Αυτοματοποίηση στη ροή εργασιών ακτινοθεραπείας: αποτελεσματικότητα, αποτελεσματικότητα και περιορισμοί – Physics World

Η αυτοματοποίηση των βασικών διεργασιών στη ροή εργασιών της ακτινοογκολογίας επιταχύνεται, δημιουργώντας τις προϋποθέσεις για τεχνολογική καινοτομία και κλινικά ανοδικά –σε κλίμακα– σε όλο το σχεδιασμό, την παράδοση και τη διαχείριση των προγραμμάτων θεραπείας του καρκίνου. Σκεφτείτε την κατάτμηση όγκων και οργάνων, τον βελτιστοποιημένο σχεδιασμό θεραπείας, καθώς και μια σειρά διαφορετικών εργασιών που καλύπτουν το σχέδιο θεραπείας QA, την QA μηχανήματος και τη διαχείριση ροής εργασιών. Τα εγχειρίδια κανόνων, σε κάθε περίπτωση, ξαναγράφονται χάρη στην ενισχυμένη αποτελεσματικότητα, συνέπεια και τυποποίηση που υπόσχονται οι τεχνολογίες αυτοματισμού και μηχανικής μάθησης.

Αυτός είναι ένας ευρύς καμβάς, αλλά τι γίνεται με τις λειτουργικές λεπτομέρειες – και τις επιπτώσεις στο εργατικό δυναμικό – κατά την ανάπτυξη εργαλείων αυτοματισμού στην κλινική ακτινοθεραπείας; Αυτή ήταν η βασική ερώτηση που απασχόλησε τους ομιλητές σε μια ειδική συνεδρία του συνεδρίου – Προκλήσεις για την αυτοματοποίηση των κλινικών ροών εργασιών ακτινοβολίας ογκολογίας – στο Ετήσια Συνάντηση ASTRO στο Σαν Ντιέγκο, Καλιφόρνια, νωρίτερα αυτόν τον μήνα.

Μεγεθύνετε αυτή τη ροή εργασιών ακτινοθεραπείας και οι ερωτήσεις πολλαπλασιάζονται. Μακροπρόθεσμα, πώς μοιάζουν οι αλληλεπιδράσεις ανθρώπου-μηχανής σε σχέση με το τελικό παιχνίδι της διαδικτυακής προσαρμοστικής ακτινοθεραπείας προσαρμοσμένης στις μοναδικές απαιτήσεις κάθε ασθενούς; Πώς θα εξελιχθούν οι ρόλοι των μελών της κλινικής ομάδας για την υποστήριξη και τη διαχείριση αυξανόμενων επιπέδων αυτοματισμού; Τέλος, πώς διαχειρίζονται οι τελικοί χρήστες τη φύση του «μαύρου κουτιού» των συστημάτων αυτοματισμού όταν πρόκειται για τη θέση σε λειτουργία, την επικύρωση και την παρακολούθηση νέων, βελτιστοποιημένων προγραμμάτων θεραπείας;

Η γνώση είναι δύναμη

Κατά την ανάπτυξη εργαλείων αυτοματισμού και μηχανικής μάθησης σε ένα περιβάλλον ακτινοθεραπείας, «θα πρέπει να έχουμε κατά νου το σωστό πρόβλημα – να χτίζουμε πράγματα που είναι κλινικά σημαντικά – και να έχουμε επίσης κατά νου τους σωστούς ενδιαφερόμενους», υποστήριξε ο Tom Purdie, ιατρός του προσωπικού στο πρόγραμμα ακτινοθεραπείας στο Κέντρο Καρκίνου της Πριγκίπισσας Μαργαρίτας στο Τορόντο του Καναδά. Ταυτόχρονα, σημείωσε, είναι ζωτικής σημασίας να αντιμετωπιστούν οι ανησυχίες του εργατικού δυναμικού σχετικά με την αντιληπτή «απώλεια γνώσης τομέα» που προκύπτει με την εφαρμογή της αυτοματοποίησης στην κλινική, ακόμη και όταν ο τελικός χρήστης επιβλέπει και διαχειρίζεται αυτοματοποιημένα εργαλεία ενώ εξακολουθεί να ολοκληρώνει τμήματα του τη ροή εργασιών που δεν έχουν ακόμη αυτοματοποιηθεί.

Ως εκ τούτου, οι ιατροί φυσικοί και η ευρύτερη ομάδα διεπιστημονικής φροντίδας θα πρέπει να ξανασκεφτούν τους ρόλους τους για να βελτιστοποιήσουν τη συνεισφορά τους σε αυτήν τη λειτουργία "εκτός σύνδεσης". «Επομένως, αντί να εξετάζουμε κάθε ασθενή και να μπορούμε να τον αντιμετωπίσουμε», πρόσθεσε ο Purdie, «η συνεισφορά μας θα είναι στο πώς κατασκευάζονται τα μοντέλα [μηχανικής μάθησης] – για να διασφαλίσουμε ότι υπάρχει διακυβέρνηση δεδομένων, τα σωστά δεδομένα εισέρχονται. και ότι υπάρχει επιμέλεια δεδομένων. Αυτός είναι ο τρόπος για να διατηρήσουμε τις γνώσεις μας στον τομέα μας και να εξακολουθήσουμε να διασφαλίζουμε την ποιότητα και την ασφάλεια [για τους ασθενείς]».

Εν τω μεταξύ, οι τεχνικές και οι προκλήσεις που σχετίζονται με τον ανθρώπινο παράγοντα γύρω από την υιοθέτηση του αυτοματοποιημένου σχεδιασμού θεραπείας παρείχαν την αφήγηση για τον David Wiant, ανώτερο ιατρικό φυσικό στο Κώνος Υγεία, ένα μη κερδοσκοπικό δίκτυο υγειονομικής περίθαλψης με έδρα το Greensboro, NC. Τα κίνητρα για αυτοματοποιημένο προγραμματισμό (AP) είναι αρκετά ξεκάθαρα – η αδυσώπητη ανοδική τροχιά των διαγνώσεων καρκίνου σε όλες τις προβλέψεις για τα επόμενα χρόνια. «Είναι σημαντικό να αντιμετωπίζουμε αυτούς τους ανθρώπους όσο πιο γρήγορα μπορούμε», είπε ο Wiant στους αντιπροσώπους.

Το κλειδί για την κλινική επιτυχία με το AP έγκειται στην αναγνώριση – και τη συστηματική αντιμετώπιση – των εμποδίων στην ανάπτυξή του. Η ενοποίηση της ροής εργασιών είναι ένα χαρακτηριστικό παράδειγμα. «Μια κλινική πρέπει να έχει ένα σαφές σχέδιο για το πώς να εφαρμόσει το AP – ποιος το τρέχει, πότε χρησιμοποιείται, σε ποιες περιπτώσεις», σημείωσε ο Wiant. «Αν όχι, μπορεί να αντιμετωπίσετε προβλήματα γρήγορα».

Έπειτα, υπάρχει η αξιοπιστία και το γεγονός ότι το AP μπορεί να παράγει απροσδόκητα αποτελέσματα. «Θα υπάρξουν περιπτώσεις όπου θα βάλετε αυτό που πιστεύετε ότι είναι ένα καλό, καθαρό σύνολο τυπικών δεδομένων ασθενών και θα έχετε ένα αποτέλεσμα που δεν περιμένατε», συνέχισε. Αυτό συμβαίνει σχεδόν πάντα επειδή τα δεδομένα του ασθενούς έχουν κάποια ασυνήθιστα χαρακτηριστικά – για παράδειγμα, εμφυτευμένες συσκευές (ή ξένα αντικείμενα) ή ίσως ένας ασθενής που έχει υποβληθεί σε προηγούμενη πορεία ακτινοθεραπείας.

Η απάντηση, όπως υποστήριξε ο Wiant, είναι να διασφαλίσουμε ότι η ομάδα ογκολογίας ακτινοβολίας έχει άψογη γνώση του AP για να κατανοήσει τυχόν ζητήματα αξιοπιστίας – και να χρησιμοποιήσει αυτή τη γνώση για να εντοπίσει περιπτώσεις που χρειάζονται χειροκίνητο σχεδιασμό. Ταυτόχρονα, κατέληξε, «είναι σημαντικό να εντοπίσουμε πηγές τυχαίου λάθους που μπορεί να είναι μοναδικές για το AP και να προσθέσουμε ελέγχους για να μετριαστούν [ενώ] συνεχίζουμε να επεκτείνουμε το AP για χειρισμό μη τυπικών υποθέσεων».

Προφύλαξη από τον εφησυχασμό

Περαιτέρω κατάντη στη ροή εργασίας, υπάρχουν πολλά ζητήματα που πρέπει να ληφθούν υπόψη με την ανάπτυξη του αυτοματοποιημένου σχεδιασμού θεραπείας QA, εξήγησε η Elizabeth Covington, αναπληρώτρια καθηγήτρια και διευθύντρια ποιότητας και ασφάλειας στο τμήμα ακτινοογκολογίας στο Ιατρική του Μίσιγκαν, Πανεπιστήμιο του Μίσιγκαν (Ann Arbor, MI).

Για να αποφευχθεί αυτό που ο Covington αποκαλεί «ατελή αυτοματοποίηση» στον σχεδιασμό της θεραπείας QA, είναι ζωτικής σημασίας να κατανοήσουμε τους παράγοντες κινδύνου εκ των προτέρων, πριν από την εφαρμογή. Οι κυριότεροι μεταξύ αυτών είναι ο εφησυχασμός αυτοματισμού (η αποτυχία επαρκούς επαγρύπνησης στην εποπτεία των συστημάτων αυτοματισμού) και η μεροληψία αυτοματισμού (η τάση των τελικών χρηστών να προτιμούν τα αυτοματοποιημένα συστήματα λήψης αποφάσεων έναντι των αντιφατικών πληροφοριών, ακόμη και αν η τελευταία είναι σωστή).

«Είναι σημαντικό όταν αρχίζετε να χρησιμοποιείτε αυτά τα συστήματα [αυτοματοποιημένου σχεδίου QA] για να κατανοήσετε τους περιορισμούς», είπε ο Covington. «[Για παράδειγμα], δεν θέλετε να κυκλοφορήσετε πολύ σύντομα αυτόματους ελέγχους που θα δίνουν ψευδώς θετικά, επειδή οι χρήστες θα απευαισθητοποιηθούν στις σημαίες του συστήματος».

Η λεπτομερής τεκμηρίωση λογισμικού είναι επίσης υποχρεωτική, υποστηρίζει ο Covington. «Η τεκμηρίωση είναι φίλος σας», είπε στους αντιπροσώπους, «έτσι ώστε ολόκληρη η ομάδα –φυσικοί, δοσιμετριστές, θεραπευτές– να γνωρίζει τι κάνουν αυτοί οι αυτόματες έλεγχοι και να κατανοεί πλήρως τι τους λέει ο αυτοματισμός».

Το τελικό «must-have» είναι η ανάλυση προοπτικών κινδύνου του λογισμικού αυτοματισμού – είτε πρόκειται για προσαρμοσμένο εσωτερικό κώδικα είτε για προϊόν τρίτου κατασκευαστή από εμπορικό προμηθευτή. «Πριν απελευθερώσετε το λογισμικό», σημείωσε ο Covington, «πρέπει πραγματικά να κατανοήσετε ποιοι είναι οι κίνδυνοι και οι κίνδυνοι από την ενσωμάτωση αυτού του λογισμικού στην κλινική ροή εργασίας σας».

Θεραπεία πρωτονίων σε ανοδική τροχιά ενώ τα σχήματα θεραπείας FLASH ετοιμάζονται να λάμψουν

Έχοντας αυτό κατά νου, η Covington εξήγησε πώς αυτή και οι συνάδελφοί της στο Michigan Medicine ποσοτικοποιούν τους κινδύνους των εργαλείων αυτοματισμού ως προς τον λεγόμενο «αριθμό κινδύνου λογισμικού» (SRN). Το SRN είναι ουσιαστικά ένας πίνακας τριών διακριτών εισροών: πληθυσμός (άμεσο μέτρο του πληθυσμού ασθενών που θα επηρεάσει το εργαλείο). πρόθεση (πώς θα χρησιμοποιηθεί το λογισμικό στη λήψη κλινικών αποφάσεων και η ικανότητά του να επηρεάζει έντονα τα αποτελέσματα των ασθενών)· και πολυπλοκότητα (ένα μέτρο του πόσο δύσκολο είναι για έναν ανεξάρτητο κριτή να βρει ένα σφάλμα στο λογισμικό).

Ο Covington κατέληξε σε μια προειδοποιητική σημείωση: «Προς το παρόν, η αυτοματοποίηση μπορεί να λύσει ορισμένα προβλήματα, αλλά όχι όλα τα προβλήματα. Μπορεί επίσης να προκαλέσει νέα προβλήματα – ζητήματα που δεν αναμένετε».

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://physicsworld.com/a/automation-in-the-radiotherapy-workflow-efficiency-effectiveness-and-limitations/