Автоматизация в рабочем процессе лучевой терапии: эффективность, результативность и ограничения

Автоматизация основных процессов в рабочем процессе радиационной онкологии ускоряется, создавая условия для технологических инноваций и клинических преимуществ – в масштабе – при планировании, реализации и управлении программами лечения рака. Подумайте о сегментации опухолей и органов, оптимизированном планировании лечения, а также о ряде разнообразных задач, включая контроль качества плана лечения, контроль качества оборудования и управление рабочими процессами. В каждом случае своды правил переписываются благодаря повышению эффективности, последовательности и стандартизации, которые обещают технологии автоматизации и машинного обучения.

Это широкий диапазон, но как насчет операционных деталей – и влияния на персонал – при развертывании инструментов автоматизации в клинике лучевой терапии? Это был главный вопрос, который волновал докладчиков на специальной сессии конференции «Проблемы автоматизации клинических рабочих процессов в радиационной онкологии» в Ежегодное собрание ASTRO в Сан-Диего, Калифорния, в начале этого месяца.

Присмотритесь к этому рабочему процессу лучевой терапии, и вопросов станет больше. Как в долгосрочной перспективе выглядит взаимодействие человека и машины по сравнению с онлайн-адаптивной лучевой терапией, адаптированной к уникальным потребностям каждого пациента? Как будут меняться роли членов клинической команды для поддержки и управления растущими уровнями автоматизации? Наконец, как конечные пользователи справляются с «черным ящиком» систем автоматизации, когда дело доходит до ввода в эксплуатацию, проверки и мониторинга новых, оптимизированных программ очистки?

Знание - сила

При внедрении инструментов автоматизации и машинного обучения в условиях лучевой терапии «мы должны иметь в виду правильную проблему – создание вещей, которые клинически значимы – а также иметь в виду нужные заинтересованные стороны», – утверждал Том Перди, штатный медицинский физик в программа радиационной медицины в Онкологический центр принцессы Маргарет в Торонто, Канада. В то же время, отметил он, крайне важно устранить обеспокоенность сотрудников по поводу предполагаемой «потеря знаний предметной области», которая возникает в результате внедрения автоматизации в клинике, даже когда конечный пользователь наблюдает и управляет автоматизированными инструментами, одновременно выполняя часть задач. рабочий процесс, который еще предстоит автоматизировать.

Таким образом, медицинским физикам и более широкой междисциплинарной команде по оказанию медицинской помощи придется переосмыслить свои роли, чтобы оптимизировать свой вклад в этом «автономном» режиме. «Поэтому вместо того, чтобы смотреть на каждого пациента и иметь возможность с ним справиться», — добавил Перди, — «наш вклад будет заключаться в том, как строятся модели [машинного обучения] — чтобы обеспечить управление данными, поступление правильных данных, и что есть курирование данных. Это способ сохранить наши знания в предметной области и при этом обеспечить качество и безопасность [для пациентов]».

Между тем, технические проблемы и проблемы, связанные с человеческим фактором, связанные с внедрением автоматизированного планирования лечения, предоставили информацию Дэвиду Вианту, старшему медицинскому физику в Конус Здоровье, некоммерческой сети здравоохранения, базирующейся в Гринсборо, Северная Каролина. Мотивы автоматизированного планирования (АП) достаточно ясны – неуклонный рост числа диагнозов рака во всех прогнозах на ближайшие годы. «Важно, чтобы мы оказали помощь этим людям как можно быстрее», — сказал Виант делегатам.

Ключ к клиническому успеху АП заключается в признании и систематическом устранении препятствий на пути его применения. Интеграция рабочих процессов является ярким примером. «У клиники должен быть четкий план внедрения АП – кто его проводит, когда он используется, в каких случаях», – отметил Виант. «В противном случае вы можете быстро столкнуться с проблемами».

Еще есть надежность и тот факт, что AP может давать неожиданные результаты. «Бывают случаи, когда вы вводите то, что, по вашему мнению, является хорошим и чистым набором стандартных данных о пациентах, и вы получаете результат, которого не ожидаете», — продолжил он. Почти всегда это происходит потому, что данные о пациенте имеют некоторые необычные особенности — например, имплантированные устройства (или посторонние предметы) или, возможно, пациент, прошедший предыдущий курс лучевой терапии.

Ответ, по мнению Вайанта, заключается в том, чтобы команда радиационной онкологии имела глубокие знания о AP, чтобы понять любые проблемы с надежностью, и использовать эти знания для выявления случаев, требующих ручного планирования. В то же время, заключил он, «важно выявить источники случайных ошибок, которые могут быть уникальными для AP, и добавить проверки для их смягчения, [в то же время] продолжая расширять AP для обработки нестандартных случаев».

Защита от самоуспокоенности

«В дальнейшем в рабочем процессе необходимо рассмотреть множество вопросов при развертывании автоматизированного контроля качества планирования лечения», — объяснила Элизабет Ковингтон, доцент и директор по качеству и безопасности в отделении радиационной онкологии в Мичиганская медицина, Мичиганский университет (Анн-Арбор, Мичиган).

Чтобы избежать того, что Ковингтон называет «несовершенной автоматизацией» при обеспечении качества планирования лечения, очень важно заранее, до внедрения, понять факторы риска. Главными из них являются самоуспокоенность в области автоматизации (неспособность проявлять достаточную бдительность при надзоре за системами автоматизации) и предвзятость к автоматизации (тенденция конечных пользователей отдавать предпочтение автоматизированным системам принятия решений противоречивой информации, даже если последняя верна).

«Когда вы начинаете использовать эти [автоматизированные системы контроля качества планирования], важно понимать ограничения», — сказал Ковингтон. «[Например], вы не хотите слишком рано запускать автоматические проверки, которые могут дать ложноположительные результаты, потому что пользователи потеряют чувствительность к системным флагам».

Подробная документация по программному обеспечению также является обязательной, утверждает Ковингтон. «Документация — ваш друг», — сказала она делегатам, — «чтобы вся команда — физики, дозиметристы, терапевты — знала, что делают эти автоматические проверки, и полностью понимала, что им говорит автоматизация».

Последним обязательным условием является предполагаемый анализ рисков программного обеспечения для автоматизации – будь то собственный код, созданный по индивидуальному заказу, или сторонний продукт от коммерческого поставщика. «Прежде чем выпустить программное обеспечение, — отметил Ковингтон, — вам действительно необходимо понять, какие риски и опасности таит в себе интеграция этого программного обеспечения в ваш клинический рабочий процесс».

Протонная терапия набирает обороты, а схемы лечения FLASH готовы проявить себя

Имея это в виду, Ковингтон объяснила, как она и ее коллеги из Michigan Medicine количественно оценивают риски инструментов автоматизации с точки зрения так называемого «числа риска программного обеспечения» (SRN). SRN, по сути, представляет собой матрицу из трех дискретных входных данных: популяция (прямой показатель популяции пациентов, на которую окажет влияние инструмент); намерение (как программное обеспечение будет использоваться при принятии клинических решений и его способность существенно влиять на результаты лечения пациентов); и сложность (показатель того, насколько сложно независимому рецензенту найти ошибку в программном обеспечении).

В заключение Ковингтон сделал предостерегающее замечание: «На данный момент автоматизация может решить некоторые проблемы, но не все. Это также может вызвать новые проблемы – проблемы, которых вы не ожидаете».

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://physicsworld.com/a/automation-in-the-radiotherapy-workflow-efficiency-effectiveness-and-limitations/