Autonome Bestrahlungsplanung in der Strahlentherapie
Autonomous Radiotherapy Planning
Wissenschaftsdisziplinen
Informatik (50%); Medizintechnik (50%)
Keywords
-
Radiation Oncology,
Deep Learning,
Automation,
Treatment Planning,
Cancer,
Machine Learning
Die Herausforderung in der Krebsbehandlung besteht in der präzisen Anwendung der Strahlentherapie, bei der hochenergetische Strahlen zur Zerstörung von Krebszellen eingesetzt werden. Während Patient*innen behandelt werden, kann sich ihr Körper auf eine Weise verändern, die beeinflusst, wie die Strahlung verabreicht werden sollte. Tumore können schrumpfen und Organe sich leicht verschieben. Eine Adaption der Behandlungspläne an diese Veränderungen könnte die Wirksamkeit und Sicherheit der Therapie erheblich verbessern. Allerdings stoßen die derzeit in der Strahlentherapie verwendeten Planungssoftware-Systeme (TPS) auf Grenzen aufgrund unzureichender Geschwindigkeit und Automatisierung. Infolgedessen werden Chancen zur Verbesserung der Patient*innenversorgung während der Behandlung verpasst. Unser Projekt zielt darauf ab, diese Herausforderungen zu bewältigen, indem wir ein neues System entwickeln, das fortschrittliche Künstliche Intelligenz (KI) nutzt, um die Strahlentherapie personalisierter, effizienter und in Echtzeit anpassungsfähig zu machen. Der Eckpfeiler unseres Ansatzes ist die Schaffung eines vollautomatisierten Planungssoftware- Systems, das unabhängig von der derzeit verwendeten herkömmlichen Software arbeitet. Dieses innovative System wird Deep Learning (DL), eine Art von KI, die aus großen Datenmengen lernt, einsetzen, um automatisch Behandlungspläne zu erstellen, ohne dass eine manuelle Eingabe erforderlich ist. Zusätzlich erforschen wir das Potenzial von Reinforcement Learning (RL), einer weiteren KI-Methode, bei der das System durch Versuch und Irrtum lernt, den besten Handlungsweg zu finden. RL wird der KI helfen, die Einstellungen der Strahlentherapiegeräte zu optimieren, sodass sie Krebszellen effektiver angreifen und gleichzeitig das umliegende gesunde Gewebe schonen können. Ein weiterer zentraler Bestandteil unserer Lösung ist die Entwicklung eines Workflows, der es ermöglicht, dass Behandlungspläne sofort angepasst werden, sobald Veränderungen in der Anatomie des Patient*innen erkannt werden. Dieser Ansatz stellt sicher, dass jede Strahlentherapiesitzung an die aktuelle Verfassung des Patient*innen angepasst ist, was zu effektiveren und sichereren Behandlungsergebnissen führt. Warum ist das wichtig? In erster Linie verspricht dieses System eine Verbesserung der Patient*innenversorgung, indem es eine Strahlentherapie ermöglicht, die sich schnell an anatomische Veränderungen anpasst, eine präzisere Zielerfassung der Krebszellen ermöglicht und Nebenwirkungen reduziert. Darüber hinaus wird durch die Automatisierung des Planungsprozesses wertvolle Zeit für Ärzt*innen und anderes medizinisches Fachpersonal freigesetzt, sodass sie sich mehr auf die Patient*innenversorgung konzentrieren können. Schließlich können wir durch die Rationalisierung und Automatisierung des Behandlungsplanungsprozesses mehr medizinischen Zentren den Zugang zu fortschrittlicher Strahlentherapie ermöglichen, was letztlich Patient*innen überall zugutekommt.
- Peter Kuess, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Tommy Löfstedt, Umea University - Schweden
- Tufve Nyholm, Umea University - Schweden