Wie lässt sich ohne Qualitätsverluste die Effizienz steigern?
Strahlentherapie (ST) wird – von der Planung bis zur Durchführung der Behandlung – immer komplexer. Sie erfordert eine umfangreiche Interaktion zwischen verschiedenen Fachleuten und Maschinen. Außerdem verlangt sie hohe Präzision bei allen Schritten des Prozesses, die in der Regel arbeitsintensiv und zeitaufwendig sind.
Unterschiedliche neue Ansätze sollen dabei helfen, die Herausforderungen der Behandlungsplanung zu bewältigen, ebenso wie zahlreiche Qualitätssicherungsmaßnahmen durchgeführt werden, um eine hohe Qualität der Behandlung zu gewährleisten und mögliche Fehler im Behandlungsprozess zu erkennen und zu vermeiden.
So bieten die jüngsten Entwicklungen im Bereich der künstlichen Intelligenz (KI) der Strahlenonkologie potenzielle Instrumente zur Verbesserung von Effizienz und Leistung im Rahmen des Qualitätssicherungsprozesses. KI-Tools können Effizienz, Genauigkeit und Qualitätssicherung der Strahlentherapie verbessern. Solche Tools können in allen Phasen der Betreuung eines Patienten eingesetzt werden, von der Diagnose über die Behandlung bis hin zur Nachsorge, was zu einer noch nie dagewesenen Verbesserung der Automatisierung führt.
Der ST-Behandlungsprozess lässt sich in die Bereiche Bildgebung, Segmentierung des Ziels und der Risikoorgane (OAR), Erstellung des Behandlungsplans, Onboard-Bildgebung, Durchführung der Behandlung und Qualitätssicherungsprüfungen unterteilen. Die Automatisierung folgt in der Regel demselben Arbeitsablauf, wobei jede Aufgabe separat automatisiert wird.
Die größte Unsicherheit bei der Planung der Strahlentherapie liegt bei den meisten Tumorlokalisationen nachweislich in der Kontur des Zielvolumens, was zu systematischen Fehlern bei der Dosierung führen und die lokale Krankheitskontrolle beeinträchtigen kann. Dabei ist zu bedenken, dass die manuelle Segmentierung (oder Konturierung) des Ziels und der OAR eine zeitaufwendige und höchst subjektive Aufgabe ist, die den Kern der ST-Planung darstellt. Durch den Einsatz des automatischen Konturierungstools ist es möglich, den Zeitaufwand für die Erstellung von OAR-Konturen bei einem Patienten drastisch zu reduzieren und gleichzeitig die Konsistenz der Konturen zwischen den Ärzten zu verbessern.
Das Ziel der Automatisierung der Behandlungsplanung in der Strahlentherapie ist Standardisierung und Effizienz. Unerwünschte Abweichungen innerhalb eines Patienten und einer Einrichtung sollen reduziert und gleichzeitig die Effizienz erhöht und damit die Behandlungsdauer verkürzt werden.
Gleichzeitig weiß man, dass eine große Anzahl von Patienten und oft begrenzte Behandlungsplanungsressourcen in den Kliniken dem Streben nach qualitativ hochwertigen und individuellen Behandlungen entgegenstehen können. Das Potenzial, ohne Qualitätsverluste die Produktivität zu steigern, ist eine zentrale Säule bei der Automatisierung. Es wurden bereits mehrere vollautomatische Arbeitsabläufe für die Erstellung von Plänen entwickelt, darunter die automatische Segmentierung von Risikoorganen, die automatische Konfiguration von Strahlen mit Gantry-Optimierung und Kollimatorwinkeln sowie die automatische Erstellung von Zielfunktionen.
Die wissensbasierte Planung, bei der Daten aus früheren Fällen verwendet werden, um die Parameter für die aktuelle Patientenplanung zu ermitteln, hat sich als leistungsfähiges Instrument zur Beschleunigung des ST-Planungsprozesses erwiesen. Sie ist umso wichtiger, wenn hochpräzise Behandlungsverfahren wie die stereotaktische Körperbestrahlung (SBRT) geplant werden müssen, was oft Stunden oder sogar Tage in Anspruch nimmt.
Durch diese Prozessverbesserungen und die Einführung aufgabenspezifischer Hilfsmittel konnte die Zeit für die Behandlung der Patienten verkürzt und die Gesamtplanungszeit von der Bildgebung bis zur Behandlung reduziert werden.
Zusammenfassend lässt sich sagen, dass die Integration von KI in ST-Prozesse es Strahlentherapeuten ermöglichen kann, mehr Zeit für die Patientenberatung aufzuwenden und gleichzeitig die Effizienz des Strahlentherapieprozesses zu optimieren und zu verbessern. Außerdem bleibt Dosimetristen, Physikern und RTT dadurch mehr Zeit, um neue Techniken zu erlernen und sich weiterzubilden.
Ana Raquel Coutinho
ePlanning Service Delivery Manager
