提高基于人工智能驱动的圆束CT的在线自适应性辐射疗法的安全性:开发和实施跨学科工作流程

科学领域:

• 医学物理 医学物理
• 辐射瘤学 辐射瘤学
• 医疗保健中的人工智能

背景情况:

• 在线适应性辐射疗法 (OART) 允许基于患者解剖学的实时治疗重新规划,使用形束计算断层扫描.
• 实施OART需要新的护理途径和对自动化适应过程的监督.
• 在人工智能驱动的OART中识别和减轻风险对于安全的临床整合至关重要.

研究的目的:

• 在人工智能驱动的OART中识别高风险故障模式 (FMs).
• 提出一个跨学科的工作流程,以减轻医疗错误和提高OART的效率.
• 为了减少与高度自动化治疗过程相关的临床负担.

主要方法:

• 失效模式和影响分析 (FMEA) 被一个跨学科小组使用,以确定安全问题.
• 基于FMEA的调查结果,制定了标准化程序和安全检查清单.
• 在374个适应性会议中,计算了工作流实施前后的风险优先次数 (RPN).

主要成果:

• OART 工作流包括四个连续的组件,并集成了安全检查清单.
• 新程序包括特定网站的模板准备和智能优化引擎测试.
• 跨学科的工作流显著减少了高风险FM的RPN,平均下降了110.

结论:

• 解决高风险的FM对于安全实施人工智能驱动的OART至关重要.
• 结构化的跨学科工作流程和检查清单提高了OART的安全性和效率.
• 这种方法促进了OART的有效临床整合,改善了患者的护理.