Schnelle, genaue und vertrauenswürdige Dosisberechnung auf Magnetresonanztomographie-Bildern für die Protonentherapie mittels Deep Learning

• Antragsteller: Professor Dr. Armin Lühr; Dr. Liheng Tian
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 557923081

Jedes Jahr wird in Deutschland bei etwa einer halben Million neuer Patienten Krebs diagnostiziert und mehr als 50% von ihnen erhalten eine Strahlentherapie. Die Protonentherapie ist eine hochwirksame Bestrahlungsmethode, bei der die verschriebene Dosis sehr präzise an das identifizierte Tumorvolumen abgegeben werden kann. Um die Vorteile der Protonentherapie voll auszuschöpfen, ist eine qualitativ hochwertige Bildgebung erforderlich, die eine genaue Abgrenzung des Tumorvolumens und kritischer gesunder Strukturen ermöglicht. Hier ist die Magnetresonanztomographie (MRT) äußerst attraktiv, da sie anatomische Informationen mit höchstem Weichteilkontrast liefert. Die Berechnung der Strahlendosis von Protonen stützt sich jedoch auf Bilddaten der Computertomografie (CT), weshalb der Arbeitsablauf in der Strahlentherapie CT und MRT Bilddaten kombiniert. Daraus ergeben sich allerdings mehrere Bildgebungssitzungen für die Patienten, erhöhte Kosten und insbesondere Unsicherheiten bei der Bildregistrierung, die zu Dosisfehlern führen. Außerdem wird bei einem CT-Scan ein großer Teil des Patienten unerwünschter ionisierender Strahlung ausgesetzt, was tägliche CT-Scans vor der Behandlung, welche die Anatomie an diesem Tag widerspiegeln, begrenzt. Aktuelle Studien deuten darauf hin, dass eine rein MRT-basierte (MRI-only) Strahlentherapie (d.h. ohne CT-Bilder) diese Einschränkungen überwinden kann und eine adaptive Online-Strahlentherapie auf täglichen MRT-Bildern ermöglicht. Diese Erfolge bei der Photonen-basierten Strahlentherapie (z. B. MR-Linac) haben zu aktiver Forschung und Entwicklung angeregt, um auch die MRI-only Protonentherapie Wirklichkeit werden zu lassen. Insbesondere die genaue Berechnung der Protonendosis auf MRT Daten und die Möglichkeit, zu testen, ob diese von ausreichender Qualität ist, sind für das Fachgebiet aber auch im Hinblick auf den Patientenkomfort von großer Bedeutung und würden unterschiedliche Behandlungswege für Krebspatienten ermöglichen. Ziel dieses Projekts ist die a) Entwicklung, b) Integration und c) Erprobung von Softwarelösungen für die genaue MRI-only Protonendosisberechnung für klinische Szenarien auf Grundlage fortgeschrittener Deep-Learning (DL) Techniken. Ein Schwerpunkt liegt sowohl auf Abschätzung und Berücksichtigung von Unsicherheiten der vorhergesagten Dosis als auch auf klinischer Anwendbarkeit. Für die Entwicklung (a) werden drei DL-basierte, MRI-only Dosisberechnungsmethoden und neuartige Ansätze zur Abschätzung der zugehörigen Dosisfehler etabliert. Für die Integration (b) werden diese in ein Behandlungsplanungssystem (TPS) implementieren und zusammen mit den Unsicherheitsabschätzungen in eine neuartige Szenario-basierte robuste Optimierung integriert. Für den klinischen Test (c) wird zudem eine robuste MRI-only Dosisoptimierung im klinischen TPS etabliert und untersucht, um wie viel der Gesamtdosisfehler im Vergleich zur klinischen CT-basierten Protonenplanung reduziert werden kann.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Dr. Michael Kamp; Professor Dr. Jens Kleesiek