Name: Författare i fokus: Förbättra tillgången till strålbehandling med hjälp av Radiation Planning Assistant
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

Detta arbete finansierades av National Cancer Institute och Wellcome Trust, med ytterligare stöd från Varian Medical Systems. Vårt nuvarande system använder Eclipse för dosplaneringsfunktioner. Vi vill också tacka Ann Sutton från Editing Services, Research Medical Library, UT MD Anderson Cancer Center. Utöver den institutionella finansieringen för RPA-utveckling får våra forskargrupper finansiering från Cancer Prevention and Research Institute of Texas (CPRIT) och Fund for Innovation in Cancer Informatics, University of Texas MD Anderson Cancer Center.

Alla patientdata som användes för att utvärdera RPA användes retroaktivt, med godkännande från University of Texas MD Anderson Institutional Review Board. RPA består av en serie instrumentpaneler som finns till vänster om huvudmenyn på RPA:s webbsida (figur 2). Bild 2 visar huvudinstrumentpanelen. Alla instrumentpaneler har ett liknande utseende men fokuserar på olika uppgifter och personal. Följande protokoll beskriver nyckelprocesserna för att automatiskt skapa en behandlingsplan.
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/65504/65504fig02.jpg"> Bild 2: Skärmbild av RPA:s huvudinstrumentpanel. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig02large.jpg" target="_blank">Klicka här för att se en större version av den här figuren.</a>
1. Slutför servicebegäran
<ol><li>Så här skapar och godkänner du en ny servicebegäran för automatisk planering:<ol><li>Gå till instrumentpanelen för servicebegäran genom att klicka på kanalen för servicebegäran.</li>
		<li>Klicka på Nytt formulär för att skapa ett nytt formulär för servicebegäran.</li>
		<li>I avsnitt 1: Demografi fyller du i frågorna. Välj behandlingsteknik i rullgardinsmenyn Behandling . Klicka på individen <img alt="Equation 1" src="/files/ftp_upload/65504/65504eq01.jpg" style="margin: auto;"> i rullgardinsmenyn för behandlingsteknik för att få mer information om behandlingstekniken.</li>
		<li>I avsnitt 2: Behandlingsallmänna frågor fyller du i frågorna. Dessa frågor är desamma för alla patienter; deras syfte är att aktivt engagera användaren i att avgöra om RPA-planen är lämplig för den aktuella patienten.</li>
		<li>Avsnitt 3: Behandlingsspecifika frågor, fyll i frågorna för den valda behandlingsmetoden, inklusive uppgifter om behandlingsmål och ordination.</li>
		<li>Klicka på skicka. När PDF-filen med servicebegäran har genererats automatiskt väljer du patienten i patientlistan (på instrumentpanelen för servicebegäran). Granska PDF-filen med servicebegäran (bild 3), bläddra om det behövs och klicka på Godkänn för att godkänna servicebegäran. OBS: Denna PDF måste accepteras av en strålonkolog innan RPA kommer att initiera automatiserad konturering och planering. Statusen för RPA-planen kan bestämmas på sidan Servicebegäran, som visas i tabell 2. Ett exempel på en servicebegäran som skapades för en mjukdelsbaserad 4-fältsplan för livmoderhalscancer visas i figur 3.</li>
	</ol></li>
</ol>   
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Status</td>
			<td colspan="4">Sammanfattning</td>
		</tr><tr><td>Väntar på granskning</td>
			<td colspan="4">Servicebegäran för den här patienten har redan skapats och väntar på att strålningsonkologen ska godkänna den.</td>
		</tr><tr><td>Accepterad</td>
			<td colspan="4">Servicebegäran för den här patienten har godkänts. Statusen för den här patienten i instrumentpanelen för servicebegäran ändras inte förrän en datortomografi för den här patienten har godkänts.</td>
		</tr><tr><td>Avvisad av användare</td>
			<td colspan="4">Användaren avvisade servicebegäran.</td>
		</tr><tr><td>Inlämnad</td>
			<td colspan="4">Detta fall har skickats till RPA – mer information om denna patients status finns på huvudinstrumentpanelen.</td>
		</tr><tr><td>RPA-systemfel</td>
			<td colspan="4">RPA:s bearbetning initierades, men RPA påträffade ett fel och kunde inte slutföra uppgiften.</td>
		</tr></tbody></table>Tabell 2: Patientstatuskategorier för instrumentpanelen för servicebegäran.
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/65504/65504fig03.jpg"> Figur 3: Ett exempel på en servicebegäran som skapats för en mjukdelsbaserad 4-fältsplan för livmoderhalscancer. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig03large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>
2. Ladda upp CT-skanning och godkänn för automatiserad planering
Bild 4 visar en skärmbild av arbetsytan för CT-granskning. Så här laddar du upp och granskar en datortomografi:
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/65504/65504fig04.jpg"> Bild 4: En skärmbild av arbetsytan för CT-granskning. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig04large.jpg" target="_blank">Klicka här för att se en större version av den här figuren.</a>
<ol><li>Gå till instrumentpanelen för CT-skanningar genom att klicka på kanalen CT-skanningar.</li>
	<li>Klicka på knappen Ladda upp CT . Välj den mapp där CT-skanningen (DICOM-format) lagras med hjälp av mapputforskaren som öppnas automatiskt. Följ anvisningarna för att bekräfta valet.</li>
	<li>Granska den uppladdade datortomografin genom att välja patienten i patientlistan för att öppna CT-visningsprogrammet för den här patienten (bild 4) och använd sedan följande kontroller:<ol><li>Ladda hela 3D CT-bilduppsättningen genom att klicka på Ladda CT. OBS: Andra navigeringsverktyg är inte aktiva förrän detta är klart.</li>
		<li>Bläddra mellan segment i alla vyer och använd något av följande verktyg:<ol><li>Klicka på < > knapparna under varje CT-vy för att gå till nästa sektor.</li>
			<li>Klicka på << >> knapparna under varje CT-vy för att flytta fem sektorer i den valda riktningen.</li>
			<li>Musens rullningshjul: Flytta markören över valfri CT-vy och använd sedan musens rullningshjul för att bläddra mellan segment.</li>
			<li>Klicka på knappen Överlappa för att lägga över ett hårkors på varje CT-vy (axiell, koronal och sagittal). Klicka på någon av de tre vyerna för att flytta hårkorset till denna punkt - de andra vyerna kommer att följa därefter. Klicka på knappen Överlappa för att slå på/av det här verktyget.</li>
			<li>Klicka på knappen Zooma/panorera . Granska bilden ytterligare med hjälp av mushjulet för att zooma vyn där markören är placerad eller högerklicka och håll ned en CT-vy och flytta sedan musen för att panorera.</li>
			<li>Klicka på Markerad Iso för att flytta CT-vyerna till det markerade isocentret (baserat på automatisk detektering av tre röntgentäta markörer). OBS: Den här knappen är inaktiv om 3D CT-bilduppsättningen inte har laddats (klicka på Ladda 3D för att lösa detta) eller om RPA inte kunde detektera ett markerat isocenter (som identifieras med en trepunktsinställning).</li>
		</ol></li>
	</ol></li>
	<li>Klicka på knappen Referenspunkt för att lägga till en referenspunkt.<ol><li>Flytta de tre vyerna till önskad referenspunktsplats med hjälp av skärningsverktyget .</li>
		<li>Klicka på knappen Referenspunkt för att lägga till en referenspunkt.</li>
		<li>Om en referenspunkt redan har valts, kommer de tre vyerna att flyttas till denna punkt genom att klicka på referenspunkten . OBS: Den här knappen lägger till en referenspunkt till en bild om det inte finns någon referenspunkt. Den kan också flytta CT-bildvyerna till referenspunkten om det redan finns en. En ny referenspunkt kan endast väljas för datortomografi som inte har godkänts. Nedan följer stegen för att lägga till en referenspunkt:</li>
		<li>För att välja en ny referenspunkt, rensa först den aktuella referenspunkten genom att klicka på Rensa referenspunkt och lägg sedan till en ny. RPA accepterar endast en referenspunkt.</li>
	</ol></li>
	<li>Godkänn datortomografin. Efter att ha granskat patientens CT-skanning som redan beskrivits ovan, utför följande steg:<ol><li>Svara på frågorna under CT-bilderna för att minimera risken och minska förekomsten av fel i de efterföljande RPA-beräkningarna.</li>
		<li>Välj Acceptera och följ anvisningarna. OBS: Denna uppgift kan utföras av vem som helst som identifieras som en klinisk användare av RPA. Statuskategorierna för aktuella patienter kan visas på instrumentpanelen för datortomografi och visas i tabell 3.</li>
	</ol></li>
</ol><table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Status</td>
			<td colspan="4">Sammanfattning</td>
		</tr><tr><td>Väntar på granskning</td>
			<td colspan="4">CT-skanningen har genomgått den första bearbetningen och väntar på att användaren ska granska och godkänna skanningen.</td>
		</tr><tr><td>Accepterad</td>
			<td colspan="4">Datortomografin för denna patient har godkänts. Observera att statusen för denna patient i CT Scan-instrumentpanelen inte kommer att ändras förrän en servicebegäran har godkänts.</td>
		</tr><tr><td>Avvisad av användare</td>
			<td colspan="4">CT-skanningen avvisades av användaren.</td>
		</tr><tr><td>Inlämnad</td>
			<td colspan="4">Detta fall har skickats till RPA – mer information om denna patients status finns på huvudinstrumentpanelen.</td>
		</tr><tr><td>RPA-systemfel</td>
			<td colspan="4">RPA:s bearbetning initierades, men RPA stötte på ett fel och kunde inte slutföra sina uppgifter.</td>
		</tr></tbody></table>Tabell 3: Patientstatuskategorier för instrumentpanelen för datortomografi.
3. Övervaka planeringsframstegen
Statuskategorierna för aktuella patienter kan visas på huvudinstrumentpanelen (tabell 4). Så här utför du en preliminär granskning av en slutförd RPA-plan och laddar ner den för användning:
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Status</td>
			<td colspan="4">Sammanfattning</td>
		</tr><tr><td>Ingen accepterad datortomografi</td>
			<td colspan="4">Den här patienten har ingen godkänd datortomografi (men en accepterad servicebegäran är tillgänglig).</td>
		</tr><tr><td>Ingen accepterad servicebegäran</td>
			<td colspan="4">Den här patienten har ingen accepterad servicebegäran (men en accepterad datortomografi är tillgänglig).</td>
		</tr><tr><td>Kö</td>
			<td colspan="4">Data för den här patienten har skickats till RPA-systemet och står i kö för bearbetning.</td>
		</tr><tr><td>Bearbetning</td>
			<td colspan="4">Den första bearbetningen av patientens data pågår.</td>
		</tr><tr><td>Bearbetning – konturering</td>
			<td colspan="4">RPA-konturerna genereras.</td>
		</tr><tr><td>Bearbetnings- och kontureringsrapport</td>
			<td colspan="4">RPA-konturrapporten genereras.</td>
		</tr><tr><td>Kompletta–RPA-konturer</td>
			<td colspan="4">Konturer som genereras av RPA är kompletta och redo för användaren att ladda ner och redigera (endast 2-stegsarbetsflöden).</td>
		</tr><tr><td>Väntar på konturgranskning</td>
			<td colspan="4">Planeringskonturer (d.v.s. konturer efter att användaren har gjort ändringar/tillägg) har laddats upp tillbaka till RPA:n och planprofilrapporten har genererats. Användaren måste acceptera den här rapporten (från instrumentpanelen för profiler).</td>
		</tr><tr><td>Köade – planera konturer</td>
			<td colspan="4">Planeringsprofilerna (d.v.s. konturerna efter att användaren har gjort ändringar/tillägg) står i kö för bearbetning före RPA-planeringsprocessen.</td>
		</tr><tr><td>Köad – förplan</td>
			<td colspan="4">Den här patientens plan står i kö för planeringsprocessen.</td>
		</tr><tr><td>Bearbetning – förplanering</td>
			<td colspan="4">Förplanering pågår.</td>
		</tr><tr><td>Köad – optimering</td>
			<td colspan="4">Den här patientens plan placeras i kö för planoptimeringsprocessen.</td>
		</tr><tr><td>Bearbetning – optimering</td>
			<td colspan="4">Optimering av planen pågår.</td>
		</tr><tr><td>I kö – QA</td>
			<td colspan="4">Den här patientens plan står i kö för den automatiserade kvalitetssäkringsprocessen (QA).</td>
		</tr><tr><td>Bearbetning – kvalitetssäkring</td>
			<td colspan="4">Planen QA är på gång.</td>
		</tr><tr><td>Rapport om behandlingsplan</td>
			<td colspan="4">Den slutliga planrapporten håller på att behandlas.</td>
		</tr><tr><td>Komplett – RPA-plan</td>
			<td colspan="4">RPA-planen är komplett och redo för nedladdning.</td>
		</tr><tr><td>Misslyckades – RPA misslyckades</td>
			<td colspan="4">En RPA-process har misslyckats.</td>
		</tr></tbody></table>Tabell 4: Patientstatuskategorier för huvudinstrumentpanelen.
<ol><li>Granska en slutförd RPA-plan genom att välja patienten och sedan välja Granska överst på huvudinstrumentpanelen. Granska RPA-planrapporten (PDF) för den patienten som automatiskt öppnas i en ny flik. PDF-filen med RPA-planrapporten kan också nås från nedladdningsfönstret.</li>
	<li>Ladda ner en färdig RPA-plan genom att klicka på nedladdningsikonen. Vänta tills ett fönster öppnas och DICOM-filerna, tillsammans med RPA-planrapporten (PDF), kommer att laddas ner för import till dosplaneringssystemet.</li>
</ol>4. Importera RPA-planen till användarens dosplaneringssystem och granska för klinisk användning
OBS: När RPA-planen har laddats ner (DICOM-filer) bör följande steg utföras i användarens dosplaneringssystem:
<ol><li>Importera patientens datortomografi till den lokala TPS:en. Det här är den ursprungliga genomsökningen som laddades upp till RPA.</li>
	<li>Importera RPA-planen och RPA-profilerna till den lokala TPS:en.</li>
	<li>Beräkna dosen på nytt med hjälp av den lokala algoritmen för beställd dosberäkning och det använda fasta MU-alternativet .</li>
	<li>Jämför de importerade konturerna och den beräknade dosen med de i RPA-rapporten (för att kontrollera att importen är korrekt).</li>
	<li>Granska planen för att se om den är lämplig och redigera vid behov. Det här steget kan omfatta redigering av fältformer och omnormalisering av fälten. Det är mycket viktigt att det kliniska teamet granskar den slutliga planen i sitt dosplaneringssystem och gör eventuella ändringar före klinisk användning.</li>
</ol>5. Ladda upp den slutliga planen på RPA:s webbplats och granska den automatiska jämförelsen mellan den slutliga planen och RPA-planen
Patienter för vilka en RPA-plan har genererats visas på instrumentpanelen för planjämförelse. Instrumentpanelen för planjämförelse innehåller de statuskategorier som visas i tabell 5 för aktuella patienter. Så här laddar du upp den slutliga användarplanen och granskar en automatisk jämförelse av användarplanen och RPA-planen:
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Status</td>
			<td colspan="4">Sammanfattning</td>
		</tr><tr><td>Väntar på planuppladdning</td>
			<td colspan="4">Den här statusen visas när ett ärende har genererats.</td>
		</tr><tr><td>Bearbetning</td>
			<td colspan="4">Planjämförelsen bearbetas.</td>
		</tr><tr><td>Väntande planuppladdning – försök igen</td>
			<td colspan="4">Planjämförelse är inte möjlig. Användaren bör granska de uppladdade filerna och försöka igen. Möjliga orsaker till den här statusen är att du laddar upp felaktiga filer.</td>
		</tr><tr><td>Jämförelse Ready–Pass</td>
			<td colspan="4">Planjämförelserapporten är klar för granskning. Alla planjämförelser uppfyllde kriterierna. Vissa jämförelser kan flaggas – användaren bör granska rapporten.</td>
		</tr><tr><td>Jämförelse klar – underkänd</td>
			<td colspan="4">Planjämförelserapporten är klar för granskning. Vissa jämförelser misslyckades med de angivna kriterierna – användaren bör noggrant granska rapporten och fastställa orsaken.</td>
		</tr></tbody></table>Tabell 5: Patientstatuskategorier för instrumentpanelen för planjämförelse.
<ol><li>Välj patienten och klicka sedan på Ladda upp plan.</li>
	<li>Välj DICOM-strukturfilen, planen och dosfilerna för uppladdning.</li>
	<li>Granska planjämförelserapporten genom att först välja patienten. Granska sedan rapporten Planjämförelse (bild 5) som öppnas längst ned på skärmen (ett exempel visas i bild 5).</li>
</ol><img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/65504/65504fig05.jpg"> Bild 5: Ett exempel på den automatiska planjämförelserapporten. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig05large.jpg" target="_blank">Klicka här för att se en större version av den här figuren.</a>

Förbättra strålbehandlingen med en webbaserad strålplaneringsassistent

<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 har aktieoptioner i Leo Cancer Care. HB är nu anställd på Varian Medical Systems. AJ har en konsulttjänst hos Genentech. JB har en konsultposition hos Icon Cancer Care; WS har en konsultposition hos IBA Dosimetry; JY har fått resefinansiering från SunNuclear Corp; HS har fått honoraria från Cipla.

Detta protokoll beskriver stegen för att skapa automatiserade behandlingsplaner med hjälp av RPA. De viktigaste stegen är (1) CT-uppladdning och godkännande, (2) slutförande och godkännande av servicebegäran, (3) nedladdning och import av planen till användarens TPS och omberäkning av dos- och planredigering, och (4) uppladdning av den slutliga redigerade planen för jämförelse med RPA-planen. Ordningen för CT-godkännande och godkännande av servicebegäran är utbytbara. Vissa planer, särskilt volymmodulerade bågterapiplaner för huvud-, hals- och livmoderhalscancer, skapas i en tvåstegsprocess där ytterligare användarinteraktioner och konturer och planer genereras separat. Sammantaget är dock processerna likartade, och vi förväntar oss att dessa avancerade metoder för dosplanering kan ändras till en enstegsprocess i framtiden. Den övergripande kliniska acceptans som kan förväntas av dessa verktyg, och av verktyg som är under utveckling för framtida versioner, finns i vårt publicerade arbete 10,12,14,15,16,17,18,19,20,21,22.
Dessa verktyg har flera begränsningar, som beskrivits i vårt tidigare arbete, som undersökte risker vid utplacering av strålplaneringsassistenten på strålbehandlingskliniker 9,23. Även om användargränssnittet har utformats för att minimera risken för olämplig datainmatning, till exempel CT-bilder som inte har tillräckligt synfält eller fel vid manuell datainmatning, finns det fortfarande risk för fel. Specifikt är mänskliga fel, automatiseringsbias (övertro på resultaten) och programvarufel av betydelse9. Noggrann granskning och vid behov redigering av de automatiskt genererade konturerna och planerna är avgörande för säker användning av strålplaneringsassistenten. I allmänhet bör dessa granskningar följa samma process som fysiker och strålonkologer granskar kliniska planer, även om detta kan stödjas av användning av checklistor som tagits fram särskilt för att komplettera manuell granskning av automatiskt upprättade behandlingsplaner24.
Det finns situationer där RPA inte kan generera en plan och rapporterar ett fel till användaren. I nästan alla fall beror detta på att RPA stöter på oväntade data som den inte kan tolka, t.ex. otillräckligt synfält eller patientpositionering (t.ex. om en CT-bild togs med hjälp av ett ryggläge, men med patienten i bukläge). Användaren kanske kan identifiera problemet baserat på var felet rapporteras. I de flesta fall kan dessa situationer endast åtgärdas genom manuell konturering eller planering. RPA-teamet kan också granska loggfiler för att identifiera problemet.
RPA har utformats och utvecklats specifikt för att ge högkvalitativa autokonturerings- och autoplaneringsverktyg till kliniker med begränsade resurser, särskilt de i låg- och medelinkomstländer. Vi arbetar för närvarande med de regulatoriska, legala och administrativa processer som kommer att leda till att RPA används kliniskt. När det händer förväntar vi oss att noggrant övervaka användningen och göra ändringar i arbetsflödet eller användargränssnitten som svar på eventuella oförutsedda risker eller annan användarfeedback. Målet är att tillhandahålla verktyg som stöder strålbehandlingstjänster, så att lokala kliniska team kan skala upp sina insatser och förbättra tillgången till högkvalitativa, konsekventa strålbehandlingsplaner. Vi hoppas att detta kommer att leda till förbättrade patientresultat och kortare väntetider. Även om den nuvarande portföljen är begränsad till cancer i huvud och hals, bröst och livmoderhals, samt bestrålning av hela hjärnan för hjärnmetastaser, arbetar vi med ytterligare behandlingar som kommer att införlivas i framtida versioner 17,18,19.

Det globala antalet cancerfall förväntas öka till cirka 24,6 miljoner år 2030, med den största bördan i låg- och medelinkomstländer1. Strålbehandling är en kostnadseffektiv, botande och palliativ behandling av cancer som ger fördelar för cirka 50 % av patienterna med cancer och för 60-70 % i låginkomstländer där patienter är mer benägna att insjukna i ett sent skede 2,3. Tillgången till strålbehandling i världen är dock begränsad4. Till exempel har inga länder i Afrika den strålbehandlingskapacitet som krävs för att tillgodose det beräknadebehovet. Flera studier har uppskattat dessa hotande brister och vad som skulle krävas för att möta kommande behov 6,7.
Lancet Oncology Commission lade fram övertygande argument för att investeringar i förbättrad strålbehandlingskapacitet inte bara skulle rädda liv utan också ge positiva ekonomiska fördelar. De påpekade också specifikt att automatisering av strålbehandling, konturering och behandlingsplanering kan hjälpa kliniska team att skala upp sina insatser genom att avsevärt minska den tid som onkologer och fysiker lägger på dessa uppgifter, vilket gör målen mer uppnåeliga.
Vår forskargrupp har samarbetat med kliniska team på MD Anderson och på sjukhus över hela världen för att utveckla webbaserade automatiserade verktyg. Denna uppsättning verktyg (som kallas RPA) tillhandahåller artificiell intelligens-baserad konturering (som beskriver tumörer och närliggande organ på CT-skanningar) och strålbehandlingsplanering (som definierar exakt hur strålningen levereras). Denna webbaserade plattform erbjuder fördelen med minskad tid och resurser som behövs för att förbereda högkvalitativa planer för varje patient.
Vår erfarenhet av en tidig version av ett AI-baserat verktyg på MD Anderson har visat att automatiserad konturering kan spara upp till 2 timmar per patient – en betydande effektivisering av arbetsflödet. Detta innebär att nuvarande klinisk personal kommer att kunna skala upp sina insatser och behandla fler patienter med strålbehandling av högre kvalitet. Genom att erbjuda dessa verktyg via en helt automatiserad, webbaserad tjänst (Radiation Planning Assistant [RPA], RPA.mdanderson.org) kan vi minimera kostnaderna för patienter och vårdgivare och maximera räckvidden för detta verktyg.
Vi har utvecklat RPA i 6 år, och flera betydande förändringar har gjorts sedan vi först publicerade RPA-arbetsflödena8. Det handlar bland annat om att utveckla RPA till ett webbaserat verktyg, vilket minskar kostnaderna för installation och underhåll och förbättrar systemets robusthet. Andra förbättringar inkluderar förändringar i användargränssnitten för att förbättra användbarheten och minska risken för fel9 och utökade behandlingsalternativ (särskilt strålbehandlingsplanering för bröst efter mastektomi10 och metastaser till hjärnan11). Således är det protokoll som beskrivs här betydligt mer avancerat än den ursprungliga versionen som tidigare publicerats.
RPA använder en enstegsprocess för att skapa konturer och planer i situationer där redigering av konturerna i allmänhet inte är nödvändig för att skapa behandlingsplanen. Detta inkluderar behandlingsplanering med fyra fält för livmoderhalscancer (baserat på beniga landmärken eller automatiskt genererade mjukdelskonturer)12,13,14,15, tangentiella eller supraklavikulära fält för bröstcancer efter mastektomi11 och motsatta lateraler för behandlingar av hela hjärnan 16. Inom en snar framtid räknar vi med att lägga till kraniospinala behandlingar för barncancer17, trefältsbehandlingar för rektalcancer18 och behandlingsplanering för olika palliativa fall (kotkroppar, höfter och revben)19, samt lung- och urinblåsecancer. För närvarande kräver mer avancerade behandlingar, särskilt volymmodulerad bågterapi (VMAT), en tvåstegsprocess där automatiskt genererade konturer redigeras före dosplanering13,20. Kvaliteten på djupinlärningsbaserad autokonturering är dock sådan att vi förväntar oss att ändra dessa planeringsmetoder till en enstegsprocess i framtiden. Detta protokoll fokuserar på planering i ett steg.
Figur 1 visar det övergripande arbetsflödet för att skapa en behandlingsplan för strålbehandling med hjälp av RPA, med mer information om de olika uppgifterna som visas i tabell 1. Sammanfattningsvis kräver RPA en ifylld servicebegäran (som innehåller information som dosering och behandlingsmetod) och en patients individuella datortomografi. Servicebegäran måste godkännas av en strålningsonkolog. Datortomografin måste godkännas av en klinisk användare för att säkerställa att RPA-beräkningarna utförs på rätt datortomografi. När RPA har genererat en plan ska den laddas ner från RPA:s webbplats och importeras till användarens dosplaneringssystem, där dosen ska beräknas på nytt. Detta är nödvändigt eftersom RPA beräknar planer på standardbalkar (tillgängliga för flera linac-modeller), som kanske inte exakt matchar strålegenskaperna hos den lokala linjäracceleratorn. Detta tillvägagångssätt användes för att minska kostnaderna, även om anpassning kan behövas om de lokala balkarna skiljer sig avsevärt från våra standardbalkar. Användarna (behandlingsplanerare och strålonkolog) kan göra ändringar i planen. Planen går sedan in i användarens typiska kliniska arbetsflöde, inklusive lokala kvalitetssäkringskontroller. Slutligen ska användaren ladda upp sin slutliga (omräknade och redigerade) plan till RPA:s webbplats, där en automatisk jämförelse mellan den slutliga planen och RPA-planen utförs. Detta är en användbar kontroll av dataintegriteten i det övergripande arbetsflödet.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/65504/65504fig01.jpg"> Figur 1: Arbetsflöde för den automatiserade dosplaneringsprocessen. <a href="https://www.jove.com/files/ftp_upload/65504/65504fig01large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td>Uppgift # i bild 1</td>
			<td colspan="3">Arbetsuppgifter</td>
			<td colspan="2">Plats</td>
		</tr><tr><td></td>
			<td colspan="3">Granska status för tidigare patienter</td>
			<td colspan="2">Huvudsaklig instrumentpanel</td>
		</tr><tr><td>1</td>
			<td colspan="3">Slutför en servicebegäran på RPA:s webbplats</td>
			<td colspan="2">Instrumentpanel för servicebegäran</td>
		</tr><tr><td>2</td>
			<td colspan="3">Ladda upp en datortomografi till RPA:s webbplats</td>
			<td colspan="2">Instrumentpanel för datortomografi</td>
		</tr><tr><td rowspan="2">3</td>
			<td colspan="3">Kontrollera patientens status</td>
			<td colspan="2">Huvudsaklig instrumentpanel</td>
		</tr><tr><td colspan="3">Granska och ladda ner RPA-planen</td>
			<td colspan="2">Huvudsaklig instrumentpanel</td>
		</tr><tr><td>4</td>
			<td colspan="3">Importera planen till användarens TPS, beräkna om dosen och gör ändringar vid behov</td>
			<td colspan="2">Lokal TPS</td>
		</tr><tr><td rowspan="2">5, 6</td>
			<td colspan="3">Ladda upp den slutliga planen till RPA:s webbplats</td>
			<td colspan="2">Instrumentpanel för planjämförelse</td>
		</tr><tr><td colspan="3">Granska den automatiska jämförelsen mellan den slutliga planen och RPA-planen</td>
			<td colspan="2">Instrumentpanel för planjämförelse</td>
		</tr><tr><td>-</td>
			<td colspan="3">Planen går in i användarens rutinmässiga kliniska arbetsflöde, inklusive regelbunden kvalitetssäkring</td>
			<td colspan="2">Användarens egen programvara</td>
		</tr></tbody></table>Tabell 1: Översikt över de uppgifter som ingår i att skapa en RPA-plan med hjälp av arbetsflödet i 1 steg. Lokal TPS: Användarens dosplaneringssystem.
Detta manuskript beskriver detta enstegsarbetsflöde för RPA och presenterar några exempel på resultat av dosplaneringsprocessen. För närvarande använder följande planeringsmetoder detta arbetsflöde i ett steg: i) Behandlingsplaner med fyra fält för patienter med livmoderhalscancer (beniga landmärkesbaserade öppningar); ii) Behandlingsplaner med fyra fält för patienter med livmoderhalscancer (mjukvävnadsbaserade fältöppningar). iii) tangentiella och supraklavikulära behandlingsplaner för patienter med bröstväggen; iv) Behandlingsplaner för hela hjärnan.

<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

Tillgången till strålbehandling över hela världen är begränsad. Strålplaneringsassistenten (RPA) är ett helautomatiserat, webbaserat verktyg som utvecklas för att erbjuda helautomatiska dosplaneringsverktyg för strålbehandling till kliniker med begränsade resurser. Målet är att hjälpa kliniska team att skala upp sina insatser och på så sätt nå fler patienter med cancer. Användaren ansluter till RPA via en webbsida, fyller i en servicebegäran (recept och information om strålbehandlingsmålen) och laddar upp patientens CT-bilduppsättning. RPA erbjuder två metoder för automatiserad planering. Vid planering i ett steg använder systemet servicebegäran och datortomografi för att automatiskt generera de nödvändiga konturerna och behandlingsplanen. I tvåstegsplanering granskar och redigerar användaren de automatiskt genererade konturerna innan RPA fortsätter att generera en volymmodulerad bågterapiplan. Den slutliga planen laddas ner från RPA:s webbplats och importeras till användarens lokala dosplaneringssystem, där dosen räknas om för den lokalt beställda linacen; Vid behov redigeras planen innan den godkänns för klinisk användning.

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.

Författare i fokus: Förbättra tillgången till strålbehandling med hjälp av Radiation Planning Assistant

Strålplaneringsassistent - ett webbaserat verktyg för att stödja högkvalitativ strålbehandling på kliniker med begränsade resurser

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.

Syftet med huvudinstrumentpanelen (figur 1) är att ge en snabb överblick över statusen för aktuella patienter i RPA, möjliggöra en snabb genomgång av slutförda planer, ladda ner färdiga planer för granskning och redigering i användarens dosplaneringssystem och tillhandahålla avancerade patientnavigerings- och sorteringsverktyg. För att patienter ska kunna visas här måste de ha minst ett av följande: (1) En godkänd datortomografi eller (2) ett accepterat serviceformulär. Statuskategorierna för aktuella patienter kan visas på huvudinstrumentpanelen (tabell 4).
Ett exempel på ett lateralt fält från en strålbehandlingsplan för hela hjärnan visas i figur 6. Ett exempel på ett lateralt fält från en benig landmärkesbaserad 4-fältsplan för livmoderhalscancer visas i figur 7. I båda fallen måste den slutliga planen laddas ner och sedan importeras till användarens dosplaneringssystem där resultaten måste granskas, redigeras och räknas om. RPA skapar också en slutlig planrapport (PDF) som innehåller servicebegäran (se exemplet i figur 3), CT-godkännanderapport och andra detaljer i behandlingsplanen.
Syftet med instrumentpanelen för tjänsteförfrågningar (tabell 2) är att ge en snabb statusöversikt över serviceförfrågan för aktuella patienter i RPA, skapa en ny servicebegäran, acceptera en slutförd serviceförfrågan och redigera en serviceförfrågan. Patienter som har en skickad eller accepterad servicebegäran visas på den här instrumentpanelen, som är tillgänglig för alla användare av RPA. Det är dock endast användare som är registrerade i RPA-systemet som strålonkologer som kan acceptera en serviceförfrågan.
Syftet med CT-instrumentpanelen (tabell 3) är att ge en snabb statusöversikt över CT-skanningar för aktuella patienter i RPA, ladda upp nya CT-skanningar, granska och acceptera CT-skanningar och lägga till referenspunkter till CT-skanningar. Referenspunkter läggs till för att vägleda RPA i vissa specifika situationer, till exempel när användaren vill använda en icke-standardiserad överlägsen kantlinje för enkla 4-fältsboxplaner för livmoderhalscancer. Patienter för vilka en datortomografi har laddats upp visas här. Alla användare kan se CT-instrumentpanelen, men endast användare som är registrerade som kliniska användare kan acceptera CT-skanningarna.
När användaren har bekräftat sin slutliga plan kan han eller hon exportera den från sin TPS och ladda upp den till RPA. Syftet med denna process är att tillhandahålla ett sätt att kontrollera att data kommunicerades korrekt mellan olika enheter.
Patienter för vilka en RPA-plan har genererats visas på instrumentpanelen för planjämförelse. Instrumentpanelen för planjämförelse innehåller de statuskategorier som visas i tabell 5 för aktuella patienter.
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/65504/65504fig06.jpg"> Figur 6: Typiskt lateralt fält för strålbehandling av hela hjärnan. Denna vy visar projektionerna av strukturkonturerna samt positionerna för huvudkollimatorerna (gula) och flerbladskollimatorerna (blå). <a href="https://www.jove.com/files/ftp_upload/65504/65504fig06large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/65504/65504fig07.jpg"> Figur 7: Ett exempel på lateralt fält från en benig landmärkesbaserad 4-fältsplan för livmoderhalscancer. Denna vy visar positionerna för huvudkollimatorerna (gula) och flerbladskollimatorerna (blå). <a href="https://www.jove.com/files/ftp_upload/65504/65504fig07large.jpg" target="_blank">Klicka här för att se en större version av denna figur.</a>

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

Detta protokoll beskriver en serie automatiserade verktyg som är utformade för högkvalitativ strålbehandling, autokonturering och autoplanering som paketeras i en webbaserad tjänst för att maximera robusthet och skalbarhet samtidigt som driftskostnaderna minimeras.

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

Vi har utvecklat Radiation Planning Assistant som ett webbaserat verktyg som är avsett att hjälpa låg- och medelinkomstländer att skala upp sina ansträngningar för att tillhandahålla högkvalitativ konturering och behandlingsplanering för patienter. Tillgången till strålbehandling är mycket begränsad på de flesta platser i världen, och det beror på flera faktorer, bland annat brist på personal och kvalificerade strålonkologer, röntgensjuksköterskor och sjukhusfysiker. Och vad vi hoppas för RPA är att ta itu med några av dessa utmaningar.Strålningsplaneringsassistenten har utformats för att ge högkvalitativa konturer och planer till en minimal kostnad. Vår förhoppning är att ge tillgång till dessa verktyg gratis för kliniker som annars inte skulle ha tillgång till dem. Nu när vi är klara med version 1 av Strålplaneringsassistenten kommer vi att börja utveckla nästa version.Vi kommer att försöka minska behovet av manuell uppladdning och nedladdning av data och lägga till nya behandlingsställen och tillvägagångssätt.

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.

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.