Verbesserung der Risikobewertung und Therapieplanung für Patienten mit Hirnmetastasen: Entwicklung und Validierung von KI-Modellen in der AURORA Multicenter-Studie

• Antragsteller: Privatdozent Dr. Jan C. Peeken; Professor Dr. Daniel Rückert, Ph.D.; Privatdozent Dr. Benedikt Wiestler
• Fachliche Zuordnung: Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 504320104

Mit diesem Antrag wollen wir ein auf künstlicher Intelligenz (KI) basierendes System zur individualisierten Risikobewertung und Zielvolumendefinition für Patienten mit Hirnmetastasen entwickeln. Alle Patienten wurden primär operativ behandelt und haben eine adjuvante Strahlentherapie erhalten. Zu diesem Zweck wurden fünf Arbeitspakete definiert, um die für die Zielerreichung relevanten Forschungsfragen zu adressieren: (i) Zunächst wird eine kombinierte Präprozessierung- und KI-basierte Tumorsegmentierungspipeline unter Verwendung der multizentrischen retrospektiven "AURORA"-Studie implementiert. (ii) Darauf aufbauend werden KI-basierte Vorhersagemodelle für die lokale Kontrolle und entfernte Hirnkontrolle auf Basis prä-operativer Magnet Resonanz Tomographie (MRT)-Daten durch Anwendung moderner KI-Techniken und Radiomics Analysen entwickelt. Die Vorhersage dieser Endpunkte ist ein wichtiger Schritt hin zu einer personalisierten Behandlung von Hirnmetastasen-Patienten. Dabei wird der zusätzliche Nutzen von geometrischen Deep-Learning-Ansätzen (insbesondere Graphen-basierte Convolutional Neural Networks), die klinische und biologische Informationen mit Bildgebungsdaten integrieren, analysiert werden. (iii) Im nächsten Schritt werden neuartige longitudinale KI-Systeme entwickelt, die gleichzeitig prä- und postoperative MRT-Aufnahmen analysieren können. Der mögliche Mehrwert dieser longitudinalen Informationen für die prognostische Beurteilung von Patienten Hirnmetastasen wird so ermittelt. (iv) Die Segmentierung von Resektionshöhlen stellt einen wichtigen Schritt in der Therapieplanung der adjuvanten strahlentherapeutischen Behandlung von Hirnmetastasen dar. Um das Segmentierungsverfahren zu standardisieren und die aufgabenbezogene Arbeitszeit für Strahlentherapeuten zu reduzieren, werden wir basierend auf postoperativen MRT- und Computer Tomographie (CT)-Daten eine KI-basierte, modalitätsübergreifende Pipeline für die automatische Segmentierung von Resektionshöhlen, des klinischen Zielvolumens und von relevanten Risikoorganen entwickeln. (v) Schließlich werden die entwickelten Techniken und Modelle in einer End-zu-End-Softwarelösung als klinisches Entscheidungsunterstützungssystem integriert. Dieses System wird basierend auf klinischen und Bildgebungsdaten eine individualisierte Risikobewertung und eine automatisierte Zielvolumendefinition für die Strahlentherapie zur Verfügung stellen. Durch die verbesserte Risikobewertung könnte in Folge die weitere Therapie und Follow-Up Abläufe individualisiert werden. Um die Übertragbarkeit auf andere Krankenhäuser zu demonstrieren, wird das System anhand der multizentrischen Patientendaten der AURORA-Studie extern validiert werden. Alle Modelle werden der wissenschaftlichen Gemeinschaft online zu Verfügung gestellt.

• DFG-Verfahren: Sachbeihilfen