Dosisplanning 1 VL 1500.jpg

ZRTI neemt Varian RapidPlan in gebruik

Geautomatiseerd bestralingsplannen opstellen: consistentere kwaliteit en hogere efficiëntie.

Bij ieder bestralingsplan volautomatisch de kennis van eerder gemaakte plannen meenemen, zodat een consistente hoge kwaliteit ontstaat. Dat is in een notendop wat knowledge based planning is. Het Zuidwest Radiotherapeutisch Instituut (ZRTI) past deze technologie toe om snellere en betere bestralingsplannen te maken voor prostaatkankerpatiënten. Andere patiëntgroepen volgen.

Fiere Claassen is klinisch fysicus bij ZRTI en trekker van het project Automated Planning. Ze vertelt: “We waren als ZRTI op zoek naar een manier om de workflow te optimaliseren. Rapidplan is één van de tools hiervoor.”

Met deze software bouw je een model op basis van eerder gemaakte bestralingsplannen van andere patiënten. Op basis van het te bestralen gebied en de kritieke gezonde organen die daarom heen liggen, doet RapidPlan volautomatisch een voorstel voor een bestralingsplan voor nieuwe patiënten, dat een laborant (medisch beeldvormings- en bestralingsdeskundige) waar nodig nog kan aanpassen. Claassen legt uit hoe dat werkt: “Nadat de arts het doelgebied en de kritieke organen rondom het doelgebied heeft ingetekend, maakt de laborant een bestralingsplan, waarbij het de kunst is om de tumor zo goed mogelijk te bestralen en de omliggende organen zo goed als mogelijk te sparen. Tot nu toe moest de laborant altijd veel handmatige handelingen uitvoeren tijdens het maken van het bestralingsplan. Met behulp van Rapidplan is het mogelijk om bestralingsplannen automatisch te genereren. De automatisering levert tijdswinst op en zorgt voor consistentere en hoogwaardiger bestralingsplannen.”

Rapidplan baseert zijn voorspelling op basis van de beste bestralingsplannen uit het verleden. Claassen: “Bij handmatige planningen moet de laborant inschatten welke dosisverdeling haalbaar gaat zijn voor een specifieke patiënt, terwijl Rapidplan al weet op basis van resultaten uit het verleden wat de best haalbare dosisverdeling gaat zijn. Dat betekent dat je bij handmatige planningen een groter risico hebt op een suboptimaal plan en een grotere variatie in kwaliteit van de bestralingsplannen.”

Model op basis van eerdere bestralingsplannen

ZRTI heeft vooraf uitgebreid onderzoek gedaan naar de voor- en nadelen van het automatisch opstellen van bestralingsplannen met RapidPlan. Claassen: “We zijn begonnen met twee modellen voor prostaatpatiënten. Het eerste model is specifiek voor bestralingsplannen gericht op alleen de prostaat, en het tweede model is voor bestralingsplannen gericht op de prostaat en de zaadblaasjes of voor bestraling op de prostaatloge (patiënten waarbij de prostaat verwijderd is). Voor beide groepen hebben we een model gebouwd op basis van intekeningen (structuren) en dosisverdeling. Tijdens het maken van het model geeft het systeem met bepaalde statistische parameters aan of er plannen in het model zitten die het model beïnvloeden (bijvoorbeeld doordat het doelgebied of een orgaan heel anders van vorm is dan de andere patiënten in het model). Deze outliers hebben we stuk voor stuk bekeken en waar nodig uit het model gehaald. De definitieve modellen zijn gebaseerd op respectievelijk 119 en 71 bestralingsplannen. De definitieve modellen hebben we vervolgens getest. Dat deden we door bij zowel patiënten binnen als buiten het model op twee manieren een plan te maken: volautomatisch met RapidPlan en handmatig. Uit tientallen van die vergelijkingen bleek dat RapidPlan een hele goede en vooral consistente kwaliteit levert.”

Verbeterideeën

Het team deed enkele interessante inzichten en verbeterideeën op. “Rapidplan creëert een automatisch plan op basis van eerdere patiëntplanningen, maar Rapidplan houdt ook rekening met bepaalde voorgedefinieerde parameters, de zogenaamde objectives. Deze objectives moeten ervoor zorgen dat het bestralingsplan altijd aan bepaalde eisen voldoet. Met deze voorgedefinieerde objectives kun je de uitkomsten van het model sturen. Door die objectives te tweaken kun je nog betere plannen maken. Tijdens de testfase van het Rapidplan-model hebben we de objectives in RapidPlan verder geoptimaliseerd.”

Een ander inzicht is dat de definitie van het doelgebied en de kritieke organen rondom niet altijd op dezelfde manier worden ingetekend, waardoor er verschillen gaan ontstaan in de bestralingsplannen. “Nu we RapidPlan gebruiken komt dit duidelijker aan het licht en kunnen we artsen instrueren hoe zij consistenter kunnen intekenen”, zegt Claassen.

Ook de discussies die nu in het team ontstaan vindt ze waardevol. “Toen we de modellen aan het ontwikkelen waren, keken we nog beter naar de planningen: hebben we in het verleden altijd de juiste afwegingen gemaakt? Daardoor reflecteren we meer. Als de laboranten een verbetermogelijkheid in het model zien, dan komen ze direct naar mij of mijn collega klinisch fysicus toe. Dat is mooi.”

Voordelen RapidPlan

RapidPlan levert twee belangrijke voordelen op. Het eerste voordeel is de tijdwinst van ongeveer 15 tot 20 minuten per patiënt voor laboranten. Claassen: “Zij hoeven nu geen overlapgebieden meer te definiëren. Alleen het doelgebied en de risico-organen moeten van tevoren ingetekend worden en RapidPlan doet vervolgens de rest. Daardoor hebben ze meer tijd over om de kwaliteit van het voorgestelde plan te beoordelen en eventueel toch nog handmatig wat aan te passen als daar reden toe is. Ook houden ze meer tijd over voor bijvoorbeeld de moeilijkere patiëntcasussen die buiten een Rapidplan-model vallen. En er blijft natuurlijk meer tijd over voor innovatie.”

Het tweede voordeel is een hogere consistentie van de plannen. “Bij handmatig plannen maak je iedere keer opnieuw weer de afweging hoe belangrijk het is om het doelgebied volledig te bestralen of een orgaan iets meer te sparen. Die afweging is natuurlijk heel lastig, dat is kiezen uit twee kwaden. Bij de inzet van RapidPlan hoeft de laborant die afweging niet meer zelf te maken, dat doet RapidPlan op basis van het model. De keuzes zitten immers al in je model verwerkt”, zegt Claassen. Die tegelijkertijd een kanttekening maakt: “Als een arts iets anders wil dan wat wij in het model hebben gestopt, dan kunnen we het model natuurlijk niet gebruiken. Dan moet je alsnog handmatig plannen. Door de tijdwinst die het gebruik van Rapidplan oplevert, ontstaat wel weer ruimte om ook in die situatie een voor de individuele patiënt optimaal plan te maken.”

Claassen constateert dat toepassing van RapidPlan bij ZRTI tot tevreden gezichten leidt. “Eigenlijk is iedereen enthousiast: klinisch fysici, laboranten, artsen. We zetten samen de stap naar een hogere efficiency en consistentere kwaliteit.”

Van knowledge based planning naar machine learning en AI

In de zorg wordt veel gesproken over de toepassing van artificial intelligence (AI) en machine learning. Waar bij knowledge based systemen het model eenmalig wordt getraind op basis van data die je er op voorhand in stopt, leert een machine learning model van iedere case die wordt geanalyseerd, zonder dat het model daarvoor opnieuw geprogrammeerd hoeft te worden. RapidPlan is dus ook een machine learning tool, al is het nog in een basale vorm. In de radiologie en pathologie vinden de eerste meer geavanceerde AI-toepassingen hun weg naar de markt, bijvoorbeeld beeldherkenningsalgoritmen die zelfstandig een leasie kunnen herkennen op een MRI- of CT-scan.

Niels Wijdogen, managing director van Varian: “In de radiotherapie worden de eerste voorzichtige stappen gezet met het gebruik van AI, bijvoorbeeld bij het automatisch contouren van kritieke organen. Van breed gedragen klinisch gebruik van AI is echter nog geen sprake en juist daar vervult knowledge based planning een belangrijke rol doordat dit al wel in gebruik is, waardoor er vandaag al de kans is om tijd te besparen en de kwaliteit van plannen te verbeteren.”

  • 31-05-2019
  • Algemeen