Automatisointi sädehoidon työnkulussa: tehokkuus, tehokkuus ja rajoitukset – Physics World

Säteilyonkologian työnkulun ydinprosessien automatisointi kiihtyy, mikä luo edellytykset teknologiselle innovaatiolle ja kliiniselle kehitykselle – laajamittaisesti – syövänhoito-ohjelmien suunnittelussa, toimittamisessa ja hallinnassa. Ajattele kasvainten ja elinten segmentointia, optimoitua hoidon suunnittelua sekä monia erilaisia ​​tehtäviä, jotka kattavat hoitosuunnitelman laadunvarmistuksen, koneen laadunvarmistuksen ja työnkulun hallinnan. Sääntökirjoja kirjoitetaan joka tapauksessa uudelleen automaation ja koneoppimistekniikoiden lupaaman tehokkuuden, johdonmukaisuuden ja standardoinnin ansiosta.

Se on laaja, mutta entä toiminnan yksityiskohdat – ja työvoimavaikutukset – kun automaatiotyökaluja otetaan käyttöön sädehoitoklinikalla? Tämä oli otsikkokysymys, joka huolestutti puhujia erityisessä konferenssiistunnossa – Haasteet säteilyonkologian kliinisten työnkulkujen automatisoinnille – ASTRO vuosikokous San Diegossa Kaliforniassa aiemmin tässä kuussa.

Lähennä sädehoidon työnkulkua ja kysymykset lisääntyvät. Miltä ihmisen ja koneen välinen vuorovaikutus näyttää pitkällä aikavälillä verrattuna kunkin potilaan yksilöllisiin tarpeisiin räätälöidyn mukautuvan online-sädehoidon loppupeliin? Miten kliinisen tiimin jäsenten roolit kehittyvät tukemaan ja hallitsemaan lisääntyvää automaatiotasoa? Lopuksi, kuinka loppukäyttäjät hallitsevat automaatiojärjestelmien "mustan laatikon" luonnetta, kun on kyse uuden näköisten, virtaviivaisten hoito-ohjelmien käyttöönotosta, validoinnista ja seurannasta?

Tieto on valtaa

Kun otamme käyttöön automaatio- ja koneoppimistyökaluja sädehoitoympäristössä, "meidän pitäisi pitää mielessämme oikea ongelma – rakentaa asioita, jotka ovat kliinisesti merkityksellisiä - ja myös oikeat sidosryhmät", väitti Tom Purdie, lääketieteen fyysikko. säteilylääketieteen ohjelma osoitteessa Prinsessa Margaretin syöpäkeskus Torontossa, Kanadassa. Samanaikaisesti hän huomautti, että on elintärkeää käsitellä työvoiman huolia havaitusta "toimialueen tietämyksen menettämisestä", joka liittyy automaation käyttöönotossa klinikalla, vaikka loppukäyttäjä valvoo ja hallitsee automatisoituja työkaluja samalla kun hän suorittaa osia työnkulku, jota ei vielä ole automatisoitu.

Lääketieteellisten fyysikoiden ja laajemman poikkitieteellisen hoitotiimin on siis suunniteltava uudelleen roolinsa optimoidakseen panoksensa tässä "offline-tilassa". "Joten sen sijaan, että katsoisimme jokaista potilasta ja pystyisimme käsittelemään heitä", Purdie lisäsi, "panoksemme on siinä, kuinka [koneoppimis-]malleja rakennetaan - varmistaaksemme tietojen hallinnan, oikeat tiedot menevät sisään. ja että siellä on tietojen kuratointi. Tämä on tapa säilyttää tietomme alalla ja silti varmistaa laatu ja turvallisuus [potilaille]."

Samaan aikaan tekniset ja inhimillisiin tekijöihin liittyvät haasteet automatisoidun hoidon suunnittelun käyttöönotossa tarjosivat tarinan David Wiantille, vanhemmalle lääketieteelliselle fyysikolle. Cone Health, voittoa tavoittelematon terveydenhuoltoverkosto Greensborossa, NC. Motiivit automatisoidulle suunnittelulle (AP) ovat riittävän selvät – syöpädiagnoosien hellittämätön nousupolku kaikissa tulevien vuosien ennusteissa. "On tärkeää, että kohtelemme näitä ihmisiä niin nopeasti kuin pystymme", Wiant sanoi edustajille.

AP:n kliinisen menestyksen avain on sen käyttöönoton esteiden tunnistaminen ja järjestelmällinen käsittely. Työnkulun integrointi on esimerkki. "Klinikalla on oltava selkeä suunnitelma AP:n toteuttamiseksi - kuka sitä johtaa, milloin sitä käytetään, missä tapauksissa", Wiant huomautti. "Jos ei, voit törmätä ongelmiin nopeasti."

Sitten on luotettavuus ja se, että AP voi tuottaa odottamattomia tuloksia. "On tapauksia, joissa lisäät mielestäsi hyvän ja puhtaan vakiopotilastietojen sarjan ja saat tuloksen, jota et odottanut", hän jatkoi. Tämä johtuu melkein aina siitä, että potilastiedoissa on joitain epätavallisia piirteitä – esimerkiksi istutettuja laitteita (tai vieraita esineitä) tai ehkä potilasta, jolle on tehty aiempi sädehoito.

Wiantin esittämä vastaus on varmistaa, että säteilyonkologiaryhmällä on läheinen tietämys AP:stä, jotta he voivat ymmärtää luotettavuusongelmia – ja käyttää tätä tietoa tunnistamaan tapaukset, jotka vaativat manuaalista suunnittelua. Samanaikaisesti hän päätteli: "On tärkeää tunnistaa satunnaisten virheiden lähteet, jotka voivat olla ainutlaatuisia AP:lle, ja lisätä tarkistuksia lieventämään [samalla, kun AP:ta laajennetaan käsittelemään epätyypillisiä tapauksia."

Suojaa itsetyytyväisyydeltä

Myöhemmin työnkulussa on monia huomioitavia asioita automatisoidun hoidon suunnittelun laadunvarmistuksen käyttöönotossa, selitti Elizabeth Covington, apulaisprofessori ja säteilyonkologian osaston laatu- ja turvallisuusjohtaja Michiganin lääketiede, Michiganin yliopisto (Ann Arbor, MI).

Covingtonin kutsuman "epätäydellisen automaation" välttämiseksi hoidon suunnittelun laadunvarmistuksessa on tärkeää ymmärtää riskitekijät etukäteen, ennen käyttöönottoa. Tärkeimmät näistä ovat automaatiotyytyväisyys (epäonnistuminen riittävän valppaana automaatiojärjestelmien valvonnassa) ja automaatioharha (loppukäyttäjien taipumus suosia automatisoituja päätöksentekojärjestelmiä ristiriitaisen tiedon sijaan, vaikka jälkimmäinen olisi oikea).

"On tärkeää, että kun aloitat näiden [automaattisen suunnitelman laadunvarmistusjärjestelmän] käytön, ymmärtää rajoitukset", sanoi Covington. "[Esimerkiksi] et halua julkaista liian aikaisin automaattitarkistuksia, jotka antavat vääriä positiivisia tuloksia, koska käyttäjät eivät herkisty järjestelmän lipuille."

Myös yksityiskohtaiset ohjelmistodokumentaatiot ovat pakollisia, Covington väittää. "Dokumentaatio on ystäväsi", hän sanoi edustajille, "jotta koko tiimi - fyysikot, dosimetrit, terapeutit - tietää, mitä nämä automaattiset tarkastukset tekevät ja ymmärtää täysin, mitä automaatio heille kertoo."

Viimeinen "pakollinen" on automaatioohjelmiston tuleva riskianalyysi – olipa kyseessä sitten räätälöity sisäinen koodi tai kolmannen osapuolen tuote kaupalliselta toimittajalta. "Ennen kuin julkaiset ohjelmiston", Covington totesi, "sinun on todella ymmärrettävä, mitkä riskit ja vaarat liittyvät tämän ohjelmiston integroimiseen kliiniseen työnkulkuusi."

Protoniterapia nousevalla liikeradalla samalla kun FLASH-hoitojärjestelmät valmistuvat loistamaan

Tätä silmällä pitäen Covington selitti, kuinka hän ja hänen kollegansa Michigan Medicinessa määrittävät automaatiotyökalujen riskit niin sanotun "ohjelmiston riskiluvun" (SRN) avulla. SRN on pohjimmiltaan kolmen erillisen syötteen matriisi: populaatio (suora mitta potilasjoukosta, johon työkalu vaikuttaa); tarkoitus (miten ohjelmistoa käytetään kliinisessä päätöksenteossa ja sen kyky vaikuttaa akuutisti potilaan tuloksiin); ja monimutkaisuus (mitta siitä, kuinka vaikeaa riippumattoman arvioijan on löytää ohjelmistossa oleva virhe).

Covington päätteli varoituksena: "Toistaiseksi automaatio voi ratkaista joitain ongelmia, mutta ei kaikkia ongelmia. Se voi myös aiheuttaa uusia ongelmia – ongelmia, joita et osaa ennakoida.”

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://physicsworld.com/a/automation-in-the-radiotherapy-workflow-efficiency-effectiveness-and-limitations/