Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMWir entwickeln im Projekt »KI-ROBUST« gemeinsam mit Partnern aus Forschung und Medizin mathematische Methoden und KI-Verfahren, die das Planen von Strahlentherapien schneller, sicherer und zuverlässiger machen. Ziel ist es, Ärztinnen und Ärzte bei der Behandlung von Krebspatientinnen und -patienten zu unterstützen, Unsicherheiten besser zu berücksichtigen und die Qualität der Therapie weiter zu verbessern.
Projekt »KI-ROBUST«: Künstliche Intelligenz und Robuste Optimierung für den Umgang mit Unsicherheiten in der Strahlentherapie: Wie können wir Strahlentherapie schneller, präziser und verlässlicher machen, gerade bei steigenden Zahlen von Patientinnen und Patienten und immer komplexeren Daten?
Im Projekt »KI-ROBUST« kombinieren wir erklärbare Künstliche Intelligenz mit mathematischer Optimierung. So lassen sich Unsicherheiten in medizinischen Bilddaten besser verstehen und bei der Therapieplanung berücksichtigen. Das schafft die Grundlage für effizientere Abläufe und eine noch präzisere Krebsbehandlung.
© iStockphoto
Sichere und effiziente Strahlentherapie durch KI und robuste Optimierung
Projekt »KI-ROBUST«: Künstliche Intelligenz und Robuste Optimierung für den Umgang mit Unsicherheiten in der Strahlentherapie
Die Zahl der Krebserkrankungen steigt, während gleichzeitig Fachkräfte in Kliniken fehlen. Deshalb gewinnt die Automatisierung in der Strahlentherapieplanung zunehmend an Bedeutung. Moderne KI-Verfahren erkennen und markieren bereits heute Tumore und Organe auf medizinischen Bilddaten automatisch. Dennoch bestehen Unsicherheiten, etwa durch Bildrauschen, Bewegungen der Patientinnen und Patienten oder unklare Gewebegrenzen. Diese Unsicherheiten erschweren den Einsatz automatisierter Verfahren in der klinischen Praxis.
KI-Ergebnisse verständlich und nachvollziehbar machen
Gemeinsam mit unseren Projektpartnern entwickeln wir Verfahren, die Entscheidungen von KI-Systemen nachvollziehbar machen. Die KI soll nicht nur eine Kontur für Tumore oder empfindliche Organe vorschlagen, sondern auch erklären können, warum sie zu diesem Ergebnis kommt.
Darüber hinaus zeigen die Modelle automatisch Bereiche auf, in denen die Unsicherheit besonders groß ist. Ärztinnen und Ärzte können sich dadurch gezielt auf kritische Regionen konzentrieren, statt sämtliche Konturen manuell überprüfen zu müssen. Das spart Zeit und erhöht gleichzeitig die Sicherheit der Behandlung.
Unsere Expertise: Robuste Optimierung für bessere Therapiepläne
Unser Team entwickelt mathematische Methoden der robusten Optimierung. Dabei entstehen Bestrahlungspläne, die auch dann zuverlässig funktionieren, wenn Unsicherheiten in den zugrunde liegenden Daten auftreten.
Unsere Modelle analysieren gezielt, welche Unsicherheiten die Qualität eines Behandlungsplans besonders stark beeinflussen. Auf dieser Grundlage entstehen robuste Therapiepläne, die einen sinnvollen Ausgleich zwischen Behandlungsqualität und Sicherheit bieten. Gleichzeitig machen wir transparent, wie sich verschiedene Entscheidungen auf die Robustheit der Planung auswirken.
Invers-robuste multikriterielle Optimierung von Bestrahlungsplänen basierend auf unsicherheitsbewussten erklärbaren KI-Autosegmentierungsmodellen in der adaptiven Strahlentherapie.
Unsicherheiten während der gesamten Behandlung berücksichtigen
Die Behandlung von Krebspatientinnen und -patienten erstreckt sich häufig über mehrere Bestrahlungstermine. Während dieser Zeit können sich Tumore und Organe verändern oder verschieben. Solche Veränderungen beeinflussen die tatsächlich verabreichte Strahlendosis.
Wir entwickeln deshalb Verfahren, die bereits verabreichte Dosen sowie deren Unsicherheiten in die weitere Planung einbeziehen. So lassen sich Bestrahlungspläne kontinuierlich an neue Gegebenheiten anpassen. Ziel ist eine möglichst präzise und sichere Behandlung über den gesamten Therapieverlauf hinweg.
KI und mathematische Optimierung intelligent kombinieren
Die Berechnung robuster Therapiepläne erfordert komplexe Optimierungsverfahren. Daher erforschen wir neue Ansätze, die Künstliche Intelligenz mit mathematischen Optimierungsmethoden verbinden.
Durch diese Kombination lassen sich Berechnungen deutlich beschleunigen, ohne die Qualität der Ergebnisse zu beeinträchtigen. Gleichzeitig schaffen wir die Grundlage für erklärbare und verlässliche Entscheidungsunterstützung in klinischen Anwendungen.
Ausblick und Nutzen für Patientinnen und Patienten
Das Projekt leistet einen Beitrag zu einer effizienteren und präziseren Krebsbehandlung. Verständliche KI-Verfahren und robuste Optimierung helfen dabei, Unsicherheiten besser zu beherrschen und Behandlungspläne zuverlässiger zu gestalten.
Langfristig sollen die entwickelten Methoden in klinische Softwarelösungen einfließen. Dadurch könnten künftig mehr Patientinnen und Patienten von einer hochwertigen und individuell angepassten Strahlentherapie profitieren.
Unsere Partner aus Forschung, Klinik und Industrie
Das Verbundprojekt vereint Expertise aus Mathematik, Künstlicher Intelligenz und Strahlentherapie.
Zeiteffiziente, robuste Optimierung von adaptiven Strahlentherapieplänen unter Berücksichtigung der akkumulierten Dosis mit KI-basierter Unsicherheitsabschätzung.
- Ludwig-Maximilians-Universität München (MFAI) bringt ihre Expertise in den mathematischen Grundlagen der Künstlichen Intelligenz ein und entwickelt Methoden für zuverlässige und erklärbare KI-Systeme.
- LMU Klinikum München, Adaptive Radiotherapy Lab erforscht KI-basierte Verfahren für die bildgeführte adaptive Strahlentherapie und bewertet die entwickelten Methoden an klinischen Daten.
- Brainlab begleitet das Projekt als Anwendungspartner und bringt seine Expertise in klinischen Softwarelösungen für die Strahlentherapie ein.
- Varian Medical Systems, ein Unternehmen von Siemens Healthineers, unterstützt das Projekt mit Erfahrung in der Entwicklung und Umsetzung moderner Bestrahlungsplanungssysteme.
Projektförderung und -laufzeit
Das Projekt wird vom Bundesministerium für Bildung, Forschung und Technologie (BMFTR) durch das Programm »Mathematik für Innovationen« gefördert. Die Laufzeit ist vom 1. Februar 2026 bis zum 31. Januar 2029 angelegt.