Automatización en el flujo de trabajo de radioterapia: eficiencia, eficacia y limitaciones – Mundo Física

La automatización de los procesos centrales en el flujo de trabajo de la oncología radioterápica se está acelerando, creando las condiciones para la innovación tecnológica y las ventajas clínicas (a escala) en la planificación, ejecución y gestión de los programas de tratamiento del cáncer. Piense en la segmentación de tumores y órganos, la planificación optimizada del tratamiento, así como una gama de tareas diversas que abarcan el control de calidad del plan de tratamiento, el control de calidad de la máquina y la gestión del flujo de trabajo. En todos los casos, los libros de reglas se están reescribiendo gracias a la mayor eficiencia, coherencia y estandarización que prometen la automatización y las tecnologías de aprendizaje automático.

Se trata de un panorama amplio, pero ¿qué pasa con los detalles operativos (y los impactos en la fuerza laboral) al implementar herramientas de automatización en la clínica de radioterapia? Esta fue la pregunta principal que preocupó a los oradores en una sesión específica de la conferencia – Desafíos para la automatización de los flujos de trabajo clínicos de oncología radioterápica – en el Reunión anual de ASTRO en San Diego, CA, a principios de este mes.

Si nos acercamos a ese flujo de trabajo de radioterapia, las preguntas proliferan. A largo plazo, ¿cómo serán las interacciones entre humanos y máquinas en comparación con el objetivo final de la radioterapia adaptativa en línea adaptada a los requisitos únicos de cada paciente? ¿Cómo evolucionarán los roles de los miembros del equipo clínico para respaldar y gestionar niveles crecientes de automatización? Por último, ¿cómo gestionan los usuarios finales la naturaleza de “caja negra” de los sistemas de automatización cuando se trata de la puesta en marcha, validación y seguimiento de programas de tratamiento optimizados y renovados?

El conocimiento es poder

Al implementar herramientas de automatización y aprendizaje automático en un entorno de radioterapia, "debemos tener en mente el problema correcto (construir cosas que sean clínicamente relevantes) y también tener en mente a las partes interesadas adecuadas", argumentó Tom Purdie, físico médico del personal de la programa de medicina radiológica en Centro de cáncer Princess Margaret en Toronto, Canadá. Al mismo tiempo, señaló, es vital abordar las preocupaciones de la fuerza laboral sobre la percepción de "pérdida de conocimiento del dominio" que viene con la implementación de la automatización en la clínica, incluso cuando el usuario final supervisa y administra herramientas automatizadas mientras completa partes del trabajo. el flujo de trabajo que aún no se ha automatizado.

Como tal, los físicos médicos y el equipo de atención interdisciplinario más amplio deberán reimaginar sus funciones para optimizar su contribución en este modo "fuera de línea". "Entonces, en lugar de observar a cada paciente y poder tratar con ellos", agregó Purdie, "nuestra contribución se centrará en cómo se construyen los modelos [de aprendizaje automático], para garantizar que haya gobernanza de datos, que se ingresen los datos correctos, y que hay curación de datos. Esta es la manera de mantener nuestro conocimiento del campo y aun así garantizar la calidad y la seguridad [para los pacientes]”.

Mientras tanto, los desafíos técnicos y relacionados con los factores humanos en torno a la adopción de la planificación automatizada del tratamiento proporcionaron la narrativa para David Wiant, físico médico senior de Salud del cono, una red de atención médica sin fines de lucro con sede en Greensboro, Carolina del Norte. Las motivaciones para la planificación automatizada (AP) son bastante claras: la incesante trayectoria ascendente de los diagnósticos de cáncer en todas las previsiones para los próximos años. "Es importante que tratemos a estas personas lo más rápido posible", dijo Wiant a los delegados.

La clave del éxito clínico de la AP radica en reconocer (y abordar sistemáticamente) los obstáculos para su implementación. La integración del flujo de trabajo es un ejemplo de ello. "Una clínica necesita tener un plan claro sobre cómo implementar AP: quién lo administra, cuándo se utiliza y en qué casos", señaló Wiant. "Si no, puedes tener problemas rápidamente".

Luego está la confiabilidad y el hecho de que AP puede producir resultados inesperados. "Habrá casos en los que introducirás lo que crees que es un conjunto bueno y limpio de datos estándar del paciente y obtendrás un resultado que no esperas", continuó. Esto casi siempre se debe a que los datos del paciente tienen algunas características inusuales, por ejemplo, dispositivos implantados (u objetos extraños) o quizás un paciente que se ha sometido a un tratamiento de radiación previo.

La respuesta, planteó Wiant, es garantizar que el equipo de oncología radioterápica tenga un conocimiento profundo del AP para comprender cualquier problema de confiabilidad y utilizar este conocimiento para identificar los casos que necesitan planificación manual. Al mismo tiempo, concluyó, "es importante identificar fuentes de errores aleatorios que pueden ser exclusivos de AP y agregar comprobaciones para mitigarlos [mientras] se continúa extendiendo AP para manejar casos no estándar".

Protegerse contra la complacencia

Más adelante en el flujo de trabajo, hay muchas cuestiones a considerar con la implementación del control de calidad de la planificación del tratamiento automatizado, explicó Elizabeth Covington, profesora asociada y directora de calidad y seguridad en el departamento de oncología radioterápica de Medicina de Michigan, Universidad de Michigan (Ann Arbor, MI).

Para evitar lo que Covington llama “automatización imperfecta” en el control de calidad de la planificación del tratamiento, es vital comprender los factores de riesgo por adelantado, antes de la implementación. Los principales son la complacencia de la automatización (la falta de vigilancia suficiente en la supervisión de los sistemas de automatización) y el sesgo de la automatización (la tendencia de los usuarios finales a favorecer los sistemas automatizados de toma de decisiones sobre la información contradictoria, incluso si esta última es correcta).

"Es importante comprender las limitaciones cuando se empieza a utilizar estos sistemas [de control de calidad del plan automatizado]", dijo Covington. "[Por ejemplo], no conviene publicar comprobaciones automáticas demasiado pronto que darán falsos positivos porque los usuarios se volverán insensibles a las banderas del sistema".

La documentación granular del software también es obligatoria, sostiene Covington. “La documentación es tu amiga”, dijo a los delegados, “para que todo el equipo (físicos, dosimetristas, terapeutas) sepa lo que hacen estas comprobaciones automáticas y comprenda plenamente lo que les dice la automatización”.

El último "imprescindible" es el análisis de riesgos prospectivo del software de automatización, ya sea un código interno personalizado o un producto de terceros de un proveedor comercial. "Antes de lanzar el software", señaló Covington, "realmente es necesario comprender cuáles son los riesgos y peligros de integrar este software en su flujo de trabajo clínico".

La terapia de protones en una trayectoria ascendente mientras los esquemas de tratamiento FLASH se preparan para brillar

Teniendo esto en cuenta, Covington explicó cómo ella y sus colegas de Michigan Medicine cuantifican los riesgos de las herramientas de automatización en términos del llamado “número de riesgo de software” (SRN). La SRN es esencialmente una matriz de tres entradas discretas: población (una medida directa de la población de pacientes a la que afectará la herramienta); intención (cómo se utilizará el software en la toma de decisiones clínicas y su capacidad para impactar de manera aguda los resultados de los pacientes); y complejidad (una medida de cuán difícil es para un revisor independiente encontrar un error en el software).

Covington concluyó con una nota de advertencia: “Por ahora, la automatización puede resolver algunos problemas, pero no todos. También puede causar nuevos problemas, problemas que no anticipas”.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://physicsworld.com/a/automation-in-the-radiotherapy-workflow-efficiency-effectiveness-and-limitations/