En el Hospital Catharina de Eindhoven, gran parte del trabajo relacionado con la radioterapia para pacientes con cáncer de mama ya se ha automatizado. El hospital cuenta con el equipo de tratamiento más preciso e inteligente para pacientes con cáncer. Pero hasta ahora, la elaboración de planes de radiación precisos y la delineación de los órganos de pacientes individuales en las imágenes de TC se sigue haciendo en gran medida a mano. Esto podría estar a punto de cambiar, gracias a la investigación del estudiante de PDEng Nienke Bakx de la Universidad Tecnológica de Eindhoven. La investigación se publica en Oncología radioterápica.
Nienke Bakx comenzó su programa de posgrado en el Hospital Catharina hace aproximadamente dos años y medio para investigar el uso de la inteligencia artificial en la generación de planes de tratamiento de radiación para pacientes con cáncer de mama.
La IA puede llevar la experiencia y los conocimientos existentes de los empleados al siguiente nivel, explica Coen Hurkmans, físico clínico en Catharina y supervisor de Bakx. «Sin embargo, primero debe poder capturar ese conocimiento en datos. Y ahí es donde entra TU/e. Ahí es donde se encuentra el conocimiento necesario de análisis de datos y algoritmos».
Pruebas clínicas
Después de graduarse, Bakx continuó como aprendiz del programa de posgrado de Ingeniero Médico Calificado para realizar extensas pruebas clínicas de su metodología de planificación. El estudiante de PDEng también investigó si la delineación de los órganos de pacientes con cáncer de mama se puede hacer de forma rápida, precisa y confiable por computadora.
El resultado de sus esfuerzos ya está aquí: a partir de esta primavera, el departamento de radioterapia del Hospital Catherina cambiará parcialmente a planes generados por IA. Y en junio también pasará con la delineación de órganos por imagen. Hurkmans dice que ahorrará horas de trabajo por paciente a los radioterapeutas y oncólogos radiólogos y garantizará una mayor consistencia.
Simulador de vuelo
“Cuando las personas con cáncer de mama necesitan ser irradiadas, el oncólogo radioterápico mira lo que se necesita exactamente: ¿cuánta dosis, cuántas sesiones, con qué frecuencia? Luego tenemos que asegurarnos de que el tratamiento también se lleve a cabo de forma técnicamente adecuada. necesitamos imágenes del paciente en la posición de tratamiento de radiación. En la actualidad todavía usamos imágenes de TC, pero en un futuro cercano serán cada vez más imágenes de resonancia magnética. Los órganos se delinean con mucha precisión en las imágenes», dice Hurkmans.
«Luego simulamos en una especie de simulador de vuelo cómo queremos irradiar: de qué lado y con qué intensidad, para que la mayor cantidad de radiación posible entre en el tumor y la menor cantidad posible alcance el tejido circundante».
Dentro del simulador hay un modelo del equipo de tratamiento más imágenes de la anatomía individual del paciente. Luego, un tecnólogo de radiación con experiencia en planificación crea un plan de radiación. Ese trabajo se puede automatizar. Los profesionales de la salud miran naturalmente con un ojo muy experimentado. La inteligencia artificial es una forma práctica y eficiente de capturar, calcular e interpretar su conocimiento y experiencia. Si coloca docenas de planes de tratamiento creados previamente en un modelo, puede entrenar a la computadora para que los cree por sí mismo.
Conjuntos de datos de alta calidad
Nienke Bakx: «En otras partes del mundo, esto ya se ha hecho para el cáncer de próstata y el cáncer de cabeza y cuello, entre otros, pero no antes para el cáncer de mama. Primero descubrí qué modelos de análisis y algoritmos se han utilizado para esos otros áreas».
Destacaron dos modelos de software validados: el modelo U-Net de código abierto, que se basa en redes neuronales convolucionales, CNN. En pocas palabras, el modelo profundiza más y más en los datos. Y el modelo cARF, donde cARF significa Atlas Regression Forest contextual.
El último modelo fue utilizado y entrenado por RaySearch Laboratories (RS), una empresa sueca de tecnología médica que colabora con institutos de cáncer de todo el mundo en mejores métodos de tratamiento. El Hospital Catharina utiliza el software RS.
95% utilizable
Nienke Bakx llenó ambos modelos con datos de más de cien planes de tratamiento de pacientes. Luego, los modelos entrenados se probaron durante un piloto clínico con datos de veinte pacientes completamente nuevos. Los radioterapeutas y los radiooncólogos hicieron sus planes para estos veinte pacientes a mano y los compararon con los planes generados automáticamente para optimizar aún más el software. Cuanto mejor sea la entrada, mejor será la salida.
Eso dio un resultado muy bueno: el 95% de lo que se le ocurrió a la computadora resultó ser utilizable sin ningún ajuste manual. A partir de las predicciones de las dosis requeridas, también resultó muy fácil derivar los parámetros finales de la máquina.
El modelo U-Net obtuvo una puntuación un poco mejor que el modelo cARF, razón suficiente para que RaySearch comience a utilizar ese modelo U-Net en el software RayStation para la planificación de pacientes de radioterapia. Están trabajando en un nuevo módulo de radioterapia de mama.
Consenso
Durante su investigación, Bakx consultó extensamente con los terapeutas de radiación y los oncólogos de radiación: ¿qué pensaban de los planes? ¿Realmente los utilizarían? Eso es importante para la aceptación del nuevo método de trabajo. Resultó que algunos especialistas pensaron que los modelos nunca fueron mejores, mientras que otros sí.
Hurkmans: «Este proyecto no se trata solo de aplicar IA y usar los algoritmos correctos. También brinda mucha información sobre cómo las personas lo manejan en la práctica y qué les parece importante. Es muy importante lograr un consenso. Hemos notado que hay aún más información en sus cabezas. Queremos sacarla y procesarla. Queremos ser aún más claros sobre lo que quieren exactamente. Estas conversaciones mutuas ya están conduciendo a mejoras de calidad».
Catharina ahora tiene un modelo de trabajo completamente capacitado y validado que se puso en marcha en la práctica clínica el 10 de mayo. Un gran hito. Por cierto, los radioterapeutas y los radiooncólogos verifican todo lo que se configura automáticamente. Para que puedan hacer cambios fácilmente ellos mismos si así lo desean.
En un futuro cercano, la computadora también indicará de qué parte de la delineación es quizás menos seguro, para que el ojo humano pueda observar más de cerca.
«La gente ya no tiene que preocuparse de no tener trabajo. Lo que podemos estandarizar y automatizar, lo hacemos. Luego, los empleados pueden concentrarse en lo que son buenos, como realizar entrevistas con pacientes o trabajar en mejoras adicionales». subraya Hurkmans.
El modelo para dibujar automáticamente los órganos y las áreas glandulares también está listo, y ahora se está preparando un piloto clínico. Nienke Bakx está complacida de que lo que hizo en su maestría y su período de QME ahora realmente se está introduciendo en la práctica clínica.
Fue la primera aprendiz de QME en el departamento de radioterapia y le fue muy bien, dice Hurkmans. «Combina el conocimiento de imágenes, inteligencia artificial y algoritmos con precisión, empuje y entusiasmo. Siempre estamos abiertos a los estudiantes y a los QME. Tenemos muchas más preguntas. Ahora queremos explorar este uso de la IA para otros tipos de cáncer, como los tumores de pulmón. .»
Modelos matemáticos mejoran la calidad y eficacia de la radioterapia
Esther Kneepkens et al, Evaluación clínica de dos modelos de IA para la generación automatizada de planes de cáncer de mama, Oncología radioterápica (2022). DOI: 10.1186/s13014-022-01993-9
Citación: El modelo de IA podría ahorrar horas de trabajo por paciente a los terapeutas de radiación y a los oncólogos radioterápicos (13 de mayo de 2022) consultado el 14 de mayo de 2022 en https://medicalxpress.com/news/2022-05-ai-therapists-oncologists-hours-patient. html
Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.