Krebs: Wie KI-Architekten die Strahlentherapie der Zukunft bauen

Die Strahlentherapie¹ bei Krebs ist ein komplexer Prozess. Er umfasst unterschiedliche Arbeitsschritte und Technologien. Vor allem die Bestrahlungsplanung dauert lang: Aktuell etwa zwei Wochen von der Verschreibung bis zum tatsächlichen Start der Behandlung. „In einigen Fällen kann der Zeitfaktor beim Thema Krebs über Leben und Tod entscheiden“, sagt Fernando Vega ernst.

Seine Kolleg*innen und er haben genau dieser Wartezeit den Kampf angesagt. Während KI-trainierte Large-Language-Modelle im Begriff sind, die sprachliche Interaktion zwischen Mensch und Maschine zu revolutionieren, arbeiten Vega und Team in engem Austausch mit klinischen Partner*innen an einer KI-Revolution der ganz anderen, stilleren Art.

Vega sitzt konzentriert vor seinem Computer. Auf den Monitoren CT-, PET-CT und MRT-Scans eines Krebspatienten. Heller und auf den Bildern deutlich abgesetzt zu sehen der Tumor, der in der linken Gehirnhälfte wuchert.

Fernando Vega, der aus Kolumbien stammt, ist Informatiker und Spezialist für medizinische Bildverarbeitung und Software-Applikationen. Bei Siemens Healthineers leitet er den Bereich „Software & Concept Definition Cancer Therapy Imaging“ des Geschäftsbereiches Varian: „Die Frage, die wir uns aktuell stellen, ist: Wie können wir den gesamten Workflow der Strahlentherapie beschleunigen und optimieren – mit Hilfe von KI?“

Auf diese Frage will Vega gemeinsam mit einem großen Team aus Kolleg*innen verschiedener Geschäftsbereiche eine Antwort finden. Siemens Healthineers bietet heute schon ein umfassendes Portfolio an Geräten und Systemen für die Strahlentherapie. Doch KI- Vernetzung soll bald noch viel mehr möglich machen:

Im ersten Schritt begutachtet der*die Radioonkolog*in² die Vorbefunde und bespricht die Chancen, Risiken und Art der Bestrahlung mit dem*der Krebspatient*in.

Der*die Radioonkolog*in gibt diese Informationen in ein Onkologie-Informationssystem ein. Anschließend vereinbart die Sprechstundenhilfe mit dem*der Patient*in einen Termin für die Bildgebung, denn hochpräzise medizinische Bilder sind die Basis für die weitere Behandlung. Im Idealfall erhält der*die Patient*in nach einigen Tagen Wartezeit den Termin. Damit wäre der erste Schritt beendet.

Fernando Vega erklärt, wie das Szenario in dem durch KI verbesserten Workflow ablaufen würde: Die ersten Teilschritte – also das Patient*innengespräch und die Verschreibung der Bestrahlung bis hin zur Eingabe ins Informationssystem – blieben gleich. Doch die Terminvergabe würde über die KI im Onkologie-Informationssystem geregelt, so Vega: „Die KI wüsste auf Basis der eingegebenen Informationen bereits genau, welche Art Scan der*die Patient*in braucht und könnte ggf. auch einsehen, welcher passende Scanner als nächstes frei ist. So könnten Wartezeiten verringert werden.“

Als Teil des Planungsprozesses erfolgt die Konturierung, ein aufwändiger und langwieriger Arbeitsschritt. Auf den medizinischen Bildern (den CT, PET-CT und/oder MRT-Scans) wird der zu behandelnde Bereich, also zum Beispiel die Tumore, von dem umliegenden gesunden Gewebe abgegrenzt. Die Risikoorgane, die bei der Bestrahlung geschont werden sollen – die „Organs-at-Risk“ oder kurz OARs – werden herausgearbeitet.

Im klinischen Alltag übernähmen die Konturierung der OARs je nach Land und Klinik Assistenzärzte oder -ärztinnen der Strahlentherapie, MTRA, Medizinphysiker³, oder medizinische Dosimetrist*innen, erklärt Vega. Der manuelle Prozess sei jedoch fehleranfällig. Zu Verbesserungen könne heute bereits eine Autokonturierung führen, also eine automatisierte Konturierung der OARs.

Und was könnten die Wissenschaftler*innen hier durch den geplanten KI-gestützten Ablauf verbessern? „Wir könnten die Wartezeiten für alle Beteiligten auf ein Minimum reduzieren und die Therapie noch individueller auf den*die Patient*in abstimmen“, sagt Vega:

Die KI könne die Koordination zwischen den Planungsschritten verbessern. Durch die zuvor optimal auf die Erfordernisse des*der jeweiligen Patient*in und die jeweilige Therapie eingestellten Scanner könnten Fehler bei der Konturierung reduziert werden. Zudem könnten aus der personalisierten Bildgebung noch genauere Informationen für die Planung gewonnen werden, zum Beispiel zur Tumorbewegung, zur Tumorzellenverbreitung oder zur Wahrscheinlichkeit des Therapieerfolgs.

Basierend auf den Resultaten einer präzisen Autokonturierung könnte eine Planungssoftware für Strahlentherapie automatisch die korrekte Dosisverteilung berechnen. Über das alle Arbeitsschritte begleitende, KI-gesteuerte Onkologie-Informationssystem würde der*die Radioonkolog*in automatisch den Hinweis bekommen, dass die Pläne bereit sind für die abschließende Bewertung.

Das Team, das die Bestrahlung plant, würde über das Informationssystem in Echtzeit erfahren, welche Bestrahlungsplanung bereits abgeschlossen ist. Es könnte dem*der jeweiligen Patient*in unter Berücksichtigung der verfügbaren Systeme und des verfügbaren Personals den frühestmöglichen Termin zur Bestrahlung geben. Insgesamt würden bei der Erstellung des Bestrahlungsplans nicht nur das „Aufgaben-Ping-Pong“ und damit Wartezeiten reduziert, sondern auch potenzielle Fehlerquellen.

Dann erklärt Vega, wie Schritt vier des Gesamtprozesses derzeit abläuft: die eigentliche Bestrahlung. Mit einem Linearbeschleuniger⁴ (LINAC) wird der Tumor mit Gammastrahlen behandelt. Das Ziel: die Krebszellen zu zerstören bzw. an der erneuten Teilung zu hindern. Die Behandlungstermine mit den Teildosen erstrecken sich meist über mehrere Wochen.

Wie könnte die KI den Ablauf bei der Bestrahlung selbst verbessern? „Sie könnte beispielsweise bei Lungenkrebs die Tumore automatisch im Bild erkennen und die Bestrahlung in Echtzeit an die Atembewegungen anpassen. So könnten wir ein noch präziseres Ergebnis bekommen“, erklärt Vega.

Zusammenfassend lässt sich sagen: Heute gibt es bei der Bestrahlungsplanung deutliche Zeitverluste dadurch, dass das medizinische Team verschiedene Systeme und Workflows miteinander koordinieren muss. Der Prozess dauert im Schnitt mehrere Wochen.

Wenn all diese Systeme dank KI künftig „wie ein einziges“ denken könnten, gäbe es praktisch keine unnötigen Wartezeiten mehr, sagt Vega: „Unsere Vision ist, dass es dann von der Verschreibung bis zum Beginn der tatsächlichen Bestrahlung nur noch wenige Stunden dauert.“

Zudem könne die KI die Therapie insgesamt noch individueller auf den*die Patient*in anpassen, was zu besseren Behandlungsergebnissen führen – und so, in Kombination mit dem Zeitgewinn, Leben verlängern könnte.
Auch für den klinischen Alltag ergäben sich Vorteile: Die KI kann wiederkehrende Aufgaben beschleunigen. Sie kann das Klinikpersonal entlasten und durch mehr Effizienz zu Kosteneinsparungen beitragen. 

Eines ist klar: Im Alleingang lässt sich ein Vorhaben wie dieses, das so viele Arbeitsschritte, unterschiedliche Geräte und Systeme umfasst, nicht umsetzen. Dazu braucht es viele kluge Köpfe, weiß Fernando Vega, der auch gleich los muss zum anstehenden Video-Call mit seinen internationalen Kolleg*innen.

„Wir haben noch einen weiten Weg zu gehen, bis wir unsere Vision vollständig in unsere Geräte und Systeme implementieren können.“ Darüber ist sich Vega bewusst. Zumal das Vorentwicklungsprojekt skalierbar wäre: Zukünftig könnten weitere Bereiche wie die Bildgebung für die Krebs-Früherkennung und die Labordiagnostik in den KI-optimierten Workflow integriert werden. Mit dem Ziel eine stabile, vernetzte Lösung für Krebszentren zu schaffen, die eine umfassende und nahtlose Versorgung ermöglicht: Entlang des gesamten Krebs-Behandlungspfades – von der Früherkennung bis zur Nachsorge.

Vollblut-Innovator Fernando Vega, der sogar beim Joggen nach Feierabend noch gerne KI-Hörbücher hört, ist in jedem Fall von Künstlicher Intelligenz und ihrem Zukunftspotenzial fasziniert. Und bleibt doch stets umsichtig:

© Fotografie: Markus Ulbrich
© Video: Lisa Fiedler (Kamera, Schnitt); Markus Ulbrich (Kamera); Cagdas Cubuk (Kamera, Ton); Katja Gäbelein (Konzept, Regie) 
© Motion Graphics: Viola Wolfermann