放射治疗计划在计划系统(TPS)中的原始文件是最重要的患者放疗数据之一,一旦丢失,无论对于患者还是医师、物理师都将是巨大的损失[1-3]。定期归档TPS中患者的治疗计划,不仅可以保证TPS中患者检索和计划优化的效率,还可以节省存储空间。另外,对归档文件的多重备份和容灾备份还能更进一步地保证放疗计划数据的安全[4-5]。随着放疗技术的不断进步,放疗科规模日益扩大,接受三维放疗的患者越来越多,治疗计划的数量显著增加。以中国医学科学院北京协和医学院肿瘤医院放疗科为例,需要归档计划的放疗患者数每年增加约6.5%。2018年放疗科整理并归档了7 478个患者计划。由于归档计划的数据量大,计划整理和归档工作繁琐,并且归档工作一般由专人完成,缺少有效的独立核对等问题,如何保证放疗计划数据归档的效率以及避免计划数据的丢失已成为放疗信息管理的一个重要问题[6-7]。本研究设计和实现了基于TPS和记录验证(R&V)系统的计划数据归档系统(plan data archiving system, PDAS),提高了计划数据归档的工作效能,有效地保证了计划数据的完整性和安全性。
材料与方法1.系统架构:本研究采用的TPS为Pinnacle3 V9.10(Philips Medical System, USA)计划系统,该系统提供了脚本(Script)功能,可以实现在计划系统中批量、规范、快速地处理患者的计划数据;记录验证系统为MOSAIQ V2.62(Elekta Medical Systems, USA)肿瘤信息管理系统。图 1为PDAS架构图。PDAS由两大模块组成,分别是计划归档模块和计划丢失检测模块,其中计划归档模块包括4个部分:数据整理、数据压缩、归档核对和计划恢复。该软件采用浏览器/服务器(B/S)架构模式,其中,数据整理、归档核对和计划丢失检测模块均采用Java和HTML语言编写,数据压缩模块采用计划系统Script实现,计划恢复通过TPS中解压缩模块实现。主程序的服务器运行在Windows 2012操作系统的平台上,数据库管理系统为MySQL。
![]() |
图 1 计划数据归档系统(PDAS)架构图 Figure 1 The diagram of plan data archiving system (PDAS) |
2.计划归档模块:放疗科计划归档流程及PDAS实现方法如下:①计划物理师完成治疗计划的制定后,在TPS中整理患者计划,整理工作包括检查计划、射野、影像等命名是否符合放疗科规范,删除计划制定过程的过渡计划等。②在TPS中建立待归档计划组,定期将处于放疗实施阶段或放疗结束的患者计划汇总至该组,PDAS中的数据整理模块将自动分类并核对待归档组中的计划,标记不规范的计划并提醒系统管理员或计划物理师。③PDAS中的数据压缩模块通过Script对整理后的计划进行校验,将与治疗计划相关的参数、影像、结构等原始文件打包,并在TPS服务器中生成压缩文件,且该文件以患者为单位逐个生成,并根据患者的姓名、病历号以及最新的计划编辑时间对其命名。④通过FTP协议将压缩文件从服务器传输至存储阵列,并删除待归档组中的原始计划数据,此过程中,归档核对模块需要完成以下核对工作:检查压缩文件是否正常;命名是否规范;传输过程中是否有文件缺损或遗漏;删除的原始计划是否与归档计划完全一致等。⑤对于待恢复的患者治疗计划,可通过病历号在存储阵列中找到对应的计划压缩文件,将文件拷贝至TPS服务器,利用系统的解压缩工具即可实现计划的恢复。
3.计划丢失检测模块:治疗计划的丢失常发生在归档流程中①、②两个环节,因此PDAS中计划丢失检测模块设计为定期读取R&V系统中一段时期内放疗计划的首次实施记录,并检测该记录中的治疗计划是否可以在对应时间范围内匹配到TPS中的原始计划或存储阵列中的归档文件,图 2为计划丢失检测的流程图。
![]() |
图 2 治疗计划丢失检测模块流程图 Figure 2 Flow chart of the plan loss detection module |
根据计划数据丢失检测的情况,将临床中的治疗计划分为六类:首程计划丢失、首程计划未归档、首程计划已归档、再程计划丢失、再程计划未归档、再程计划已归档,具体规则见表 1。
![]() |
表 1 计划丢失检测结果的分类 Table 1 Classification of the plan loss detection results |
4.软件评估:将PDAS归档的计划数据与历史人工归档的计划数据进行比对,评估系统临床应用效果。
结果数据整理模块的结果以表单形式显示,不同类别的计划放置于不同标签页内。每一条记录代表患者的一个治疗计划。表单内不同背景颜色的记录代表了计划中不同的异常情况。例如绿色背景颜色的计划,代表该计划为已归档后的恢复计划(restored plan),这类计划不需要重复归档;红色背景色的计划,代表该计划为命名异常的计划。
待归档的计划经数据压缩处理后,PDAS将读取与计划相关的患者姓名、病历号以及计划的最新编辑时间,并将这些参数以一定的规则命名压缩文件。归档文件的核对结果分为3种,其中“√”为通过,表示TPS中计划与归档计划文件一致;“×”为异常,表示TPS中待归档计划在存储阵列中没有归档文件;“!”为警告,表示归档文件对应的计划已不在待归档计划组。
计划丢失自动检测模块分为自动(automatic)和手动(manual)两种模式。自动模式设定为每周定期检测计划丢失情况。计划丢失检测的结果包括检测计划总数、待归档计划数、首程丢失计划数、再程丢失计划数,通过查看详情的功能可以获取丢失计划的具体信息。
PDAS于2017年1月正式投入临床使用。截止2019年8月,放疗科已归档治疗计划58 828个,总大小7.03 T(压缩后),其中采用PDAS归档治疗计划17 614个。与人工归档(2017年以前)相比,PDAS归档效率和安全性显著提高,每月计划归档的平均耗时由14 d降至1 d,放疗计划年丢失率也由0.4%左右降至0。
讨论计划设计是患者放疗过程的一个重要环节,TPS中的原始计划数据已成为患者最核心的放疗数据之一。原始的计划数据不仅可以方便直观地帮助临床医师、物理师回顾分析患者的受照情况,而且还可以为放疗大数据分析、机器学习等研究领域提供重要的基础数据[8-9]。定期归档TPS中的治疗计划一方面能够及时地释放存储空间,提升TPS优化效率;另一方面也能进一步加强历史计划数据的安全性。但是,由于TPS内部数据结构复杂、实际临床情况多变以及计划整理工作繁琐,因此治疗计划的归档容易出现数据不完整、治疗计划丢失、归档计划检索困难等现象[4-5]。采用计算机自动化地整理、核对、归档治疗计划并定期检测患者计划是否存在丢失,可以有效地解决上述现象[10-11]。Yang和Moore[7]采用Pinnacle计划系统的脚本功能并结合HTML语言设计并实现了治疗计划的核对工具。Castro等[12]开发了核试验堆数据归档系统,解决了大量数据的高速采集给数据存储造成很大困难的问题。本研究设计并开发了PDAS软件,将物理师从大量重复性的计划整理工作中解放出来,保证原始计划数据的完整性,提高计划归档效率,减少归档遗漏和计划丢失事件的发生。
治疗计划从完成到整理,再到最终的归档需要30~45 d,这是因为考虑到有的患者需更改计划行再程治疗,有的患者需要疗中观察并比较靶区的变化,因此已完成的治疗计划会在TPS中保留一段时期,而治疗计划的丢失常发生在此阶段。Pinnacle计划系统所采用的操作系统为Solaris,系统较为开放,用户权限控制相对薄弱,放疗科任意员工均可以访问、编辑TPS中的治疗计划。在日常工作中,常发生初学者或进修学员误删除治疗计划或患者的事件。另外,TPS中的非临床组计划(如Research、Practice、Training等计划组)并不在计划整理归档的范围,临床组计划被误操作转移至非临床组从而导致计划丢失的现象也时有发生。
计划丢失检测模块以读取R&V系统中一段时期内放疗计划的首次实施记录为起始节点,定时匹配TPS和存储阵列中的患者计划来确定是否存在计划丢失。需要注意的是,只要治疗计划仍在TPS中就会存在丢失的风险,而当计划归档至存储阵列(具备双重备份和灾难备份)中,则可认为治疗计划不会丢失。因此,对治疗计划做丢失检测时,如果所匹配到的计划是在TPS中,则将此类计划的信息存入数据库的“待归档表”中,在下一轮的计划丢失检测中仍需要重复检测此表中的计划是否丢失,只有当这类计划最终归档至存储阵列时,才可将其从“待归档表”中释放。
在PDAS投入临床使用之前,TPS中的计划整理是归档流程中耗时最长的环节。为了节省存储空间以及提高归档计划的恢复效率,归档的治疗计划通常仅为治疗实施的最终计划。而物理师在计划制定过程中,常会创建多个过渡计划来实现优化比较和优化数据的备份,这些过渡计划都需要在计划整理环节删除。此外,计划整理内容还包括:核对不同类型计划的命名是否符合规范;判断治疗计划是否重复归档;对一些只保留影像且无治疗计划的患者还需进行特殊处理等。整理工作的繁重大大降低了计划归档的效率,也增加了丢失计划的风险。PDAS计划整理模块中设计了对上述情况的核对逻辑,可以自动归类处理待归档计划并提醒异常,物理师仅需要关注对应类别的异常计划即可完成整理工作,提升工作效率的同时也较大程度地提高了归档计划的规范性。
计划归档的核对工作是计划数据安全的一个重要保障。由于归档工作以批量操作为主,一旦出现错漏将会导致大量患者计划数据的丢失。因此,需要增加必要的质量控制环节以避免此类事件的发生。归档核对工作包括以下几项:计划压缩文件与待归档计划能否一一对应;压缩文件的大小、格式是否缺损或遗漏;计划压缩文件从TPS服务器传输至存储阵列是否完整;TPS中所删除的待归档计划在存储阵列中是否有对应的文件等等。这些核对工作如果完全依靠物理师人工完成,需花费大量时间。采用PDAS辅助核对工作不仅提高核对效率,同时还能扩展核对项目,进一步加强归档计划的质量控制。
总之,PDAS可有效地提高放疗计划归档的效率,保证计划数据的安全性和完整性。
利益冲突 所有作者宣称没有任何利益冲突,未接受任何不当的职务或财务利益
作者贡献声明 黄鹏负责整理数据、建立核对算法、开发软件,以及撰写论文;符贵山、苗俊杰和胡志辉负责计划系统中的脚本设计;戴建荣负责指导论文设计和修改
[1] |
赫捷, 王绿化, 李晔雄, 等. 放疗质量控制基本指南[J]. 中华放射肿瘤学杂志, 2018, 27(4): 335-342. DOI:10.3760/cma.j.issn.1004-4221.2018.04.001.HeJ,WangLH,LiYX,etal.Basicguidetoradiotherapyqualitycontrol[J].ChinJRadiatOncol,2018,27(4):335-342.DOI:10.3760/cma.j.issn.1004-4221.2018.04.001 |
[2] |
Fraass B, Doppke K, Hunt M, et al. American Association of Physicists in Medicine Radiation Therapy Committee Task Group 53:quality assurance for clinical radiotherapy treatment planning[J]. Med Phys, 1998, 25(10): 1773-1829. DOI:10.1118/1.598373 |
[3] |
Sharpe MB. IAEA technical reports series No.430. Commissioning and quality assurance of computerized planning systems for radiation treatment of cancer[J]. Med Phys, 2006, 33(2): 561. DOI:10.1118/1.2167371 |
[4] |
符贵山, 黄鹏, 张可, 等. Pinnacle TPS计划设计过程备份与还原可行性探讨[J]. 中华放射肿瘤学杂志, 2018, 27(2): 185-189. DOI:10.3760/cma.j.issn.1004-4221.2018.02.013.
|
[5] |
符贵山, 戴建荣, 宋一昕, 等. 一种简化的放射治疗数据管理方案[J]. 医疗装备, 2009, 22(2): 10-13. DOI:10.3969/j.issn.1002-2376.2009.02.003.FuGS,DaiJR,SongYX,etal.Asimplifieddatamanagementsysteminradiotherapy[J].MedEquip,2009,22(2):10-13.DOI:10.3969/j.issn.1002-2376.2009.02.003 |
[6] |
Elman C, Kapiszewski D, Vinuela L. Qualitative data archiving:Rewards and challenges[J]. Pol Sci Polit, 2010, 43(1): 23-27. DOI:10.1017/S104909651099077X |
[7] |
Yang D, Moore KL. Automated radiotherapy treatment plan integrity verification[J]. Med Phys, 2012, 39(3): 1542-1551. DOI:10.1118/1.3683646 |
[8] |
Men K, Dai J, Li Y. Automatic segmentation of the clinical target volume and organs at risk in the planning CT for rectal cancer using deep dilated convolutional neural networks[J]. Med Phys, 2017, 44(12): 6377-6389. DOI:10.1002/mp.12602 |
[9] |
Men K, Zhang T, Chen X, et al. Fully automatic and robust segmentation of the clinical target volume for radiotherapy of breast cancer using big data and deep learning[J]. Phys Med, 2018, 50: 13-19. DOI:10.1016/j.ejmp.2018.05.006 |
[10] |
Whitlock MC. Data archiving in ecology and evolution:best practices[J]. Trends Ecol Evol, 2011, 26(2): 61-65. DOI:10.1016/j.tree.2010.11.006 |
[11] |
Yue H, Rilett LR, Revesz PZ. Spatio-temporal traffic video data archiving and retrieval system[J]. GeoInformatica, 2016, 20(1): 59-94. DOI:10.1007/s10707-015-0231-0 |
[12] |
Castro R, Abadie L, Makushok Y, et al. Data archiving system implementation in ITER's CODAC Core System[J]. Fusion Eng Des, 2015, 96: 751-755. DOI:10.1016/j.fusengdes.2015.06.076 |