team kann möglicherweise auch Protokolldateien überprüfen, um das Problem zu identifizieren.
Das RPA wurde speziell entworfen und entwickelt, um Kliniken mit begrenzten Ressourcen, insbesondere in Ländern mit niedrigem und mittlerem Einkommen, hochwertige Autokonturierungs- und Autoplanungstools zur Verfügung zu stellen. Wir arbeiten derzeit an den regulatorischen, rechtlichen und administrativen Prozessen, die dazu führen werden, dass die RPA klinisch eingesetzt wird. Sobald dies geschieht, gehen wir davon aus, dass wir die Nutzung sorgfältig überwachen und Änderungen am Workflow oder an den Benutzeroberflächen vornehmen, um auf unvorhergesehene Risiken oder anderes Benutzerfeedback zu reagieren. Ziel ist es, Tools zur Unterstützung von Strahlentherapiediensten bereitzustellen, so dass lokale klinische Teams ihre Bemühungen skalieren und den Zugang zu qualitativ hochwertigen, konsistenten Strahlentherapieplänen verbessern können. Wir hoffen, dass dies zu verbesserten Patientenergebnissen sowie zu kürzeren Wartezeiten führen wird. Obwohl sich das derzeitige Portfolio auf Krebserkrankungen des Kopfes und Halses, der Brust und des Gebärmutterhalses sowie auf die Bestrahlung des gesamten Gehirns bei Hirnmetastasen beschränkt, arbeiten wir an zusätzlichen Behandlungen, die in zukünftigen Versionen17, 18, 19 enthalten sein werden.

Es wird erwartet, dass die weltweite Zahl der Krebsfälle bis 2030 auf etwa 24,6 Millionen ansteigen wird, wobei die größte Belastung in Ländern mit niedrigem und mittlerem Einkommen (LMICs)1 zu verzeichnen sein wird. Die Strahlentherapie ist eine kostengünstige, kurative und palliative Behandlung von Krebs, die etwa 50 % der Krebspatienten und 60-70 % in Ländern mit niedrigem Einkommen, in denen die Patienten mit größerer Wahrscheinlichkeit in einem späten Stadium vorstellig werden, Vorteile bietet 2,3. Der Zugang zur Strahlentherapie ist jedoch weltweit begrenzt4; So verfügt beispielsweise kein Land in Afrika über die Strahlentherapiekapazitäten, um den geschätzten Bedarf zu decken5. In mehreren Studien wurden diese drohenden Engpässe und die zur Deckung des künftigen Bedarfs erforderlichen Faktoren abgeschätzt 6,7.
Die Lancet Oncology Commission argumentierte überzeugend, dass Investitionen in die Verbesserung der Strahlentherapiekapazitäten nicht nur Leben retten, sondern auch positive wirtschaftliche Vorteile mit sich bringen würden3. Sie wiesen auch ausdrücklich darauf hin, dass die Automatisierung der Strahlentherapie-Konturierung und der Behandlungsplanung klinischen Teams helfen kann, ihre Bemühungen zu skalieren, indem sie die Zeit, die Onkologen bzw. Physiker für diese Aufgaben aufwenden, erheblich reduziert und die Ziele leichter erreichbar macht.
Unsere Forschungsgruppe hat in Zusammenarbeit mit klinischen Teams bei MD Anderson und in Krankenhäusern auf der ganzen Welt an der Entwicklung webbasierter automatisierter Tools gearbeitet. Diese Suite von Tools (RPA genannt) bietet auf künstlicher Intelligenz basierende Konturierung (Umrisse von Tumoren und nahe gelegenen Organen auf CT-Scans) und eine Strahlentherapie-Behandlungsplanung (die genau definiert, wie die Strahlung abgegeben wird). Diese webbasierte Plattform bietet den Vorteil, dass weniger Zeit und Ressourcen benötigt werden, um qualitativ hochwertige Pläne für jeden Patienten zu erstellen.
Unsere Erfahrung mit einer frühen Version eines KI-basierten Tools bei MD Anderson hat gezeigt, dass die automatisierte Konturierung bis zu 2 Stunden pro Patient einsparen kann – eine erhebliche Rationalisierung des Arbeitsablaufs. Dies bedeutet, dass das derzeitige klinische Personal in der Lage sein wird, seinen Aufwand zu skalieren und mehr Patienten mit einer qualitativ hochwertigeren Strahlentherapie zu behandeln. Indem wir diese Tools über einen vollautomatischen, webbasierten Service (Radiation Planning Assistant [RPA], RPA.mdanderson.org) anbieten, können wir die Kosten für die Patienten und Anbieter minimieren und die Reichweite dieses Tools maximieren.
Wir entwickeln die RPA seit 6 Jahren, und seit der ersten Veröffentlichung der RPA-Workflows8 wurden mehrere bedeutende Änderungen vorgenommen. Dazu gehört die Weiterentwicklung der RPA zu einem webbasierten Tool, wodurch die Kosten für Installation und Wartung gesenkt und die Robustheit des Systems verbessert werden. Zu den weiteren Verbesserungen gehören Änderungen an den Benutzeroberflächen, um die Benutzerfreundlichkeit zu verbessern und das Risiko von Fehlernzu verringern 9 sowie die Erweiterung der Behandlungsmöglichkeiten (insbesondere die Planung der Strahlentherapie für Brust nach Mastektomie10 und Metastasen im Gehirn11). Damit ist das hier beschriebene Protokoll wesentlich weiter fortgeschritten als die bisher veröffentlichte Ausgangsversion.
Die RPA verwendet einen einstufigen Prozess zur Erstellung von Konturen und Plänen in Situationen, in denen eine Bearbeitung der Konturen in der Regel nicht erforderlich ist, um den Behandlungsplan zu erstellen. Dazu gehören die Vier-Felder-Box-Behandlungsplanung für Gebärmutterhalskrebs (basierend auf knöchernen Landmarken oder automatisch generierten Weichteilkonturen)12,13,14,15, tangentiale oder supraklavikuläre Felder für Brustkrebs nach Mastektomie11 und entgegengesetzte laterale Felder für Ganzhirnbehandlungen16. Wir gehen davon aus, dass wir in naher Zukunft Schädelspinalbehandlungen für pädiatrische Krebserkrankungen17, Dreifeldbehandlungen für Rektumkarzinome18 und Behandlungsplanung für verschiedene palliative Fälle (Wirbelkörper, Hüften und Rippen)19 sowie Lungen- und Blasenkrebs hinzufügen werden. Derzeit erfordern fortgeschrittenere Behandlungen, insbesondere die volumenmodulierte Arc-Therapie (VMAT), einen zweistufigen Prozess, bei dem automatisch generierte Konturen vor der Behandlungsplanung bearbeitet werden13,20. Die Qualität des Deep-Learning-basierten Autocontouring ist jedoch so hoch, dass wir davon ausgehen, dass wir diese Planungsansätze in Zukunft auf einen einstufigen Prozess umstellen werden. Dieses Protokoll konzentriert sich auf die einstufige Planung.
Abbildung 1 zeigt den gesamten Arbeitsablauf für die Erstellung eines Strahlentherapie-Behandlungsplans mit dem RPA, mit weiteren Details zu den verschiedenen Aufgaben, die in Tabelle 1 aufgeführt sind. Zusammenfassend lässt sich sagen, dass die RPA eine ausgefüllte Serviceanfrage (die Informationen wie die Dosisverschreibung und den Behandlungsansatz enthält) und den individuellen CT-Scan eines Patienten erfordert. Die Serviceanfrage muss von einem Radioonkologen angenommen werden. Der CT-Scan muss von einem klinischen Benutzer akzeptiert werden, um sicherzustellen, dass die RPA-Berechnungen auf dem richtigen CT-Scan durchgeführt werden. Sobald die RPA einen Plan erstellt hat, sollte er von der RPA-Website heruntergeladen und in das Behandlungsplanungssystem des Benutzers importiert werden, wo die Dosis neu berechnet werden sollte. Dies ist notwendig, da die RPA Pläne für Standardträger (verfügbar für mehrere Linac-Modelle) berechnet, die möglicherweise nicht genau mit den Balkeneigenschaften des lokalen Linacs übereinstimmen. Dieser Ansatz wurde gewählt, um die Kosten zu senken, obwohl eine Anpassung erforderlich sein kann, wenn sich die lokalen Träger erheblich von unseren Standardträgern unterscheiden. Die Benutzer (Behandlungsplaner und Radioonkologe) können Änderungen am Plan vornehmen. Der Plan gibt dann den typischen klinischen Arbeitsablauf des Benutzers ein, einschließlich lokaler Qualitätssicherungsprüfungen. Schließlich sollte der Benutzer seinen endgültigen (neu berechneten und bearbeiteten) Plan auf die RPA-Website hochladen, wo ein automatisierter Vergleich zwischen dem endgültigen Plan und dem RPA-Plan durchgeführt wird. Dies ist eine sinnvolle Überprüfung der Datenintegrität im gesamten Workflow.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65504/65504fig01.jpg"> Abbildung 1: Ablauf des automatisierten Behandlungsplanungsprozesses. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung zu sehen.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Aufgabe # in Abbildung 1</td>
			<td colspan="3">Aufgabenbeschreibung</td>
			<td colspan="2">Ort</td>
		</tr><tr><td></td>
			<td colspan="3">Überprüfen Sie den Status früherer Patienten</td>
			<td colspan="2">Haupt-Dashboard</td>
		</tr><tr><td>1</td>
			<td colspan="3">Füllen Sie eine Serviceanfrage auf der RPA-Website aus</td>
			<td colspan="2">Dashboard für Serviceanfragen</td>
		</tr><tr><td>2</td>
			<td colspan="3">Laden Sie einen CT-Scan auf die RPA-Website hoch</td>
			<td colspan="2">CT-Scan-Dashboard</td>
		</tr><tr><td rowspan="2">3</td>
			<td colspan="3">Überprüfen Sie den Status des Patienten</td>
			<td colspan="2">Haupt-Dashboard</td>
		</tr><tr><td colspan="3">RPA-Plan prüfen und herunterladen</td>
			<td colspan="2">Haupt-Dashboard</td>
		</tr><tr><td>4</td>
			<td colspan="3">Importieren Sie den Plan in das TPS des Benutzers, berechnen Sie die Dosis neu und nehmen Sie bei Bedarf Änderungen vor</td>
			<td colspan="2">Lokales TPS</td>
		</tr><tr><td rowspan="2">5, 6</td>
			<td colspan="3">Laden Sie den endgültigen Plan auf die RPA-Website hoch</td>
			<td colspan="2">Dashboard für den Planvergleich</td>
		</tr><tr><td colspan="3">Überprüfen Sie den automatischen Vergleich des endgültigen Plans und des RPA-Plans</td>
			<td colspan="2">Dashboard für den Planvergleich</td>
		</tr><tr><td>-</td>
			<td colspan="3">Der Plan geht in den klinischen Routineablauf des Anwenders ein, einschließlich der regelmäßigen Qualitätssicherung</td>
			<td colspan="2">Eigene Software des Benutzers</td>
		</tr></tbody></table>Tabelle 1: Übersicht über die Aufgaben, die bei der Erstellung eines RPA-Plans mit dem 1-Schritt-Workflow anfallen. Lokales TPS: Behandlungsplanungssystem des Benutzers.
Dieses Manuskript beschreibt diesen einstufigen Workflow für die RPA und präsentiert einige Beispielergebnisse des Behandlungsplanungsprozesses. Derzeit verwenden die folgenden Planungsansätze diesen einstufigen Arbeitsablauf: i) Vier-Felder-Box-Behandlungspläne für Gebärmutterhalskrebspatientinnen (knöcherne Landmarken-basierte Öffnungen); ii) Vierfeld-Box-Behandlungspläne für Patientinnen mit Gebärmutterhalskrebs (weichteilbasierte Feldöffnungen); iii) tangentiale und supraklavikuläre Behandlungspläne für Brustwandpatienten; iv) Behandlungspläne für das gesamte Gehirn.

<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

Der Zugang zur Strahlentherapie ist weltweit begrenzt. Der Radiation Planning Assistant (RPA) ist ein vollautomatisches, webbasiertes Tool, das entwickelt wird, um Kliniken mit begrenzten Ressourcen vollautomatische Tools zur Planung von Strahlentherapiebehandlungen anzubieten. Ziel ist es, klinische Teams dabei zu unterstützen, ihre Bemühungen zu skalieren und so mehr Krebspatienten zu erreichen. Der Benutzer stellt über eine Webseite eine Verbindung zum RPA her, füllt eine Serviceanfrage (Rezept und Informationen über die Strahlentherapieziele) aus und lädt das CT-Bildset des Patienten hoch. Die RPA bietet zwei Ansätze für die automatisierte Planung. Bei der einstufigen Planung generiert das System anhand der Serviceanfrage und des CT-Scans automatisch die notwendigen Konturen und den Behandlungsplan. Bei der zweistufigen Planung überprüft und bearbeitet der Anwender die automatisch generierten Konturen, bevor die RPA mit der Erstellung eines volumenmodulierten Arc-Therapieplans fortfährt. Der endgültige Plan wird von der RPA-Website heruntergeladen und in das lokale Behandlungsplanungssystem des Benutzers importiert, wo die Dosis für den lokal in Betrieb genommenen Linac neu berechnet wird. Bei Bedarf wird der Plan vor der Zulassung für den klinischen Einsatz überarbeitet.

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.

Autor im Rampenlicht: Verbesserung des Zugangs zur Strahlentherapie mit dem Strahlenplanungsassistenten

Bestrahlungsplanungsassistent - Ein webbasiertes Tool zur Unterstützung einer qualitativ hochwertigen Strahlentherapie in Kliniken mit begrenzten Ressourcen

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.

Der Zweck des Haupt-Dashboards (Abbildung 1) besteht darin, einen schnellen Überblick über den Status der aktuellen Patienten in der RPA zu geben, eine schnelle Überprüfung der abgeschlossenen Pläne zu ermöglichen, abgeschlossene Pläne zur Überprüfung und Bearbeitung im Behandlungsplanungssystem des Benutzers herunterzuladen und erweiterte Tools für die Patientennavigation und -sortierung bereitzustellen. Damit Patienten hier erscheinen können, müssen sie mindestens eines der folgenden Dokumente haben: (1) einen akzeptierten CT-Scan oder (2) ein akzeptiertes Serviceformular. Die Statuskategorien der aktuellen Patienten können auf dem Haupt-Dashboard eingesehen werden (Tabelle 4).
Ein Beispiel für ein laterales Feld aus einem Ganzhirn-Strahlentherapieplan ist in Abbildung 6 dargestellt. Ein Beispiel für ein laterales Feld aus einem knöchernen, landmarkenbasierten 4-Felder-Box-Plan für Gebärmutterhalskrebs ist in Abbildung 7 dargestellt. In beiden Fällen muss der endgültige Plan heruntergeladen und dann in das Behandlungsplanungssystem des Benutzers importiert werden, wo die Ergebnisse überprüft, bearbeitet und neu berechnet werden müssen. Die RPA erstellt auch einen abschließenden Planbericht (PDF), der die Serviceanfrage (siehe Beispiel in Abbildung 3), den CT-Genehmigungsbericht und andere Details des Behandlungsplans enthält.
Der Zweck des Serviceanfrage-Dashboards (Tabelle 2) besteht darin, einen schnellen Statusüberblick über die Serviceanfrage für aktuelle Patienten in der RPA bereitzustellen, eine neue Serviceanfrage zu erstellen, eine abgeschlossene Serviceanfrage anzunehmen und eine Serviceanfrage zu bearbeiten. Patienten, die eine eingereichte oder akzeptierte Serviceanfrage haben, werden auf diesem Dashboard angezeigt, das für alle Benutzer der RPA zugänglich ist. Allerdings können nur Benutzer, die im RPA-System als Radioonkologen registriert sind, eine Serviceanfrage annehmen.
Der Zweck des CT-Dashboards (Tabelle 3) besteht darin, einen schnellen Statusüberblick über CT-Scans für aktuelle Patienten in der RPA zu erhalten, neue CT-Scans hochzuladen, CT-Scans zu überprüfen und zu akzeptieren und Referenzpunkte zu CT-Scans hinzuzufügen. Referenzpunkte werden hinzugefügt, um die RPA in bestimmten Situationen zu leiten, z. B. wenn der Benutzer einen nicht standardmäßigen übergeordneten Rahmen für einfache 4-Felder-Boxpläne für Gebärmutterhalskrebs verwenden möchte. Patienten, für die ein CT-Scan hochgeladen wurde, werden hier angezeigt. Jeder Benutzer kann das CT-Dashboard anzeigen, aber nur Benutzer, die als klinische Benutzer registriert sind, können die CT-Scans akzeptieren.
Sobald der Benutzer seinen endgültigen Plan bestätigt hat, kann er ihn aus seinem TPS exportieren und in die RPA hochladen. Der Zweck dieses Prozesses besteht darin, eine Möglichkeit zu bieten, zu überprüfen, ob die Daten ordnungsgemäß zwischen verschiedenen Geräten übertragen wurden.
Patienten, für die ein RPA-Plan erstellt wurde, werden im Planvergleichs-Dashboard angezeigt. Das Planvergleichs-Dashboard enthält die in Tabelle 5 aufgeführten Statuskategorien für aktuelle Patienten.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/65504/65504fig06.jpg"> Abbildung 6: Typisches laterales Feld für die Ganzhirn-Strahlentherapie. Diese Ansicht zeigt die Projektionen der Strukturkonturen sowie die Positionen der Hauptkollimatoren (gelb) und der Lamellenkollimatoren (blau). <a href="https://www.jove.com/files/ftp_upload/65504/65504fig06large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/65504/65504fig07.jpg"> Abbildung 7: Ein Beispiel für ein laterales Feld aus einem knöchernen, landmarkenbasierten 4-Felder-Box-Plan für Gebärmutterhalskrebs. Diese Ansicht zeigt die Positionen der Hauptkollimatoren (gelb) und der Lamellenkollimatoren (blau). <a href="https://www.jove.com/files/ftp_upload/65504/65504fig07large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>

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

Dieses Protokoll beschreibt eine Reihe automatisierter Tools, die für die hochwertige Autokonturierung und Autoplanung der Strahlentherapie entwickelt wurden und in einen webbasierten Service verpackt werden, um die Robustheit und Skalierbarkeit zu maximieren und gleichzeitig die Betriebskosten zu minimieren.

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

Wir haben den Radiation Planning Assistant als webbasiertes Tool entwickelt, das Ländern mit niedrigem und mittlerem Einkommen helfen soll, ihre Bemühungen zu skalieren, um Patienten eine qualitativ hochwertige Konturierung und Behandlungsplanung zu bieten. Der Zugang zur Strahlentherapie ist an den meisten Orten der Welt sehr begrenzt, und das liegt an mehreren Faktoren, darunter der Mangel an Personal und qualifizierten Radioonkologen, Therapieradiologen und Medizinphysikern. Und wir hoffen, dass die RPA einige dieser Herausforderungen angeht.Der Bestrahlungsplanungsassistent wurde entwickelt, um qualitativ hochwertige Konturen und Pläne zu minimalen Kosten bereitzustellen. Unsere Hoffnung ist es, Kliniken, die sonst keinen Zugang hätten, einen kostenlosen Zugang zu diesen Tools zu ermöglichen. Nachdem wir nun die Version 1 des Bestrahlungsplanungsassistenten fertiggestellt haben, werden wir mit der Entwicklung der nächsten Versionen beginnen.Wir werden versuchen, den Bedarf an manuellem Hoch- und Herunterladen von Daten zu reduzieren und neue Behandlungszentren und -ansätze hinzuzufügen.

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

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.

Forschung

Medizin

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.