DOI: https://doi.org/10.1038/s41746-026-02339-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41520028
تاريخ النشر: 2026-01-10
المؤلف: Zhenyun Du
الموضوع الرئيسي: تقنيات العلاج الإشعاعي المتقدمة
نظرة عامة
تتناول الورقة القيود الكبيرة في تخطيط علاج الإشعاع (RT) الحالي، بما في ذلك جودة الخطة غير المثلى، وعدم الكفاءة، والتكاليف العالية. تقدم إطار عمل تخطيط العلاج الذكي المتمركز حول الإنسان (HCITP)، الذي يستفيد من الذكاء الاصطناعي تحت إشراف بشري لتعزيز عملية تخطيط العلاج. يهدف HCITP إلى دمج الإرشادات السريرية، وأتمتة توليد الخطط، وتسهيل التفاعلات المباشرة بين المخططين ونظام تخطيط العلاج (TPS). يتوقع المؤلفون أن هذه الطريقة يمكن أن تقلل من وقت التخطيط إلى دقائق معدودة مع تقديم خطط علاج شخصية وعالية الجودة.
في الختام، يؤكد المؤلفون على الحاجة إلى نهج أكثر ذكاءً في تخطيط علاج الإشعاع، مشيرين إلى عدم كفاية أنظمة TPS الحالية. يُقترح HCITP كإطار شامل مدعوم بالذكاء الاصطناعي يجمع بين قدرات اتخاذ القرار مع الإشراف البشري الأساسي لضمان السلامة والجودة. على عكس الجهود السابقة التي تناولت مكونات معزولة من تخطيط العلاج، يسعى HCITP إلى توحيد هذه العناصر في سير عمل متماسك. يعبر المؤلفون عن تفاؤلهم بشأن التطورات المستقبلية في هذا المجال، مشيرين إلى إمكانية HCITP في تحسين تخطيط العلاج الشخصي، وزيادة الوصول إلى علاج الإشعاع، وتعزيز الممارسات السريرية بشكل كبير.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم لعلاج الإشعاع (RT) في علاج السرطان، مشيرة إلى أنه السبب الثاني الرئيسي للوفاة على مستوى العالم، مع تسجيل 18.74 مليون حالة جديدة و9.7 مليون وفاة في عام 2022. يُستخدم علاج الإشعاع، الذي يستفيد من الإشعاع عالي الطاقة لتدمير الحمض النووي لخلايا السرطان، في أكثر من ثلثي حالات السرطان، سواء بمفرده أو بالاشتراك مع علاجات أخرى مثل الجراحة والعلاج الكيميائي. تعزز التقنيات الحديثة مثل العلاج الإشعاعي المعدل بالجرعة والعلاج القوسي المعدل بالحجم دقة توصيل الإشعاع، متوافقة مع أشكال الأورام مع تقليل الضرر للأنسجة السليمة، مما يقلل من السمية.
تعتمد فعالية علاج الإشعاع بشكل كبير على تخطيط العلاج، الذي يتضمن تحديد معلمات التحكم لمسرعات الخطوط الطبية (LINACs) لضمان التوصيل الدقيق لجرعات الإشعاع. يجب أن تلبي هذه العملية التخطيطية معيارين أساسيين: القابلية للتوصيل والقبول. حاليًا، يعتمد سير العمل على التعاون بين المخططين والمقيمين، باستخدام أنظمة تخطيط العلاج (TPS) التي نمذجة تفاعلات الإشعاع مع تشريح المريض من خلال التحسين الرياضي. ومع ذلك، فإن أنظمة TPS الحالية محدودة بسبب نقص الذكاء، مما يتطلب إدخالًا بشريًا كبيرًا ويؤدي إلى جودة خطة غير مثالية وكفاءة. يقدم إدخال الذكاء الاصطناعي (AI) فرصة لتعزيز تخطيط العلاج من خلال تحسين قدرات اتخاذ القرار، مما قد يسهل العملية ويعالج التحديات التي تواجه الممارسات الحالية. تهدف هذه المقالة إلى استكشاف هذه التعقيدات واقتراح حلول مدفوعة بالذكاء الاصطناعي لتحسين نتائج تخطيط RT.
نقاش
تسلط قسم النقاش في الورقة الضوء على التقدم الكبير في دمج الذكاء الاصطناعي (AI) في تخطيط علاج الإشعاع (RT)، مع معالجة القيود الرئيسية لأنظمة تخطيط العلاج التقليدية (TPS). يصنف المؤلفون الأبحاث الحالية إلى مجموعتين رئيسيتين: واحدة تركز على قبول خطط العلاج من خلال النمذجة التنبؤية لرسوم الجرعة-الحجم (DVHs) باستخدام الشبكات العصبية العميقة، والأخرى تركز على القابلية للتوصيل من خلال استخدام التعلم المعزز (RL) لإنشاء مخططين افتراضيين يمكنهم تشغيل TPS بشكل فعال. على الرغم من هذه التقدمات، لا تزال التحديات قائمة، خاصة في ضمان أن الخطط التي تم إنشاؤها بواسطة الذكاء الاصطناعي مقبولة سريريًا وقابلة للتوصيل، مما يتطلب تفاعلًا مستمرًا مع المقيمين البشريين.
يهدف إطار عمل تخطيط العلاج الذكي المتمركز حول الإنسان (HCITP) المقترح إلى تعزيز سير عمل تخطيط العلاج من خلال دمج مخطط افتراضي وكيل مع ثلاثة وحدات رئيسية لاتخاذ القرار: وحدة تقييم لتقييم جودة الخطة والتوافق مع تفضيلات الأطباء، وحدة تنفيذ لتوليد خطط قابلة للتوصيل، ووحدة محادثة لتسهيل التغذية الراجعة من المقيمين البشريين. تم تصميم هذه العملية التكرارية لتحسين كفاءة التخطيط مع الحفاظ على معايير عالية الجودة وضمان أن الموافقة النهائية على الخطة تقع على عاتق الأطباء. يؤكد المؤلفون على أهمية التعلم المستمر والتكيف مع الإرشادات السريرية المتطورة، بالإضافة إلى الحاجة إلى آليات تقييم ومراقبة قوية لضمان السلامة والخصوصية والمساءلة في تخطيط العلاج المدعوم بالذكاء الاصطناعي. بشكل عام، يمثل HCITP خطوة كبيرة نحو تحسين تخصيص وكفاءة RT، مع إمكانية تحسين نتائج المرضى وتوسيع الوصول إلى الرعاية.
القيود
تسلط قسم القيود في ممارسات تخطيط العلاج الحالية الضوء على عدة قضايا حاسمة تؤثر سلبًا على نتائج العلاج في علاج الإشعاع (RT). تتضمن عملية تخطيط العلاج مراحل متعددة، بما في ذلك دمج الصور متعددة الأنماط، وتحديد الهدف، ووصف الجرعة، والتي تتطلب تفاعلًا واسعًا بين المخططين وأنظمة تخطيط العلاج (TPS). غالبًا ما تؤدي هذه العملية التكرارية إلى جودة خطة غير مثالية بسبب الاعتماد على العوامل البشرية مثل خبرة المخططين والتواصل مع المقيمين. على سبيل المثال، كشفت تحليل تجربة RTOG-0126 السريرية أن 9.1% من المرضى تلقوا خططًا تحمل مخاطر غير ضرورية لمضاعفات الأنسجة السليمة، والتي كان يمكن التخفيف منها من خلال تحسين التخطيط. علاوة على ذلك، تم ربط الخطط غير المثالية بمعدلات بقاء أقل بكثير ومعدلات فشل محلي-إقليمي أعلى في سرطان الرأس والعنق.
بالإضافة إلى ذلك، تسهم عدم كفاءة سير العمل الحالي في تأخيرات العلاج، والتي يمكن أن يكون لها عواقب وخيمة على نتائج المرضى. يمكن أن تمتد طبيعة التجربة والخطأ للتفاعلات بين المخططين وTPS من ساعات إلى أيام، خاصة في الحالات المعقدة. هذا التأخير ضار بشكل خاص في الأورام الدبقية عالية الدرجة، حيث يزيد كل يوم من التأجيل من خطر الوفاة بنسبة 2%. علاوة على ذلك، فإن الزيادة المتزايدة في حالات السرطان تفاقم هذه التأخيرات، مع توقعات تشير إلى أن زيادة بنسبة 15% في الحالات الجديدة يمكن أن تؤدي إلى زيادة بنسبة 22.5% في أوقات الانتظار. يضيف العبء المالي لتوظيف وتدريب المخططين المحترفين تعقيدًا إضافيًا للوضع، مع تكاليف كبيرة تؤثر في النهاية على المرضى وأنظمة الرعاية الصحية. هذه القيود بارزة بشكل خاص في علاج الإشعاع التكيفي، حيث تكون التعديلات الفورية على خطط العلاج حاسمة، مما يبرز الحاجة الملحة لعمليات مبسطة لتعزيز الكفاءة والوصول في رعاية السرطان.
DOI: https://doi.org/10.1038/s41746-026-02339-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41520028
Publication Date: 2026-01-10
Author(s): Zhenyun Du
Primary Topic: Advanced Radiotherapy Techniques
Overview
The paper addresses significant limitations in current radiation therapy (RT) treatment planning, including suboptimal plan quality, inefficiency, and high costs. It introduces the Human-Centric Intelligent Treatment Planning (HCITP) framework, which leverages artificial intelligence under human oversight to enhance the treatment planning process. HCITP aims to integrate clinical guidelines, automate plan generation, and facilitate direct interactions between planners and the treatment planning system (TPS). The authors anticipate that this approach could reduce planning time to mere minutes while delivering personalized, high-quality treatment plans.
In the conclusion, the authors emphasize the need for a more intelligent approach to RT treatment planning, highlighting the inadequacies of existing TPSs. HCITP is proposed as a comprehensive, agentic AI-powered framework that combines decision-making capabilities with essential human oversight to ensure safety and quality. Unlike previous efforts that tackled isolated components of treatment planning, HCITP seeks to unify these elements into a cohesive workflow. The authors express optimism about future developments in this area, noting HCITP’s potential to improve personalized treatment planning, increase access to radiation therapy, and significantly enhance clinical practices.
Introduction
The introduction of the research paper highlights the critical role of Radiation Therapy (RT) in cancer treatment, noting that it is the second leading cause of death globally, with 18.74 million new cases and 9.7 million deaths reported in 2022. RT, which utilizes high-energy radiation to damage cancer cell DNA, is employed in over two-thirds of cancer cases, either alone or in conjunction with other treatments such as surgery and chemotherapy. Modern techniques like intensity-modulated radiotherapy and volumetric-modulated arc therapy enhance the precision of radiation delivery, conforming to tumor shapes while minimizing damage to healthy tissues, thereby reducing toxicity.
The effectiveness of RT is heavily reliant on treatment planning, which involves determining the control parameters for medical linear accelerators (LINACs) to ensure the accurate delivery of radiation doses. This planning process must meet two essential criteria: deliverability and acceptability. Currently, the workflow relies on collaboration between planners and evaluators, utilizing Treatment Planning Systems (TPS) that model radiation interactions with patient anatomy through mathematical optimization. However, existing TPSs are limited by their lack of intelligence, necessitating significant human input and resulting in suboptimal plan quality and efficiency. The introduction of Artificial Intelligence (AI) presents an opportunity to enhance treatment planning by improving decision-making capabilities, potentially streamlining the process and addressing the challenges faced in current practices. This perspective article aims to explore these complexities and propose AI-driven solutions to improve RT planning outcomes.
Discussion
The discussion section of the paper highlights significant advancements in the integration of artificial intelligence (AI) into radiation therapy (RT) treatment planning, addressing key limitations of traditional treatment planning systems (TPS). The authors categorize existing research into two main groups: one focusing on the acceptability of treatment plans through predictive modeling of dose-volume histograms (DVHs) using deep neural networks, and the other emphasizing deliverability by employing reinforcement learning (RL) to create virtual planners that can operate TPS effectively. Despite these advancements, challenges remain, particularly in ensuring that AI-generated plans are both clinically acceptable and deliverable, necessitating ongoing interaction with human evaluators.
The proposed Human-Centric Intelligent Treatment Planning (HCITP) framework aims to enhance the treatment planning workflow by incorporating an agentic virtual planner with three core decision-making modules: an Evaluation Module for assessing plan quality and aligning with physician preferences, an Execution Module for generating deliverable plans, and a Conversation Module for facilitating feedback from human evaluators. This iterative process is designed to optimize planning efficiency while maintaining high-quality standards and ensuring that final plan approval rests with physicians. The authors emphasize the importance of continual learning and adaptation to evolving clinical guidelines, as well as the need for robust evaluation and monitoring mechanisms to ensure safety, privacy, and accountability in AI-assisted treatment planning. Overall, HCITP represents a significant step towards improving the personalization and efficiency of RT, with the potential to enhance patient outcomes and expand access to care.
Limitations
The section on limitations in current treatment planning practices highlights several critical issues that adversely affect treatment outcomes in radiation therapy (RT). The treatment planning process involves multiple stages, including the fusion of multimodal images, target delineation, and dose prescription, which require extensive interaction between planners and treatment planning systems (TPS). This iterative process often leads to suboptimal plan quality due to reliance on human factors such as planner experience and communication with evaluators. For instance, an analysis of the RTOG-0126 clinical trial revealed that 9.1% of patients received plans with unnecessarily elevated risks of normal tissue complications, which could have been mitigated through improved planning. Furthermore, suboptimal plans have been linked to significantly lower survival rates and higher local-regional failure rates in head-and-neck cancer.
Additionally, the inefficiency of the current planning workflow contributes to treatment delays, which can have dire consequences for patient outcomes. The trial-and-error nature of interactions between planners and TPS can extend planning times from hours to days, particularly for complex cases. This delay is particularly detrimental in high-grade gliomas, where each day of postponement increases mortality risk by 2%. Moreover, the rising incidence of cancer exacerbates these delays, with projections indicating that a 15% increase in new cases could lead to a 22.5% rise in waiting times. The financial burden of hiring and training professional planners further complicates the situation, with significant costs ultimately impacting patients and healthcare systems. These limitations are especially pronounced in adaptive RT, where timely adjustments to treatment plans are critical, underscoring the urgent need for streamlined processes to enhance efficiency and accessibility in cancer care.