Analytische probabilistische Bestrahlungsplanung

• Antragsteller: Dr. Mark Bangert; Professor Dr. Philipp Hennig
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung von 2014 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 265744405

Wir beantragen Förderung eines dreijährigen Forschungsvorhabens, um gemeinsame Arbeiten zur analytischen probabilistischen Modellierung (APM) in der Bestrahlungsplanung auszubauen.Im Rahmen einer klinischen Bestrahlungsplanung werden Unsicherheiten, die z.B. während der Patientenimmobilisierung, bei der Definition des Zielvolumens oder durch inter- und intrafraktionelle Bewegung entstehen, derzeit nicht explizit modelliert. Nachdem geometrische Unsicherheiten weitestgehend durch Image Guidance reduziert wurden, finden ausschließlich Sicherheitssäume (Margin Recipes) Anwendung um Unsicherheiten zu kompensieren. Dieser generische Ansatz gefährdet im Einzelfall eine erfolgreiche Bestrahlung: Ein einheitlicher Sicherheitssaum kann zu unnötiger Bestrahlung gesunden Gewebes führen und ist unzureichend, um 'Cold spots' innerhalb des Tumors zu verhindern. Mathematische Ansätze zur patientenspezifischen Quantifizierung und Minimierung von Unsicherheiten werden klinisch nicht angewendet auf Grund von funktionellen Unzulänglichkeiten und untragbaren Rechenzeiten.Wir planen diese Lücke in der klinischen Modellierung von Unsicherheiten zu schließen, durch die Entwicklung einer Forschungsplattform für probabilistische Bestrahlungsplanung für Protonen und Kohlenstoff Ionen auf der Basis von APM.APM ermöglicht die analytische Berechnung probabilistischer Eigenschaften intensitäts-modulierter Dosisverteilungen. Die algebraisch geschlossene Form hat grundlegende Vorteile für die Quantifizierung und Minimierung von Unsicherheiten:1. Die Qualität aller numerischen Berechnungen kann explizit kontrolliert und evaluiert werden. APM wird von algorithmischen Unsicherheiten (z.B. statistischen Schwankungen) nicht beeinträchtigt.2. APM berücksichtigt automatisch komplexe Korrelationsmodelle der Unsicherheiten und den unterschiedlichen Einfluss von systematischen und stochastischen Unsicherheiten bei Fraktionierung.3. APM ermöglicht die analytische Formulierung und Differenzierung von bestehenden und neuartigen probabilistischen Objectives, und dadurch deren effiziente Optimierung.4. Der Output von APM ist eine Gaußsche Wahrscheinlichkeitsdichte, was eine geschlossene Fehlerfortpflanzung im Rahmen der Bestrahlungsplanung ermöglicht.Wir verfolgen zwei Forschungsziele:1. Entwicklung eines probabilistischen Planungsverfahrens für Kohlenstoff Ionen basierend auf APM unter Einbeziehung der damit verbundenen Unsicherheiten in der biologischen Modellierung.2. Darstellung und inverse Spezifikation von Unsicherheiten in Planqualitätsindikatoren zur direkten klinischen Entscheidungsfindung und Bestrahlungsplanung.Indem wir mögliche Diskrepanzen zwischen der Planung und der Bestrahlung modellieren und minimieren, wollen wir dazu beitragen, lokales Versagen der Therapie zu vermeiden und Nebenwirkungen zu reduzieren.

• DFG-Verfahren: Sachbeihilfen
• Kooperationspartner: Professor Dr. Christian Peter Karger; Privatdozent Dr. Florian Sterzing