Implementierung und Anwendung von KI in der Radioonkologie

Durch künstliche Intelligenz (KI) gesteuerte Softwarewerkzeuge automatisieren und optimieren Arbeitsprozesse sowie die Datenanalyse, wodurch nicht nur die Behandlungsplanung verbessert wird, sondern auch maßgeschneiderte Therapieansätze ermöglicht werden, die letztendlich zur Präzision und Personalisierung der Radiotherapie beitragen.

Radiotherapie und Technologie

Die Radiotherapie ist seit ihrer Etablierung im frühen 20. Jahrhundert vom physikalischen und technologischen Fortschritt geprägt. Die Einführung der Computertomografie (CT) in den 1990er-Jahren revolutionierte die Planung und Durchführung von Therapien durch dreidimensionale Patientenmodelle, wodurch eine individuelle Anpassung an die anatomische Präzision möglich wurde. Die späten 1990er-­Jahre sahen die Einführung der intensitätsmodulierten Strahlentherapie (IMRT) und später der volumetrisch modulierten Rotationsbestrahlung (VMAT), welche die Basis für die heutige Hochpräzisionstherapie durch Formung des Hochdosisbereichs auch bei komplexesten Tumorausdehnungen bildet. Parallel dazu ermöglichte die Integration von röntgenbasierten Bildgebungsmodalitäten in Linearbeschleuniger, auf anatomische Veränderungen zu reagieren. Durch Bildgebung unmittelbar vor der Therapie mit Patient:innen in Therapieposition konnte die Schonung von gesundem Gewebe maßgeblich verbessert werden oder kurzfristige anatomische Veränderungen wie die der Atembewegung erfasst werden.
Diese technologischen Fortschritte ermöglichen es, ein immer genaueres Bild der Patient:innen zu gewinnen. Gleichzeitig stellt dieser wachsende Informationsgewinn eine neue Herausforderung dar, um diese vielfältigen Daten auch zielgerichtet zu verarbeiten, zu analysieren und sinnvoll für eine laufende Anpassung und Veränderung der Therapie – wenn notwendig – einzusetzen. Methoden der künstlichen Intelligenz bieten hier eine entscheidende Unterstützung, indem sie die Verarbeitung dieser umfangreichen Datenmengen ermöglichen und dabei helfen, aus den Daten Actionable Insights zu gewinnen. KI-­ge­steuerte Softwarewerkzeuge automatisieren und optimieren Arbeitsprozesse sowie die Datenanalyse, wodurch nicht nur die Behandlungsplanung verbessert wird, sondern auch maßgeschneiderte Therapieansätze ermöglicht werden, die letztendlich zur Präzision und Personalisierung der Radiotherapie beitragen.

Integration von KI in den Workflow der Radiotherapie

Die Integration von KI in unseren Alltag und in die moderne Medizin zeigt deutliche Parallelen in der Anwendung von Technologien. Im Alltag wird KI oft unbewusst – sei es bei der Empfehlung von Produkten im Online-Handel, bei der Auswahl von Filmen auf Streaming-­Plattformen oder in der Optimierung von Routen für Urlaubsreisen oder den lokalen Ausflug – verwendet. Diese Anwendungen nutzen komplexe Algorithmen, um unsere Präferenzen zu analysieren und personalisierte Vorschläge zu liefern.
Ähnliche Technologien finden Einsatz in der Medizin, insbesondere in der Radiotherapie, und werden bereits seit zehn Jahren intensiv erforscht und seit einigen Jahren in Studien erprobt. KI-basierte zertifizierte Medizinprodukte, die in den letzten drei Jahren verstärkt in die Patientenversorgung integriert wurden, nutzen ebenfalls Algorithmen, um diagnostische und therapeutische Entscheidungen zu optimieren.
Convolutional Neural Networks (CNN), eine Form der tiefgehenden neuronalen Netzwerke, illustrieren diese Analogie besonders deutlich. Ursprünglich für Bereiche wie beispielsweise die Gesichtserkennung und das autonome Fahren entwickelt, werden sie heute in der Radiotherapie angewendet, um aus CT-Bildern präzise anatomische Karten zu generieren. Diese ermöglichen es, die optimale Bestrahlungsroute zu bestimmen, ähnlich wie Navigationssysteme die beste Fahrtroute vorschlagen.
Des Weiteren ermöglicht KI eine präzisere Behandlungsplanung und -durchführung. Sie beschleunigt und standardisiert nicht nur Routinetätigkeiten durch die automatisierte Verarbeitung von Bildgebungsdaten, sondern lässt auch neuartige Herangehensweisen in der Patientenversorgung zu, die ohne die fortschrittliche Datenanalyse undenkbar wären. Diese Übertragung von Methoden aus dem Alltagsgebrauch der KI auf medizinische Anwendungen führt zu einer präziseren, sichereren und zunehmend personalisierten Radiotherapie.
Die fortlaufende Entwicklung und Implementierung von KI verspricht, die Behandlungsergebnisse in der Radiotherapie weiter zu verbessern und legt den Grundstein für zukünftige Innovationen in der Krebsbehandlung. Eine Übersicht über die Einsatzgebiete geben die Abbildung und folgende Anwendungsbeispiele.

Anwendungsgebiete und Vorteile

KI wird in der Radioonkologie primär zu zwei Zwecken eingesetzt: Automatisierung repetitiver Prozesse und Unterstützung bei therapierelevanten Entscheidungen, die aufgrund der Komplexität der zugrunde liegenden Daten besser durch ein KI-System erfasst werden können. Ein klassisches Beispiel im Bereich der Automatisierung ist die automatische Konturierung von Risikostrukturen. An unserer Universitätsklinik für Radioonkologie wird diese Technik bereits bei sämtlichen Patient:innen angewendet. Die eingesetzte Software wurde nach sorgfältiger Evaluation über Monate hinweg ausgewählt und ermöglicht eine effiziente Automatisierung dieser repetitiven Aufgabe.2 Dadurch werden Ressourcen geschont, und gleichzeitig werden Konturen von konsistenterer Qualität erstellt. Dies verbessert die Behandlungsqualität und -sicherheit für unsere Patient:innen erheblich. Um den Behandlungserfolg zu überwachen, setzen wir an unserer Klinik eine eigens entwickelte Applikation ein. Diese ermöglicht es, patientenbezogene Ergebnisdaten (PROMs) zu erfassen, indem Patient:innen ihre Symptome und ihr Befinden über eine webbasierte Applikation auf dem Smartphone beantworten.³ Durch diese kontinuierliche Erhebung von Patientendaten können wir den Therapieverlauf präzise nachverfolgen und bei Bedarf rechtzeitig Anpassungen vornehmen, was zu einer weiteren Verbesserung der Behandlungsqualität beiträgt.
Ähnliche KI-Tools werden für die Bestrahlungsplanung entwickelt, wobei bisher nur wenige zertifizierte Produkte verfügbar sind.4 Ebenso gilt dies für KI-Modelle zur Qualitätssicherung, die die Bewegung des Tumors (z. B. bei Lungenbehandlungen) nachverfolgen oder anatomische Veränderungen während des Therapieverlaufs berücksichtigen.
Viele Anwendungen, die bei Therapieentscheidungen und -unterstützung zum Einsatz kommen oder den Behandlungserfolg vorhersagen sollen, befinden sich noch im Studienstatus. Prototypen werden derzeit in klinischen Studien auf ihren praktischen Nutzen überprüft, um zukünftige Behandlungsergebnisse weiter zu verbessern. Durch die Integration solcher fortschrittlichen KI-Modelle in klinische Abläufe könnten personalisierte und präzise Therapieansätze erheblich gestärkt werden.

Herausforderungen bei der Implementierung von KI

Die Wirksamkeit von KI-Systemen hängt stark von der Qualität und Quantität der verfügbaren Daten ab. Unvollständige oder verzerrte Datensätze können zu fehlerhaften oder suboptimalen Ergebnissen führen.
Die Integration von KI in die bestehenden klinischen Abläufe und Systeme stellt eine technische Herausforderung dar. Kompatibilitätsprobleme können die Effizienz beeinträchtigen und zusätzliche Kosten verursachen. Das medizinische Personal aller Berufsgruppen – d. h. Medizin, Medizin-Physik und Radiologietechnologie, Pflege und Psychoonkologie – muss entsprechend geschult werden, um KI-gestützte Systeme effektiv nutzen zu können. Zudem kann die Akzeptanz von KI bei Fachpersonal und Patient:innen variieren, sodass die Adoption dieser Technologien beeinflusst werden kann.
Darüber hinaus sind auch die Kontrolle, Risikoabschätzung und Qualitätssicherung von KI-Modellen ein wichtiges Themenfeld, auf das sich das medizinische Personal einstellen muss. Bei Fehlern oder Unfällen, die aus KI-gesteuerten Entscheidungen resultieren, ist die Frage der Verantwortlichkeit komplex. Die Klärung, ob Hersteller, Mediziner:innen oder das KI-System selbst verantwortlich sind, bleibt eine rechtliche und ethische Herausforderung. Entscheidungen von KI-Systemen müssen nachvollziehbar und überprüfbar sein, besonders in einem so kritischen Bereich wie der Radiotherapie. Dies erfordert, dass KI-Systeme so gestaltet werden, dass sie ihre Entscheidungsprozesse offenlegen können.
Der Schutz der Privatsphäre von Patientendaten ist von höchster Bedeutung. KI-Systeme, die auf große Datenmengen zugreifen, müssen sicherstellen, dass diese Informationen vertraulich behandelt und vor unbefugtem Zugriff geschützt werden. KI-Systeme können vorhandene Vorurteile in den Trainingsdaten widerspiegeln. Es ist entscheidend, Mechanismen zu implementieren, die den Bias minimieren und faire, unvoreingenommene medizinische Empfehlungen gewährleisten.

Zusammenfassung

Die breite Integration von KI in die Radiotherapie kann durch bereits zugelassene Medizinprodukte erfolgen und hat das Potenzial, die Behandlung von Krebserkrankungen erheblich zu verbessern.

Referenzen: (1) Huynh E et al., Nat Rev Clin Oncol 2020; 17:771–81 (2) Heilemann G et al., Phys Imaging Radiat Oncol 2023; 28:100515 (3) Heilemann G et al., Clin Transl Radiat Oncol 2023; 39:100572 (4) Heilemann G et al., Med Phys 2023; 50:5088–94