DE112019006950T5

DE112019006950T5 - Intelligente anpassung von optimierungseinstellungen zur strahlentherapie-behandlungsplanung unter verwendung von patientengeometrieinformationen und künstlicher intelligenz

Info

Publication number: DE112019006950T5
Application number: DE112019006950.0T
Authority: DE
Inventors: Christian Harrer; Wolfgang Ullrich
Original assignee: Brainlab AG
Current assignee: Brainlab AG
Priority date: 2019-03-01
Filing date: 2019-03-01
Publication date: 2021-12-23
Also published as: WO2020177844A1; EP3930832A1; US20220126116A1

Abstract

Mit Hilfe des KI-Moduls berechnet das Verfahren der vorliegenden Erfindung die Abhängigkeit Ci(pi) eines Strahlentherapie-(RT)-Qualitätskriteriums Ciaus einer Anpassung eines solchen Strahlentherapie-Planungsparameters Pj, d. h. sagt voraus. Auf diese Weise wird der Entscheidungsfindungsprozess bei der RT-Behandlungsplanoptimierung durch die Vorhersage vielversprechender Einstellungen eines oder mehrerer Strahlentherapie-Planungsparameter pioptimiert, bevor der eigentliche zeitintensive iterative Optimierungsprozess durchgeführt wird. Dies wird durch die Anwendung eines KI-Moduls erreicht, das darauf trainiert wurde, das spezifische Verhalten des Dosisoptimierungsalgorithmus, d. h. des Optimierers, in Bezug auf geometrische Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten vorherzusagen. So wird ein computerimplementiertes medizinisches Verfahren zur Vorhersage einer Abhängigkeit Ci(pi) eines Strahlentherapie-Qualitätskriteriums Ciaus einer Anpassung eines Strahlentherapie-Planungsparameters pibeschrieben. Das Verfahren umfasst die folgenden Schritte: Bereitstellen von geometrischen Patientendaten, die einen Bereich eines Patienten geometrisch beschreiben, der gemäß einem Strahlentherapie-Behandlungsplan bestrahlt werden soll (Schritt S1), Bereitstellen von Dosisvorgabedaten und Behandlungsindikationsdaten für den Patienten (Schritt S2), und Vorhersage der Abhängigkeit Ci(pi) des Strahlentherapie-Qualitätskriteriums Civon dem Strahlentherapie-Planungsparameter pimit einem trainierten künstliche Intelligenz (KI) -Modul, wenn der Strahlentherapie-Planungsparameter piangepasst wird, wobei die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul verwendet werden (Schritt S3).

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung betrifft ein Verfahren zur Verwendung von Künstlicher Intelligenz (KI) in Strahlentherapie (RT)-Behandlungsplanung. Insbesondere betrifft die vorliegende Erfindung ein computerimplementiertes medizinisches Verfahren zur Vorhersage einer Abhängigkeit C_i (p_i) eines Strahlentherapie-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters pi, ein entsprechendes Computerprogramm, ein nichttransitorisches Programmspeichermedium, das ein solches Programm speichert, und einen Computer zur Ausführung des Programms sowie ein Strahlentherapie-Behandlungsplanungssystem, das den vorgenannten Computer umfasst.
TECHNISCHER HINTERGRUND
Die heute verfügbare Software zur Strahlentherapie-Behandlungsplanung vereinfacht bereits komplexe Planungsroutinen und bietet Zugang zu hochentwickelten Behandlungsoptionen. Modernste Monte-Carlo-Dosisalgorithmen generieren beispielsweise innerhalb von Sekunden für konforme Strahlen- und dynamische Bogenbehandlungen und innerhalb von Minuten für komplexe IMRT-Fälle äußerst zuverlässige Dosisverteilungen. Nahtlose Integration einer solchen Software erlaubt ihren Gebrauch mit vielen verschiedenen Linearbeschleunigern und Multi-Lamellen-Kollimatoren (MLC), wodurch die Beschränkungen des Behandlungsbereichs durch herkömmliche Dosisberechnungsalgorithmen praktisch aufgehoben werden.
In Strahlentherapie-Behandlungsplanungssystemen oder -software nach dem Stand der Technik, wie z. B. dem Strahlentherapie-Behandlungsplanungselement Schädel/Wirbelsäule (VMAT-Planung), kann das Optimierungsergebnis, das im Allgemeinen als „RT-Behandlungsplan“ bezeichnet wird, typischerweise mit Schiebereglern durch den Benutzer modifiziert werden, je nach Benutzerpräferenzen und -anforderungen. Ein typisches Beispiel für die Anpassungen, die vom Benutzer mit den Schiebereglern vorgenommen werden können, ist die Anpassung des Trade-offs zwischen z. B. der Abdeckung des Planungszielvolumens (PTV) und der Schonung des gesunden Gewebes. Ein solcher Trade-Off wird als „Strahlentherapie-Planungsparameter p_i“ bezeichnet. Im Allgemeinen wird bei der Planung von Bestrahlungsbehandlungen im Bereich der Strahlentherapie und/oder Radiochirurgie ein Planungszielvolumen, das z. B. einen Tumor, eine Metastase und/oder Krebsgewebe oder eine andere zu behandelnde Läsion repräsentiert, zusammen mit einer gewünschten vorgegebenen Dosis angegeben. Die vorgegebene Dosis sollte vorzugsweise in mindestens einem Teilvolumen, auch Deckungsvolumen genannt, des Planungszielvolumens deponiert werden, um die biologische Wirksamkeit der Bestrahlung zu gewährleisten. Darüber hinaus können eine oder mehrere Einschränkungen, die während der Bestrahlung zu erfüllen sind, vom Anwender vorgegeben werden. Typischerweise kann ein Risikoorgan, das bei der Bestrahlung möglichst geschont werden soll oder das zumindest in einem Teilvolumen nicht mehr als eine zulässige Dosis erhalten soll, als Beschränkung angegeben werden. Anhand des vorgegebenen Planungszielvolumens, der vorgegebenen Dosis und der einen oder mehrere Beschränkungen wird in der Regel das Abdeckungsvolumen des Planungszielvolumens ermittelt und anschließend mit einem Optimierer ein entsprechender Bestrahlungsplan berechnet. Dieser Bestrahlungsbehandlungsplan kann dann verwendet werden, um die eigentliche Bestrahlungsbehandlung am Patienten durchzuführen.
Jeder durch den Optimierungsprozess erzeugte Behandlungsplan ist optimal in Bezug auf die aktuellen Anpassungen, d. h. die Schiebereglerstellungen in der Planungssoftware, mit denen ein „Strahlentherapie-Planungsparameter“ angepasst werden kann, z. B. der Trade-Off zwischen der Abdeckung des Planungszielvolumens (PTV) und der Schonung des gesunden Gewebes. Da der Optimierer, d. h. der Algorithmus, der einen Behandlungsplan auf der Grundlage der vom Benutzer gewählten Schiebereglerstellungen berechnet, jedoch mit widersprüchlichen Zielen zurechtkommen muss, ist die globale Wahl des optimalen Plans für den spezifischen Patienten nicht klar definiert und muss vom Benutzer getroffen werden.
Das Ausprobieren aller möglichen Schiebereglerstellungen und die Durchführung einer vollständigen Optimierung für jede Schiebereglerstellung kann jedoch sehr viel Zeit in Anspruch nehmen, z.B. bis zu 45 Minuten, je nach Komplexität des Einzelfalls. Die Erfinder der vorliegenden Erfindung haben festgestellt, dass sich die verschiedenen Optimierungsergebnisse bei einer großen Anzahl verschiedener Schiebereglerstellungskonfigurationen möglicherweise nicht wesentlich unterscheiden, was jedoch für den Benutzer nicht vorhersehbar ist.
Die Erfinder der vorliegenden Erfindung haben daher die Notwendigkeit erkannt, den Entscheidungsfindungsprozess bei der Optimierung von RT-Behandlungsplänen durch die Vorhersage vielversprechender Einstellungen für Strahlentherapie-Planungsparameter p_i, z. B. vielversprechende Schiebereglerstellungen in der RT-Planungssoftware, zu rationalisieren, bevor der eigentliche zeitintensive iterative Optimierungsprozess vom Optimierer genau durchgeführt wird.
Es ist daher wünschenswert, eine verbesserte RT-Behandlungsplanung bereitzustellen, die es z. B. ermöglicht, automatisch und präzise vorherzusagen, ob Änderungen bestimmter RT-Planungsparameter p_i, die häufig durch die Schieberegler der RT-Planungssoftware ausgedrückt und angepasst werden, wahrscheinlich eine signifikante Auswirkung auf einen oder mehrere Qualitätsparameter oder -kriterien C_i des Behandlungsplans haben werden. Der Qualitätsparameter oder das Kriterium C_i kann als eine Eigenschaft des Optimierungsergebnisses angesehen werden, die in gewissem Maße für den Benutzer wichtig ist.
Die vorliegende Erfindung kann für die Strahlentherapie oder radiochirurgische Verfahren verwendet werden, wie z.B. das stereotaktische Radiochirurgie-Behandlungsplanungssystem für den Schädel und die Wirbelsäule, z.B. in Verbindung mit einem System für die bildgesteuerte Strahlentherapie wie VERO® und ExacTrac®, alles Produkte der Brainlab AG oder TrueBeam von Varian.
Im Folgenden werden Aspekte der vorliegenden Erfindung, Ausführungsformen, Beispiele und beispielhafte Schritte offenbart. Verschiedene Ausführungsformen, Beispiele und beispielhafte Merkmale der Erfindung können erfindungsgemäß kombiniert werden, wo immer dies technisch zweckmäßig und möglich ist.
Darüber hinaus wird betont, dass jedes Merkmal, jedes Element und/oder jeder Schritt, die im Folgenden in Bezug auf einen Aspekt der Erfindung beschrieben werden, auch für jeden anderen Aspekt der Erfindung gelten.
BEISPIELHAFTE KURZBESCHREIBUNG DER ERFINDUNG
Die vorliegende Erfindung bietet einen neuen Weg zur Anpassung der Optimierungseinstellungen für die RT-Behandlungsplanung unter Verwendung von Patientengeometrieinformationen und künstlicher Intelligenz. Insbesondere sieht die vorliegende Erfindung ein computerimplementiertes medizinisches Verfahren zur Vorhersage einer Abhängigkeit C_i(p_i) eines Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i vor, wie nachfolgend im Detail beschrieben wird.
Das Verfahren der vorliegenden Erfindung berechnet, d. h. sagt voraus, die Abhängigkeit C_i (p_i) eines solchen Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines solchen Strahlentherapie-Planungsparameters p_i. Auf diese Weise wird der Entscheidungsfindungsprozess bei der RT-Behandlungsplanoptimierung durch die Vorhersage von vielversprechenden Einstellungen eines oder mehrerer Strahlentherapie-Planungsparameter p_i optimiert, bevor der eigentliche zeitintensive iterative Optimierungsprozess durchgeführt wird. Dies wird durch die Anwendung eines künstlichen Intelligenz (KI)-Moduls erreicht, das darauf trainiert wurde, das spezifische Verhalten des Dosisoptimierungsalgorithmus, d. h. des Optimierers, in Bezug auf geometrische Patientendaten vorherzusagen.
Mit anderen Worten, sagt das Verfahren eine Abhängigkeit C_i (p_i) eines Strahlentherapie-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i basierend auf Eingangsdaten voraus, die „geometrische Patientendaten“, „Vorgabedaten“ und „Behandlungsindikationsdaten“ umfassen.
Diese Daten werden als Eingang für das KI-Modul zur Vorhersage der Abhängigkeit C_i (p_i) verwendet. Mit diesem Verfahren lässt sich also vorhersagen, d. h. berechnen, ob in einem bestimmten Fall für eine bestimmte Patientengeometrie, eine bestimmte Dosisvorgabe und einen bestimmten Bereich des Parameterraums des RT-Planungsparameters p_i die Erkundung des gesamten möglichen Bereichs des Parameters p_i mit mehreren Optimierungen wahrscheinlich ein bestimmtes Qualitätskriterium C_i der resultierenden Dosisverteilung verändern oder signifikant verändern wird oder nicht.
Ist beispielsweise die vorhergesagte Abhängigkeit von C_i (p_i) nahezu flach, d. h. der Wert von C_i ändert sich nicht oder nur unwesentlich bei einer Variation von p_i in einem bestimmten Bereich, kann eine geringe Anzahl von Ankerpunkten ausreichen. Ein entsprechendes Beispiel ist in 4 zu sehen. Dieses Ergebnis des erfindungsgemäßen Verfahrens kann dann dazu verwendet werden, den Bereich des Parameters p_i einzugrenzen, in dem der nachfolgende zeitintensive iterative Optimierungsprozess durch den Optimierer akkurat durchgeführt wird. Darüber hinaus können mit dem vorgestellten Verfahren sogenannte „Ankerpunkte“, d.h. eine bestimmte Menge von Werten von pi, bestimmt werden, die als ausgewählte Werte von p_i verstanden werden können, die für den nachfolgenden finalen zeitintensiven iterativen Optimierungsprozess verwendet werden, anstatt des gesamten Bereichs von p_i. Im Falle einer Abhängigkeit von C_i (p_i), bei der C_i stark von einer Variation von p_i in einem bestimmten Bereich abhängt, kann dieses Ergebnis des Verfahrens für den endgültigen Optimierungsprozess verwendet werden, indem dieser Bereich berücksichtigt und nicht vernachlässigt wird. Auch dieses Szenario wird im Zusammenhang mit der Ausführungsform von 4 näher erläutert.
Im Allgemeinen bezieht sich der Begriff „Ankerpunkte“ somit in diesem Dokument auf die spezifischen p_i, d. h. die Koordinaten des Ankers im Parameterraum. Es sei jedoch darauf hingewiesen, dass „die Ankerpunkte“, wie sie hier beschrieben sind, auch die Dosisverteilungen sein können, die sich aus der Optimierung mit diesen spezifischen p_i ergeben.
Das vorgestellte computerimplementierte medizinische Verfahren zur Vorhersage der Abhängigkeit C_i (pi) eines Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i spart daher wertvolle Zeit und Berechnungskapazität im Gesamtprozess des Findens des endgültigen Behandlungsplans, der verwendet wird um den Patienten zu bestrahlen und zu behandeln.
Im Allgemeinen kann das in der vorliegenden Erfindung verwendete „Strahlentherapie-Qualitätskriterium C_i“ als ein qualitativer Parameter angesehen werden, der für eine Strahlentherapie-Dosisverteilung indikativ ist. Diese Strahlentherapie-Qualitätskriterien C_i werden typischerweise vom Arzt verwendet, um eine endgültige 3D-Dosisverteilung zu bewerten, die mit einem bestimmten Behandlungsplan erreicht wird. Das RT-Qualitätskriterium C_i kann zum Beispiel die RT-Abgabezeit, eine RT-Dosisbeschränkung und/oder eine RT-Volumenbeschränkung in Bezug auf ein Volumen innerhalb des Patienten sein. Weitere beispielhafte Ausführungsformen werden im Folgenden beschrieben. Darüber hinaus ist der „Strahlentherapie-Planungsparameter p_i“ ein Parameter, der typischerweise vom Benutzer der RT-Planungssoftware angepasst werden kann, um Beschränkungen für den RT-Behandlungsplan festzulegen und/oder den RT-Behandlungsplan zu definieren. Ein typisches Beispiel ist der Trade-Off zwischen der Abdeckung des Planungszielvolumens (PTV) und der Schonung des gesunden Gewebes. Andere beispielhafte Ausführungsformen des „Strahlentherapie-Planungsparameters p_i“ sind jedoch eine Gewichtung zwischen einem RT-Ziel und einem Risikoorgan (OAR) und ein Parameter, der den Grad der Modulation der Dynamik des Ergebnisses des RT-Behandlungsplans beschreibt. Weitere Ausführungsformen werden im Detail beschrieben.
Im Folgenden wird eine kurze Beschreibung der spezifischen Merkmale der vorliegenden Erfindung gegeben, die nicht so zu verstehen ist, dass die Erfindung nur auf die in diesem Abschnitt beschriebenen Merkmale oder eine Kombination der Merkmale beschränkt ist.
ALLGEMEINE BESCHREIBUNG DER ERFINDUNG
In diesem Abschnitt werden die allgemeinen Merkmale der vorliegenden Erfindung beschrieben, indem beispielsweise auf mögliche Ausführungsformen der Erfindung Bezug genommen wird.
Gemäß einem ersten Aspekt der vorliegenden Erfindung wird ein computerimplementiertes medizinisches Verfahren zur Vorhersage einer Abhängigkeit C_i (pi) eines Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i vorgestellt. Das Verfahren umfasst die folgenden Schritte:

- Bereitstellen geometrischer Patientendaten, die einen Bereich eines Patienten geometrisch beschreiben, der gemäß einem Strahlentherapie-Behandlungsplan bestrahlt werden soll (Schritt S1),
- Bereitstellen von Dosisvorgabedaten und Behandlungsindikationsdaten für den Patienten (Schritt S2), und
- Vorhersagen zumindest eines Teils der Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i von dem Strahlentherapie-Planungsparameter p_i mit einem trainierten künstliche Intelligenz (KI)-Modul, wenn der Strahlentherapie-Planungsparameter p_i angepasst wird, wobei die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul verwendet werden (Schritt S3).

Im Allgemeinen überwindet das vorgestellte Verfahren den Nachteil der RT-Planungsansätze des Standes der Technik, dass das Ergebnis oder die Effektivität einer Variation/Änderung eines RT-Planungsparameters p_i erst nach der Berechnung einer vollständigen Optimierung durch den Optimierer zu sehen ist. Das vorgestellte Verfahren nutzt ein KI-Modul, das anhand von Trainingsdaten früherer Patienten, für die mehr oder weniger vollständige Optimierungen im gesamten möglichen Bereich von p_i durchgeführt wurden, gelernt hat, wie typischerweise die Abhängigkeit/Beziehung C_i (p_i) war. Diese Trainingsdatensätze früherer Patienten enthielten auch geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten für diese Patienten. Solche Trainingsdaten können dem KI-Modul als so genannter „Patientenvektor“ zur Verfügung gestellt werden. Auch die aktuellen Daten des einzelnen Patienten, für den das vorgestellte Verfahren angewendet werden kann, können dem KI-Modul in dieser Form des „Patientenvektors“ zur Verfügung gestellt werden. In einer weiteren Ausführungsform ist der Patientenvektor ein m-dimensionaler Vektor von numerischen Werten.
Anhand dieser drei Komponenten von Trainingsdaten hat das KI-Modul gelernt, wie typischerweise die Abhängigkeit C_i (p_i) für einen bestimmten Datensatz ist. Ausgehend von den aktuellen Eingangsdaten des individuellen Patienten, d.h. den aktuellen geometrischen Patientendaten, den aktuellen Dosisvorgabedaten und den aktuellen Behandlungsindikationsdaten, kann das KI-Modul nun eine Korrelation mit entsprechenden Optimierungsergebnissen für „ähnliche Patienten“, die in den Trainingsdaten enthalten waren, identifizieren. Die Abhängigkeit C_i (p_i) für den aktuellen individuellen Patienten kann durch das KI-Modul vorhergesagt werden und darüber hinaus können in einer Ausführungsform dem Benutzer durch dieses Verfahren vielversprechende Werte von p_i und/oder die entsprechenden Schiebereglerstellungen in der Behandlungsplanungssoftware vorgeschlagen werden. Solche vorgeschlagenen „vielversprechenden Schiebereglerstellungen“ werden im Rahmen der vorliegenden Erfindung als „Ankerpunkte“ bezeichnet. Dies wird im Folgenden noch näher erläutert.
Der Begriff „geometrische Patientendaten“ beschreibt Daten eines einzelnen, individuellen Patienten. Dabei kann es sich um einen Patienten handeln, der sich einer RT-Behandlung unterziehen soll und für den mit dem vorgestellten Verfahren ein RT-Behandlungsplan berechnet werden soll. Es kann sich auch um einen Patienten aus dem Trainingsdatensatz handeln, für den eine vollständige Optimierung und Bestimmung einer oder mehrerer Abhängigkeiten C_i (p_i) berechnet wurde. Diese Daten beschreiben geometrisch den Bereich dieses Patienten, der während der RT-Behandlung bestrahlt werden soll. Bei den in den „geometrischen Patientendaten“ enthaltenen geometrischen Merkmalen kann es sich typischerweise um eines oder mehrere der folgenden Merkmale handeln: das Volumen des gefährdeten Organs (OAR), das Planungszielvolumen (PTV), den Abstand OAR-PTV, OAR Konkavität/Konvexität, PTV Konkavität/Konvexität, Überlappungshistogramm (OVH) Daten und andere.
In einer Ausführungsform werden die geometrischen Patientendaten aus Bildsätzen wie CT oder MR oder Ähnlichem gewonnen. In dieser Ausführungsform werden Organstrukturen aus diesen Bildern segmentiert und die geometrischen Merkmale extrahiert und als geometrische Patientendaten verwendet.
Wie zuvor beschrieben, können diese „geometrischen Patientendaten“ gemäß einer beispielhaften Ausführungsform in Form eines „Patientenvektors“ bereitgestellt werden, in dem auch die Dosisvorgabedaten und die Behandlungsindikationsdaten für diesen Patienten enthalten sind.
Der Begriff „Dosisvorgabedaten und Behandlungsindikationsdaten“ beschreibt auch Daten eines einzelnen, individuellen Patienten und definiert mit einem oder mehreren Parametern und/oder Beschränkungen die Strahlendosis und die Art und Weise, wie sie auf das Volumen des Interesses des Patienten zu bestrahlen ist. Beispielhafte Parameter sind die PTV-Dosisvorgabe, die PTV-Höchstdosis, die PTV-Mindestdosis, die OAR-Höchstdosis, ein OAR-Dosisziel, eine Liste von OARs, die Anzahl der Fraktionen, eine hervorgehobene und eine spezielle OAR.
Durch die Vorhersage/Berechnung der Abhängigkeit C_i (p_i) basierend auf den individuellen geometrischen Patientendaten, der individuellen Dosisvorgabedaten und der individuellen Behandlungsindikationsdaten des jeweiligen Patienten kann das Ergebnis des Verfahrens der vorliegenden Erfindung als Wissen darüber verwendet werden, ob neue/andere Werte des Parameters p_i es wert sind, eine vollständige Optimierung dafür durchzuführen. Dies wird im Folgenden anhand von Ausführungsbeispielen näher erläutert und verdeutlicht.
Das vorgestellte Verfahren kann natürlich auch eine Vielzahl aktueller Werte der RT-Planungsparameter p_j verwenden, die sich von p_i unterscheiden und die die aktuellen Schiebereglerstellungen der anderen Parameter darstellen, die der Benutzer mit der RT-Behandlungsplanungssoftware anpassen kann. In dieser Ausführungsform werden diese aktuellen Werte von RT-Planungsparametern pj von dem KI-Modul bei der Vorhersage der Abhängigkeit C_i (p_i) berücksichtigt. Dies wird aus den nachfolgenden Erläuterungen, insbesondere zu den 3 und 4, ersichtlich.
Es sei darauf hingewiesen, dass der Schritt S3 der Vorhersage der Abhängigkeit C_i (p_i) durch das trainierte KI-Modul, wie hier und im Folgenden beschrieben, synonym verstanden und wie folgt verwendet werden kann. Dieser Schritt 3 kann so verstanden werden, dass die Kombination der Strahlentherapie-Planungsparameter p_i, der geometrischen Patientendaten, der Dosisvorgabedaten und der Behandlungsindikationsdaten als Eingang für das trainierte KI-Modul bereitgestellt wird und durch Inferenz unter Verwendung dieses KI-Moduls das Strahlentherapie-Qualitätskriterium C_i erhalten wird. Somit ist es für den Fachmann klar, dass C_i zumindest von dem Strahlentherapie-Planungsparameter p_i, den geometrischen Patientendaten, den Dosisvorgabedaten und den Behandlungsindikationsdaten abhängt. Dies gilt für alle hier erwähnten Ausführungsformen, sofern nicht anders angegeben.
Gemäß einer weiteren beispielhaften Ausführungsform wurde das KI-Modul unter Verwendung von Trainings-Eingangsdatensätzen trainiert, die Kombinationen von Strahlentherapie-Planungsparametern p_i, geometrischen Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten umfassen, die aus mehreren realen und/oder simulierten Strahlentherapiesitzungen an mehreren Patienten gewonnen wurden, sowie mindestens einen Wert oder eine Verteilung von Werten des Strahlentherapiekriteriums C_i als Ground-Truth, die mit jedem Trainings-Eingangsdatensatz verbunden ist.
Gemäß einer weiteren beispielhaften Ausführungsform wurde der Ground-Truth Wert oder die Verteilung der Werte für C_i durch einen Dosisoptimierungsalgorithmus ermittelt, der einen RT-Behandlungsplan berechnet.
In einer weiteren beispielhaften Ausführungsform ist das KI-Modul als Klassifizierungsmodul und/oder als Regressionsmodul ausgebildet.
Der Begriff „künstlichen Intelligenz Modul“ bezeichnet eine Einheit, die eine oder mehrere Eingänge mit Hilfe einer internen Verarbeitungskette, die in der Regel eine Reihe freier Parameter hat, in eine oder mehrere Ausgänge umwandelt. Die interne Verarbeitungskette kann in miteinander verbundenen Ebenen organisiert sein, die auf dem Weg von dem Eingang zum Ausgang nacheinander durchlaufen werden. Im Allgemeinen kann das KI-Modul als eine Recheneinheit angesehen werden, und daher kann auch der vom KI-Modul ausgeführte Verfahrensschritt als ein computerimplementierter Verfahrensschritt angesehen werden.
Viele künstliche Intelligenz Module sind so organisiert, dass sie einen Eingang mit hoher Dimensionalität in einen Ausgang mit viel geringerer Dimensionalität umwandeln. Bei dem vorgestellten Verfahren werden zumindest die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul bereitgestellt, und das Modul gibt die Abhängigkeit C_i (p_i) oder vorgeschlagene Ankerpunkte aus, d. h. einen bestimmten Wert des Parameters P_i.
Der Ausgang kann auch eine Wahrscheinlichkeit umfassen, dass die Abhängigkeit C_i (p_i) für den aktuellen Patienten korrekt ist.
Ein solches Modul wird als „intelligent“ bezeichnet, weil es „trainiert“ werden kann. Das Modul kann anhand von Trainingsdatensätzen trainiert werden. Ein Trainingsdatensatz umfasst Trainingseingangsdaten und entsprechende Trainingsausgangsdaten. Die Trainingsausgangsdaten eines Trainingsdatensatzes sind das Ergebnis, das von dem Modul erwartet wird, wenn es die Trainingseingangsdaten desselben Trainingsdatensatzes als Eingang erhält. Diese Systematik wird in der in 7 dargestellten beispielhaften Ausführungsform der Erfindung verwendet. Die Abweichung zwischen diesem erwarteten Ergebnis und dem tatsächlichen Ergebnis des Moduls wird beobachtet und mit Hilfe einer „Verlustfunktion“ bewertet. Diese Verlustfunktion wird als Rückmeldung für die Anpassung der Parameter der internen Verarbeitungskette des Moduls verwendet. Beispielsweise können die Parameter mit dem Optimierungsziel angepasst werden, die Werte der Verlustfunktion zu minimieren, die sich ergeben, wenn alle Trainingseingangsdaten in das Modul eingespeist werden und das Ergebnis mit den entsprechenden Trainingsausgangsdaten verglichen wird.
Das Ergebnis dieses Trainings ist, dass das Modul bei einer relativ kleinen Anzahl von Trainingsdatensätzen als „Ground-Truth“ in der Lage ist, seine Aufgabe, z. B. die Vorhersage der Abhängigkeit C_i (p_i), auch bei einer um viele Größenordnungen höheren Anzahl von Eingangsdatensätzen gut zu erfüllen.
Für die vorliegende Erfindung können viele verschiedene KI-Module verwendet werden. Beispielhafte Ausführungsformen sind ein (künstliches) neuronales Netz, ein faltendes neuronales Netz, ein erzeugendes generisches Netz, eine Support-Vektor-Maschine, ein genetischer Algorithmus, k-means, Kernel-Regressions-Diskriminanzanalyse und Random Forests.
Ein neuronales Netz ist ein Paradebeispiel für eine interne Verarbeitungskette eines künstliche Intelligenz Moduls. Es besteht aus einer Vielzahl von Schichten, wobei jede Schicht ein oder mehrere Neuronen umfasst. Neuronen zwischen benachbarten Schichten sind miteinander verbunden, indem die Ausgänge der Neuronen einer ersten Schicht die Eingänge eines oder mehrerer Neuronen in einer benachbarten zweiten Schicht sind. Jede dieser Verknüpfungen erhält ein „Gewicht“, mit dem der entsprechende Eingang in eine „Aktivierungsfunktion“ eingeht, die den Ausgang des Neurons in Abhängigkeit von seinem Eingang angibt. Die Aktivierungsfunktion ist in der Regel eine nichtlineare Funktion der Eingänge. Beispielsweise kann die Aktivierungsfunktion eine „Voraktivierungsfunktion“ umfassen, die eine gewichtete Summe oder eine andere lineare Funktion ihrer Eingänge ist, und eine Schwellwertfunktion oder eine andere nichtlineare Funktion, die den endgültigen Ausgang des Neurons aus dem Wert der Voraktivierungsfunktion erzeugt.
Ein faltendes neuronales Netz ist ein neuronales Netz, das „Faltungsschichten“ umfasst. In einer „Faltungsschicht“ wird der Ausgang der Neuronen durch Anwendung einer Faltungsmatrix auf die Eingänge dieser Neuronen erhalten. Dadurch wird die Dimensionalität der Daten stark reduziert. Neuronale Netze mit Faltungsschichten werden z. B. häufig in der Bildverarbeitung eingesetzt.
Ein erzeugendes generisches Netz ist eine Kombination aus zwei neuronalen Netzen, die als „Generator“ und „Diskriminator“ bezeichnet werden. Ein solches Netz wird verwendet, um künstlich Datensätze zu erzeugen, die von Datensätzen aus einer bestimmten Menge von Trainingsdatensätzen nicht zu unterscheiden sind. Das Generatornetz wird mit dem Ziel trainiert, aus einem Eingangsdatensatz mit Zufallsdaten einen Ausgangsdatensatz zu erzeugen, der von den Datensätzen im Trainingssatz nicht zu unterscheiden ist. D. h., bei diesem Ausgangsdatensatz allein kann nicht unterschieden werden, ob er vom Generator erzeugt wurde oder ob er in der Menge der Trainingsdatensätze enthalten ist. Der Diskriminator wiederum ist speziell darauf trainiert, gegebene Datensätze dahingehend zu klassifizieren, ob sie wahrscheinlich „echte“ Trainingsdatensätze oder vom Generator erzeugte „falsche“ Datensätze sind. Der Generator und der Diskriminator konkurrieren also gegeneinander.
Das hier beschriebene KI-Modul wurde mit einer großen Anzahl von Optimierungen anderer Patienten trainiert und kann vorhersagen, ob Änderungen, insbesondere an bestimmten Parametern p_i / Schiebereglern wahrscheinlich eine signifikante Auswirkung auf wichtige Merkmale C_i der Optimierungsergebnisse haben, z. B. PTV-Abdeckungsgrad, maximale Dosis im kritischsten Risikoorgan (OAR) usw. Dies wird im Zusammenhang mit beispielhaften Ausführungsformen im Folgenden näher erläutert und verdeutlicht.
In Anbetracht aller zuvor erläuterten Aspekte und Merkmale lässt sich schlussfolgern, dass das vorgestellte Verfahren einen Mechanismus bereitstellt, mit dem vorhergesagt werden kann, ob in einem bestimmten Fall, für eine bestimmte Patientengeometrie, eine bestimmte Dosisvorgabe und einen bestimmten Bereich des Parameterraums, die Erkundung des Bereichs eines bestimmten Strahlentherapie-Planungsparameters p_i (d. h. eines bestimmten Schiebereglers in einer typischen RT-Behandlungsplanungssoftware) mit mehreren Optimierungen wahrscheinlich ein bestimmtes Qualitätskriterium C der resultierenden Dosisverteilung verändern wird oder nicht. Dies ist bei der RT-Planung von großem Vorteil, da es wertvolle Zeit und Rechenkapazität spart.
In Umformulierung des ersten Aspekts der vorliegenden Erfindung können die geometrischen Patientendaten empfangen werden, z. B. über eine Benutzereingabe, und/oder aus einem Datenspeicher abgerufen werden. Ferner können die Vorgabedaten und die Behandlungsindikationsdaten empfangen werden, z. B. über eine Benutzereingabe, und/oder aus der Datenspeichervorrichtung abgerufen werden. Das trainierte KI-Modul bestimmt dann basierend auf dem Wissen, das es während der Trainingsphase mit den Trainingsdaten mehrerer Datensätze früherer Patienten und den berechneten Dosisverteilungen und C_i (p_i)-Abhängigkeiten gewonnen hat, wie die Abhängigkeit C_i (p_i) für den aktuellen Patienten höchstwahrscheinlich ist. Dieser Ausgang kann für die nächsten Schritte zur endgültigen Festlegung des RT-Behandlungsplans vorteilhaft genutzt werden, ohne dass mit dem Optimierer Dosisverteilungen berechnet werden müssen, die beim Bestimmen des endgültigen RT-Behandlungsplans nicht hilfreich sind.
Es wird betont, dass sich die Erfindung ausschließlich auf die Planung von Bestrahlungsbehandlungen bezieht. Dementsprechend beinhaltet oder umfasst die Erfindung keinen invasiven Schritt, der einen erheblichen physischen Eingriff in den Körper eines Patienten darstellen würde, dessen Durchführung professionelles medizinisches Fachwissen erfordert und ein erhebliches Gesundheitsrisiko mit sich bringt, selbst wenn er mit der erforderlichen professionellen Sorgfalt und Fachkenntnis durchgeführt wird. Insbesondere umfasst die Erfindung keine chirurgischen oder therapeutischen Maßnahmen. Die Erfindung ist vielmehr auf die Planung einer Bestrahlungsbehandlung vor der eigentlichen Bestrahlung des Patienten gerichtet. Schon aus diesem Grund sind keine chirurgische oder therapeutische Tätigkeit und insbesondere kein chirurgischer oder therapeutischer Schritt bei der Durchführung der Erfindung erforderlich oder impliziert.
Gemäß einer weiteren beispielhaften Ausführungsform umfasst das Verfahren den Schritt des Bereitstellens eines Startwerts des Strahlentherapie-Planungsparameters pi, und wobei der Schritt des Vorhersagens (S3) mit dem trainierten künstliche Intelligenz (KI)-Modul mindestens eines Teils der Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i von dem Strahlentherapie-Planungsparameter p_i beim Anpassen des Strahlentherapie-Planungsparameters p_i ausgehend von dem Startwert umfasst, wobei die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul verwendet werden (Schritt S3).
Gemäß einer weiteren beispielhaften Ausführungsform umfasst das Verfahren außerdem den Schritt:

- Bestimmen einer Vielzahl von Ankerpunkten basierend auf der vorhergesagten Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i aus einer Anpassung des Strahlentherapie-Planungsparameters pi, wobei jeder Ankerpunkt ein vorgeschlagener Wert des Strahlentherapie-Planungsparameters p_i zur Vorberechnung einer Dosisverteilung ist.

In dieser Ausführungsform wird für den Benutzer ein Vorschlag in Form von „Ankerpunkten“ berechnet, welche ausgewählten Werte des Bestrahlungsplanungsparameters p_i für die Vorberechnung einer Dosisverteilung verwendet werden sollten. Auf diese Weise kann der Benutzer den Optimierer starten, um eine vollständige Optimierung mit nur den vorhergesagten „Ankerpunkten“ anstelle des gesamten Schiebereglerbereichs durchzuführen. Mit anderen Worten: Bei dieser Ausführungsform werden die Schiebereglerstellungen mit den interessantesten „Trade-offs“ vorhergesagt, wie in 4 beispielhaft dargestellt. Die Ankerpunkte können den gesamten Bereich der Abhängigkeit C_i (p_i) abdecken, wie in den beiden Diagrammen in 4 dargestellt. Sie können aber auch die obere und untere Grenze eines Bereichs des Parameters p_i sein, dessen gesamter Bereich für die vollständige Optimierung als nützlich erachtet wird, da in diesem Bereich eine vollständige Optimierung durchgeführt werden sollte.
Da die Optimierung selbst für einen einzigen Satz von Schiebereglerstellungen ein zeitaufwändiger Prozess ist, ist es eine enorme Zeitersparnis, wenn man im Voraus weiß, ob weitere Optimierungen in einem bestimmten Bereich des Parameterraums p_i ein Kriterium C_i verändern werden oder nicht. Zusätzlich wird eine Anzahl von Dosisverteilungen (auch „Anker“ genannt) für bestimmte Schiebereglerstellungen vorberechnet und die Kriterienwerte und Dosisverteilungen von unbekannten Parametersätzen können angenähert werden. Die Anzahl der Anker, die für eine gute Annäherung benötigt wird, hängt vom Wertebereich ab, der für C_i erreicht wird. Ein niedriger Wertebereich bedeutet in diesem Fall eine geringe Effektivität eines bestimmten Schiebereglers und es wird nur eine geringe Anzahl von voroptimierten Dosisverteilungen benötigt, während ein hoher Wertebereich eine feinere Annäherung an den Lösungsraum erfordert. Diese Systematik ist auch in 4 dargestellt.
Generell kann die hier beschriebene Bestimmung der Vielzahl von Ankerpunkten durch das KI-Modul, aber auch durch eine andere Berechnungseinheit, die z.B. Teil eines RT-Behandlungsplanungssystems ist, durchgeführt werden.
Nach einer weiteren beispielhaften Ausführungsform erfolgt die Bestimmung der Ankerpunkte durch einen Vergleich der vorhergesagten Abhängigkeit C_i (p_i) mit einem vordefinierten Schwellwert.
In dieser Ausführungsform ist ferner festgelegt, dass zum Auffinden der Ankerpunkte die vorhergesagte Abhängigkeit C_i (p_i) mit einem vordefinierten Schwellwert verglichen wird. Wenn beispielsweise in einem gegebenen Bereich von pi, der durch die Werte P_i,1 und p_i,2 definiert ist, die Differenz zwischen dem Maximal- und dem Minimalwert von C_i in diesem Bereich über diesem vordefinierten Schwellwert liegt, dann wird mit dem vorgestellten Verfahren eine relativ hohe Anzahl von Ankerpunkten ermittelt. In diesem Fall lohnt es sich, den durch die Werte p_i,1 und p_i,2 definierten Bereich von p_i zu „erkunden“, indem anschließend eine vollständige Optimierung mit dem Optimierer für die relativ hohe Anzahl von Ankerpunkten berechnet wird. Wenn jedoch innerhalb eines gegebenen Bereichs von p_i, der durch die Werte p_i,1 und p_i,2 definiert ist, die Maximal- und Minimalwerte von C_i in diesem Bereich unter diesem vordefinierten Schwellwert liegen, dann wird mit dem vorgestellten Verfahren eine relativ geringe Anzahl von Ankerpunkten bestimmt. Mit anderen Worten, aufgrund der vom KI-Modul vorhergesagten Abhängigkeit C_i (p_i) wird durch das vorgestellte Verfahren festgestellt, dass in diesem Bereich zwischen P_i,1 und p_i,2 eine detaillierte Erkundung im Sinne einer vollständigen Berechnung/Optimierung des Behandlungsplans in diesem Bereich nicht erforderlich ist. Diese Ausführungsform und ihre Logik lassen sich leicht aus der beispielhaften Ausführungsform von 5 entnehmen.
Die zuvor beschriebenen Ausführungsformen über die Ankerpunkte können insbesondere durchgeführt werden, während eine Vielzahl von aktuellen Werten der RT-Planungsparameter p_j, die sich von p_i unterscheiden, konstant gehalten und bei der Vorhersage durch das KI-Modul berücksichtigt werden.
Ähnlich wie bei den Ankerpunkten ist auch bei einer anderen Ausführungsform die Änderung der Steigung der Kurve C_i (p_i) ausschlaggebend dafür, wie viele Ankerpunkte bestimmt werden, wie nun erläutert wird.
Gemäß einer weiteren beispielhaften Ausführungsform umfasst der Schritt des Vorhersagens der Abhängigkeit C_i (p_i) (S3)

- Bestimmen, ob innerhalb eines vordefinierten Wertebereichs des Strahlentherapie-Planungsparameters p_i eine Änderung eines Gradienten der Abhängigkeit C_i (p_i) über oder unter einem vordefinierten Schwellwert (S3b) liegt,
- Bestimmen einer Anzahl der Vielzahl von Ankerpunkten in Abhängigkeit davon, ob die Änderung des Gradienten der Abhängigkeit C_i (p_i) über oder unter dem vordefinierten Schwellwert (S6) liegt.

Mit anderen Worten, diese Ausführungsform beschränkt sich auf ein Verfahren, bei der die Änderung der Steigung der Kurve C_i (p_i) ausschlaggebend dafür ist, wie viele Ankerpunkte bestimmt werden. Wenn z.B. in einem gegebenen Bereich von p_i, der durch die Werte p_i,1 und p_i,2 definiert ist, die Differenz zwischen dem Maximal- und dem Minimalwert der Steigung der Abhängigkeit/Kurve C_i (p_i) in diesem Bereich über diesem vordefinierten Schwellwert liegt, dann wird eine relativ hohe Anzahl von Ankerpunkten bestimmt, da der durch die Werte p_i,1 und p_i,2 definierte Bereich von p_i es wert ist, „erkundet“ zu werden, indem anschließend eine vollständige Optimierung mit dem Optimierer für die relativ hohe Anzahl von Ankerpunkten berechnet wird. Wenn jedoch innerhalb dieses Bereichs p_i,1 und p_i,2 die Maximal- und Minimalwerte der Steigung der Abhängigkeit/Kurve C_i (p_i) in diesem Bereich unter diesem vordefinierten Schwellwert liegen, dann wird eine relativ geringe Anzahl von Ankerpunkten bestimmt.
Im Allgemeinen können die zusätzlichen Verfahrensschritte dieser Ausführungsform durch das KI-Modul, aber auch durch eine andere Berechnungseinheit, die z. B. Teil eines RT-Behandlungsplanungssystems ist, durchgeführt werden.
Gemäß einer weiteren beispielhaften Ausführungsform der vorliegenden Erfindung wird eine höhere Anzahl von Ankerpunkten bestimmt, wenn die Änderung des Gradienten der Abhängigkeit C_i (p_i) über dem Schwellwert liegt, im Vergleich zu einer niedrigeren Anzahl von Ankerpunkten, die bestimmt werden, wenn die Änderung des Gradienten niedriger als der vordefinierte Schwellwert ist.
Gemäß einer weiteren beispielhaften Ausführungsform umfasst das Verfahren außerdem die Schritte:

- Vorberechnen einer RT-Dosisverteilung für jeden der bestimmten Ankerpunkte (S7), und
- Annähern einer RT-Dosisverteilung und vorzugsweise eines Wertes für das RT-Qualitätskriterium C_i für einen Wert des Strahlentherapie-Planungsparameters pi, der kein Ankerpunkt ist, wobei Ergebnisse der Vorberechnung der RT-Dosisverteilung für die Ankerpunkte verwendet werden (S8).

In dieser Ausführungsform wird die Dosisverteilung für die Ankerpunkte berechnet, und diese berechneten Dosisverteilungen werden zur Annäherung der Dosisverteilungen und der Werte eines oder mehrerer RT-Qualitätskriterien unbekannter Parametersätze verwendet. Es ist zu beachten, dass der Begriff „Berechnung von Dosisverteilungen“ hier synonym für die vom Optimierer berechnete vollständige Optimierung verwendet wird. So wird eine Reihe von Dosisverteilungen für die Ankerpunkte (d. h. für bestimmte Schiebereglerstellungen) vom Optimierer vorberechnet, und die Kriterienwerte und Dosisverteilungen unbekannter Parametersätze werden durch Verwendung dieser vorberechneten Verteilungen angenähert. Insbesondere überwindet diese Ausführungsform den Nachteil der RT-Planungsansätze des Standes der Technik, dass das Ergebnis oder die Wirksamkeit einer Variation/Änderung eines RT-Planungsparameters p_i erst nach einer vollständigen Optimierung, d. h. einer vollständigen Optimierung für alle oder fast alle Werte von pi, vom Optimierer berechnet wird.
Die zusätzlichen Verfahrensschritte dieser Ausführungsform können von dem Optimierer wie oben erwähnt durchgeführt werden.
Gemäß einer weiteren beispielhaften Ausführungsform ist das Qualitätskriterium C_i ein qualitativer Parameter, der für die Strahlentherapie-Dosisverteilung indikativ ist.
Gemäß einer weiteren beispielhaften Ausführungsform der Erfindung ist das Strahlentherapie (RT)-Qualitätskriterium C_i die RT-Abgabezeit.
Gemäß einer beispielhaften Ausführungsform der Erfindung ist das Strahlentherapie (RT)-Qualitätskriterium C_i ein dosimetrisches Strahlentherapiekriterium. Insbesondere wird das RT-Qualitätskriterium Ci aus der Gruppe ausgewählt, die Komplexität der RT-Qualitätssicherung (QA), eine RT-Dosisbeschränkung, eine RT-Volumenbeschränkung in Bezug auf ein Volumen innerhalb des Patienten, einen Konformitätsindex, der beschreibt, wie gut ein bestrahlter Bereich mit einem Planungszielvolumen (PTV) korreliert, einen Gradientenindex, der beschreibt, wie schnell eine RT-Strahlendosis mit zunehmendem Abstand zu einem Zielvolumen abnimmt, und eine beliebige Kombination davon umfasst.
Eine RT-Dosisbeschränkung kann z.B. eine Planungszielvolumen (PTV) Dosisvorgabe, eine PTV-Höchstdosis, eine PTV-Mindestdosis, eine Beschränkung für ein Risikoorgan (OAR), eine OAR-Höchstdosis, ein OAR-Dosisziel oder eine zulässige Dosis sein, die zumindest in einem Teilvolumen des OAR deponiert wird.
Des Weiteren ist anzumerken, dass die RT-Qualitätssicherung (QS) ein Verfahren ist, das nach der endgültigen Festlegung des zu verwendenden Behandlungsplans, aber vor der tatsächlichen Anwendung der Strahlung am Patienten durchgeführt wird. Bei dieser RT-Qualitätssicherung wird ein Sensorarray verwendet, um die von der Bestrahlungsvorrichtung abgegebene Strahlung zu erfassen und so zu bewerten, ob der tatsächliche Bestrahlungsstrahl dem gewünschten Strahl entspricht, der durch den berechneten Behandlungsplan definiert wurde. Dieses Verfahren kann je nach dem berechneten Bestrahlungsplan mehr oder weniger komplex sein. Daher kann diese RT-Qualitätssicherung (QA) als RT-Qualitätskriterium C_i verwendet werden.
Gemäß einer beispielhaften Ausführungsform der Erfindung wird der Strahlentherapie-Planungsparameter p_i aus der Gruppe ausgewählt, die eine Gewichtung zwischen einem RT-Ziel und einem Risikoorgan (OAR), einen Parameter, der die Schonung von normalem Gewebe beschreibt, einen Parameter, der einen Grad der RT-Modulation beschreibt, und eine beliebige Kombination davon umfasst.
Unter RT-Modulation versteht man die Variabilität der Dosisrate während der RT-Behandlung und/oder die Variabilität des Lamellenverlaufs während der RT-Behandlung. Wie dem Fachmann bekannt ist, werden heutzutage Multilamellenkollimatoren (MLC) verwendet, um den Strahl eines RT-Behandlungssystems zu formen und zu gestalten. Diese Lamellen werden während der Behandlung mechanisch bewegt, um zu erreichen, dass bestimmte Teile des ursprünglichen Strahlenbündels blockiert und andere Teile in Richtung des Patienten übertragen werden. Dies führt insgesamt zu einem Bewegungsmuster der Lamellen.
Darüber hinaus werden die zuvor genannten Parameter vor dem folgenden allgemeinen Hintergrund der RT-Planung ausgewählt. Die vorgegebene Dosis für das Planungszielvolumen (PTV) soll vorzugsweise in mindestens einem Teilvolumen, auch Deckungsvolumen genannt, des PTV deponiert werden, um die biologische Wirksamkeit der Bestrahlung zu gewährleisten. Darüber hinaus werden in der Regel eine oder mehrere Beschränkungen festgelegt, die während der Bestrahlung erfüllt werden müssen. Als Beschränkung kann in der Regel ein Risikoorgan angegeben werden, das bei der Bestrahlung möglichst geschont werden soll oder das zumindest in einem Teilvolumen nicht mehr als eine zulässige Dosis erhalten soll. Auf der Grundlage des angegebenen Planungszielvolumens, der vorgegebenen Dosis und der einen oder mehreren Beschränkungen wird in der Regel das Abdeckungsvolumen des Planungszielvolumens bestimmt und ein entsprechender Bestrahlungsplan erstellt. In bestimmten Szenarien kann es jedoch vorkommen, dass eine vorgegebene Dosis nicht in einem gewünschten Abdeckungsvolumen des Planungszielvolumens deponiert werden kann, ohne das gefährdete Organ zu beeinträchtigen, und damit möglicherweise eine oder mehrere der vorgegebenen Beschränkungen verletzt werden. Dies kann zum Beispiel der Fall sein, wenn sich das Planungszielvolumen in der Nähe des Risikoorgans befindet. Dementsprechend sollte ein Trade-Off zwischen dem Abdeckungsvolumen des Planungszielvolumens, in dem eine biologisch wirksame Dosis deponiert werden soll, und einer Dosisdeposition oder einer Schonung des Risikoorgans gefunden werden, um vorzugsweise eine oder mehrere Beschränkungen für das Risikoorgan zu erfüllen. Die Bestrahlungsplanungsparameter dieser Ausführungsform ermöglichen eine Beschreibung der gewünschten Beschränkungen und Trade-Offs.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst das Verfahren die Schritte

- Bestimmen eines geänderten Anpassungsbereichs des RT-Planungsparameters p_i basierend auf der vorhergesagten Abhängigkeit C_i (p_i), und
- Vorschlagen des geänderten Anpassungsbereichs an einen Benutzer einer RT-Behandlungsplanungssoftware.

In dieser Ausführungsform ist der Anpassungsbereich für den Parameter p_i für den Benutzer begrenzt. Diese Ausführungsform beschränkt sich nicht nur auf „Schieberegler“, sondern umfasst jede grafische Darstellung eines „Knopfes“, mit dem der Parameter vom Benutzer auf einer grafischen Benutzeroberfläche der RT-Behandlungsplanungssoftware eingestellt werden kann.
Generell können die zusätzlichen Verfahrensschritte dieser Ausführungsform durch das KI-Modul, aber auch durch eine andere Berechnungseinheit, die z. B. Teil eines RT-Behandlungsplanungssystems ist, durchgeführt werden.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst der Schritt, einem Benutzer den geänderten Anpassungsbereich vorzuschlagen, ferner:

- Anpassen einer grafischen Benutzeroberfläche (GUI) der RT-Behandlungsplanungssoftware, so dass der geänderte Anpassungsbereich des RT-Planungsparameters p_i dem Benutzer angezeigt wird.

Insbesondere werden Schieberegler- oder Knopfpositionen, die wahrscheinlich keinen großen Einfluss auf das Optimierungsergebnis haben, deaktiviert. Falls gewünscht, kann der Benutzer darüber informiert werden, welche Schieberegler im konkreten Fall den größten Einfluss auf das Optimierungsergebnis haben werden.
In einer weiteren Ausführungsform der Erfindung wird ein adaptiver Parameterbereich festgelegt, der von jedem Schieberegler abgedeckt wird und auf einen bestimmten Patientenfall zugeschnitten ist. Wenn Änderungen an einem bestimmten Schieberegler bereits große Auswirkungen haben, kann ein engerer Bereich gewählt werden, um einen detaillierteren Blick auf den Lösungsraum zu erhalten. In einem anderen Szenario, wenn die Auswirkungen auf das Ergebnis nur marginal sind, kann der Wertebereich automatisch erweitert oder verschoben werden.
Die zusätzlichen Verfahrensschritte dieser Ausführungsform können vom KI-Modul, aber auch von einer anderen Berechnungseinheit, die z.B. Teil eines RT-Behandlungsplanungssystems ist, durchgeführt werden.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst das Verfahren den Schritt

- Durchführen einer vollständigen Optimierung des RT-Behandlungsplans mit dem geänderten Anpassungsbereich des RT-Planungsparameters p_i unter Verwendung eines RT-Planungsoptimierungsalgorithmus.

In dieser Ausführungsform wird hervorgehoben, dass eine vollständige Optimierung des RT-Plans mit dem klassischen Optimierungsalgorithmus, d. h. dem Optimierer, innerhalb des geänderten, mit der vorliegenden Erfindung gefundenen Anpassungsbereichs berechnet wird. Wie bereits erwähnt, kann der Optimierer Teil des RT-Behandlungsplanungssystems sein, kann aber auch Teil z.B. eines externen Computers, Servers sein.
Gemäß einer beispielhaften Ausführungsform der Erfindung werden die Schritte von (S1) bis (S3) für eine Vielzahl von RT-Qualitätskriterien C_i und eine Vielzahl von RT-Planungsparametern p_i wiederholt.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst das Verfahren den Schritt

- Extrahieren von geometrischen Merkmalen des Bereichs des Patienten der durch Strahlentherapie bestrahlt werden soll, aus mindestens einem medizinischen Bild und/oder aus daraus segmentierten Organstrukturen.

In dieser Ausführungsform werden die geometrischen Patientendaten aus Bildsätzen wie CT oder MR oder Ähnlichem gewonnen. In dieser Ausführungsform werden die Organstrukturen aus diesen Bildern segmentiert und die geometrischen Merkmale extrahiert und als geometrische Patientendaten verwendet. Segmentieren ist ein dem Fachmann bekanntes Verfahren und wird daher hier nicht näher beschrieben.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst das Verfahren die Schritte

- Bereitstellen der extrahierten geometrischen Merkmale als m-dimensionaler Patientenvektor aus numerischen Werten, und
- Verwenden des m-dimensionalen Patientenvektor als Eingang für das KI-Modul.

Der m-dimensionale Patientenvektor aus numerischen Werten kann z. B. über einen Benutzereingang empfangen und/oder von einer Datenspeichervorrichtung abgerufen werden. In einer weiteren Ausführungsform umfasst der m-dimensionale Patientenvektor auch die Dosisvorgabedaten und die Behandlungsindikationsdaten für den Patienten. In diesem Fall wurden auch die Eingangs-Trainingsdaten für das Kl-Modul, die sich aus verschiedenen anderen Patienten und deren Behandlungsplänen ergeben, dem KI-Modul in Form eines m-dimensionalen Patientenvektors bereitgestellt. Dies wird im Zusammenhang mit den 5 und 6 noch näher erläutert. Im Allgemeinen beschreiben die beiden vorangegangenen Ausführungsformen, wie die Patientendaten erstellt und verwendet werden.
Gemäß einer beispielhaften Ausführungsform der Erfindung umfasst das Verfahren die Schritte

- Bereitstellen einer Vielzahl aktueller Werte von RT-Planungsparametern p_j, und
- Berücksichtigen der aktuellen Werte der RT-Planungsparameter p_j beim Vorhersagen der Abhängigkeit C_i (p_i) mit dem trainierten KI-Modul.

Das vorgestellte Verfahren kann natürlich auch mehrere aktuelle Werte von RT-Planungsparametern p_j verwenden, die sich von p_i unterscheiden, und die die aktuellen Schiebereglerstellungen der anderen Parameter darstellen, die der Benutzer mit der RT-Behandlungsplanungssoftware Anpassen kann. In dieser Ausführungsform werden diese aktuellen Werte der RT-Planungsparameter p_j, die sich von dem Parameter p_i unterscheiden, vom KI-Modul beim Vorhersagen der Abhängigkeit C_i (p_i) berücksichtigt. Dies wird aus den nachfolgenden Erläuterungen, insbesondere zu den 3 und 4, deutlich werden. Es ist also zu beachten, dass die zuvor beschriebenen Ausführungsformen über die Ankerpunkte insbesondere auch dann durchgeführt werden können, wenn mehrere aktuelle Werte von RT-Planungsparametern p_j, die sich von p_i unterscheiden, konstant gehalten und bei der Vorhersage durch das KI-Modul berücksichtigt werden.
Gemäß einer weiteren beispielhaften Ausführungsform der Erfindung umfasst das Verfahren den Schritt Bereitstellen und/oder Erzeugen von Trainingsdaten für das Kl-Modul und Trainieren des KI-Moduls mit diesen Trainingsdaten.
Insbesondere kann das KI-Modul mit einer großen Anzahl von Optimierungen anderer Patienten trainiert werden, wie es z. B. in der Darstellung in 7 gezeigt wird. Aufgrund des Trainings kann das KI-Modul dann vorhersagen, ob Änderungen an bestimmten Schiebereglern/Parametern p_i wahrscheinlich eine signifikante Auswirkung auf wichtige Merkmale C_i der Optimierungsergebnisse haben werden, wie z. B. PTV-Abdeckungsgrad, maximale Dosis im kritischsten Risikoorgan (OAR) usw. Im Allgemeinen umfasst das Training des KI-Moduls das Bereitstellen mehrerer Sätze von geometrischen Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten als Eingang für das KI-Modul. Auch die entsprechenden Abhängigkeiten C_i (p_i), die zuvor durch eine Optimierung mit einem klassischen RT-Behandlungsplanungsoptimierer berechnet wurden, werden bereitgestellt, so dass das KI-Modul bestehende Korrelationen zwischen diesen drei Arten von Eingangsdaten und den Abhängigkeiten C_i (p_i) lernt. Diese Optimierung mit dem klassischen RT-Behandlungsplanungsoptimierer ist in 7 mit dem Schritt „Optimierung“ dargestellt. Dies kann natürlich für ein oder mehrere RT-Qualitätskriterien C_i und einen oder mehrere RT-Behandlungsplanungsparameter p_i erfolgen.
Mit anderen Worten, die verwendeten Trainingsdaten umfassen Trainingseingangsdaten, d. h. die geometrischen Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten, und entsprechende Trainingsausgangsdaten, d. h. die Ergebnisse C_i (p_i) nach den jeweiligen Optimierungen, wie in 7 beispielhaft dargestellt. Im Allgemeinen sind die Trainingsausgangsdaten eines Trainingsdatensatzes das Ergebnis, das von dem KI-Modul erwartet wird, wenn es die Trainingseingangsdaten desselben Trainingsdatensatzes als Eingang erhält.
Der Prozess der Datenbeschaffung für das Training des KI-Moduls erfolgt bei einer Implementierung automatisch, indem eine Datenbank mit bestehenden Patientenfällen und Behandlungsplänen durchlaufen wird. Weitere Fälle könnten automatisch zu dieser Datenbank hinzugefügt werden, und der Trainingsprozess kann in bestimmten Zeitabständen wiederholt werden, so dass die Vorhersagequalität des vorgestellten Verfahrens mit der Zeit zunimmt.
Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird ein Programm vorgestellt, das, wenn es auf einem Computer läuft oder auf einen Computer geladen wird, den Computer veranlasst, die Verfahrensschritte des Verfahrens gemäß einer der vorangehenden Ausführungsformen oder Aspekte durchzuführen;
und/oder ein Programmspeichermedium, auf dem das Programm gespeichert ist;
und/oder einem Computer, der mindestens einen Prozessor und einen Speicher und/oder dem Programmspeichermedium aufweist, wobei das Programm auf dem Computer läuft oder in den Speicher des Computers geladen wird;
und/oder eine Signalwelle oder eine digitale Signalwelle, die Informationen trägt, die das Programm darstellen;
und/oder einen Datenstrom, der für das Programm repräsentativ ist.
Ein Computerprogramm, das auf einer Vorrichtung, wie z. B. einer Diskette, gespeichert ist, ist eine Datei, und wenn die Datei ausgelesen und übertragen wird, wird sie zu einem Datenstrom, z. B. in Form eines (physikalischen, z. B. elektrischen, z. B. technisch erzeugten) Signals. Das Signal kann als die hier beschriebene Signalwelle realisiert werden. Beispielsweise ist das Signal und/oder die Signalwelle zur Übertragung über ein Computernetzwerk, beispielsweise LAN, WLAN, WAN, beispielsweise das Internet, ausgebildet. Die Erfindung gemäß diesem Aspekt kann sich daher alternativ oder zusätzlich auf einen Datenstrom beziehen, der das vorgenannte Programm darstellt.
Gemäß einem weiteren Aspekt der vorliegenden Erfindung umfasst ein Strahlentherapie-Behandlungsplanungssystem den Computer des vorherigen Aspekts.
Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird ein Strahlentherapie-Behandlungssystem vorgestellt, das Folgendes umfasst
ein Strahlentherapie-Behandlungsplanungssystem gemäß dem vorhergehenden Aspekt,
eine Strahlenbehandlungsvorrichtung umfassend eine Behandlungsstrahlquelle und eine Patientenlagerungseinheit.
wobei der Computer funktionsfähig mit der Strahlenbehandlungsvorrichtung gekoppelt ist, um ein Steuersignal an die Strahlenbehandlungsvorrichtung auszugeben, um mindestens eines der folgenden zu steuern

- den Betrieb der Behandlungsstrahlquelle oder
- die Position der Patientenlagerungseinheit.

Gemäß einem weiteren Aspekt der vorliegenden Erfindung wird ein KI-Modul vorgestellt, das unter Verwendung von Trainings-Eingangsdatensätzen trainiert wurde, die Kombinationen aus Strahlentherapie-Planungsparametern pi, geometrischen Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten umfassen, die aus mehreren realen und/oder simulierten Strahlentherapiesitzungen an mehreren Patienten gewonnen wurden, sowie mindestens einen Wert oder eine Verteilung von Werten des Strahlentherapiekriteriums C_i als Grundwahrheit, die mit jedem Trainings-Eingangsdatensatz verbunden ist.
Darüber hinaus wird betont, dass Merkmale, Funktionen, Elemente und/oder Schritte, die oben und im Folgenden unter Bezugnahme auf einen Aspekt der Erfindung beschrieben werden, gleichermaßen für jeden anderen Aspekt der Erfindung gelten, der oben und im Folgenden beschrieben wird. Insbesondere gelten Merkmale und/oder Schritte, wie sie oben und im Folgenden unter Bezugnahme auf das Verfahren gemäß dem ersten Aspekt beschrieben sind, gleichermaßen für das Computerprogramm gemäß dem zweiten Aspekt, für das computerlesbare Medium gemäß dem dritten Aspekt, für den Computer gemäß dem vierten Aspekt und/oder für das medizinische System gemäß dem fünften Aspekt und umgekehrt.
Diese und andere Aspekte der Erfindung werden aus den nachfolgend beschriebenen Ausführungsformen ersichtlich und verdeutlicht.
DEFINITIONEN
In diesem Abschnitt werden Definitionen für bestimmte, in dieser Offenbarung verwendete Begriffe angeboten, die ebenfalls Teil der vorliegenden Offenbarung sind.
Computerimplementiertes Verfahren
Das erfindungsgemäße Verfahren ist zum Beispiel ein computerimplementiertes Verfahren. Beispielsweise können alle Schritte oder nur einige der Schritte (d.h. weniger als die Gesamtzahl der Schritte) des erfindungsgemäßen Verfahrens von einem Computer (z.B. zumindest einem Computer) ausgeführt werden. Eine Ausführungsform des computerimplementierten Verfahrens ist eine Verwendung des Computers zur Durchführung eines Datenverarbeitungsverfahrens. Eine Ausführungsform des computerimplementierten Verfahrens ist ein Verfahren, das den Betrieb des Computers betrifft, so dass der Computer betrieben wird, um einen, mehrere oder alle Schritte des Verfahrens durchzuführen.
Der Computer umfasst zum Beispiel mindestens einen Prozessor und zum Beispiel mindestens einen Speicher, um die Daten (technisch) zu verarbeiten, zum Beispiel elektronisch und/oder optisch. Der Prozessor besteht beispielsweise aus einer Substanz oder einer Zusammensetzung, die ein Halbleiter ist, zum Beispiel zumindest teilweise n- und/oder p-dotierter Halbleiter, zum Beispiel mindestens ein II-, III-, IV-, V-, VI-Halbleitermaterial, zum Beispiel (dotiertes) Silizium und/oder Galliumarsenid. Die beschriebenen Rechen- oder Bestimmungsschritte werden z.B. von einem Computer durchgeführt. Bestimmungsschritte oder Berechnungsschritte sind beispielsweise Schritte zur Ermittlung von Daten im Rahmen des technischen Verfahrens, beispielsweise im Rahmen eines Programms. Ein Computer ist z.B. jede Art von Datenverarbeitungsvorrichtung, z.B. elektronische Datenverarbeitungsvorrichtung.
Ein Computer kann eine Vorrichtung sein, die allgemein als solche angesehen wird, z. B. Desktop-PCs, Notebooks, Netbooks usw., kann aber auch eine beliebige programmierbare Vorrichtung sein, wie z. B. ein Mobiltelefon oder ein eingebetteter Prozessor. Ein Computer kann beispielsweise aus einem System (Netzwerk) von „Sub-Computern“ bestehen, wobei jeder Sub-Computer einen eigenständigen Computer darstellt. Der Begriff „Computer“ umfasst auch einen Cloud-Computer, z. B. einen Cloud-Server. Der Begriff „Cloud-Computer“ schließt ein Cloud-Computersystem ein, das beispielsweise ein System aus mindestens einem Cloud-Computer und beispielsweise einer Vielzahl von operativ miteinander verbundenen Cloud-Computern wie einer Serverfarm umfasst. Ein solcher Cloud-Computer ist vorzugsweise an ein Wide Area Network wie das World Wide Web (WWW) angeschlossen und befindet sich in einer sogenannten Cloud von Computern, die alle mit dem World Wide Web verbunden sind. Eine solche Infrastruktur wird für das „Cloud Computing“ verwendet, das Berechnungs-, Software-, Datenzugangs- und Speicherdienste beschreibt, bei denen der Endnutzer den physischen Standort und/oder die Konfiguration des Computers, der einen bestimmten Dienst bereitstellt, nicht kennen muss. Der Begriff „Cloud“ wird in diesem Zusammenhang beispielsweise als Metapher für das Internet (World Wide Web) verwendet. Die Cloud bietet beispielsweise Recheninfrastruktur als Dienstleistung (IaaS) an. Der Cloud-Computer kann als virtueller Host für ein Betriebssystem und/oder eine Datenverarbeitungsanwendung fungieren, die zur Ausführung des erfindungsgemäßen Verfahrens verwendet wird. Der Cloud-Computer ist zum Beispiel eine Elastic Compute Cloud (EC2), wie sie von Amazon Web Services™ bereitgestellt wird. Ein Computer umfasst beispielsweise Schnittstellen, um Daten zu empfangen oder auszugeben und/oder eine Analog-Digital-Wandlung durchzuführen. Bei den Daten handelt es sich beispielsweise um Daten, die physikalische Eigenschaften repräsentieren und/oder die aus technischen Signalen erzeugt werden. Die technischen Signale werden z.B. mittels (technischer) Detektionsvorrichtungen (wie z.B. Vorrichtungen zur Detektion von Markierungsvorrichtungen) und/oder (technischer) Analysevorrichtungen (wie z.B. Vorrichtungen zur Durchführung von (medizinischen) Bildgebungsverfahren) erzeugt, wobei die technischen Signale z.B. elektrische oder optische Signale sind. Die technischen Signale stellen beispielsweise die vom Computer empfangenen oder ausgegebenen Daten dar. Der Computer ist vorzugsweise operativ mit einer Anzeigevorrichtung gekoppelt, die es ermöglicht, die vom Computer ausgegebenen Informationen anzuzeigen, beispielsweise für einen Benutzer. Ein Beispiel für eine Anzeigevorrichtung ist eine Virtual-Reality-Vorrichtung oder eine Augmented-Reality-Vorrichtung (auch als Virtual-Reality-Brille oder Augmented-Reality-Brille bezeichnet), die als „Brille“ zum Navigieren verwendet werden kann. Ein konkretes Beispiel für eine solche Augmented-Reality-Brille ist Google Glass (eine Marke von Google, Inc.). Eine Augmented-Reality-Vorrichtung oder eine Virtual-Reality-Vorrichtung kann sowohl zur Eingabe von Informationen in den Computer durch Benutzerinteraktion als auch zur Anzeige von Informationen, die der Computer ausgibt, verwendet werden. Ein weiteres Beispiel für eine Anzeigevorrichtung wäre ein Standard-Computermonitor, der beispielsweise eine Flüssigkristallanzeige umfasst, die operativ mit dem Computer gekoppelt ist, um Anzeigesteuerdaten vom Computer zu empfangen und Signale zu erzeugen, die zur Anzeige von Bildinformationsinhalten auf der Anzeigevorrichtung verwendet werden. Eine besondere Ausführungsform eines solchen Computermonitors ist eine digitale Lightbox. Ein Beispiel für eine solche digitale Lightbox ist Buzz®, ein Produkt der Brainlab AG. Bei dem Monitor kann es sich auch um den Monitor einer tragbaren, z.B. handheld Vorrichtung wie eines Smartphones, eines persönlichen digitalen Assistenten oder eines digitalen Medienabspielgeräts handeln.
Die Erfindung bezieht sich auch auf ein Programm, das, wenn es auf einem Computer abläuft, den Computer veranlasst, einen oder mehrere oder alle der hierin beschriebenen Verfahrensschritte auszuführen, und/oder auf ein Programmspeichermedium, auf dem das Programm (insbesondere in einer nichttransitorischen Form) gespeichert ist, und/oder auf einen Computer, der das Programmspeichermedium umfasst, und/oder auf eine (physikalische, z.B. elektrische, z.B. technisch erzeugte) Signalwelle, z.B. eine digitale Signalwelle, die Informationen trägt, die das Programm, z.B. das vorgenannte Programm, darstellen, das z.B. Codemittel umfasst, die geeignet sind, einen oder alle der hierin beschriebenen Verfahrensschritte auszuführen.
Im Rahmen der Erfindung können Computerprogrammelemente durch Hardware und/oder Software verkörpert werden (dazu gehören Firmware, residente Software, Mikrocode usw.). Im Rahmen der Erfindung können Computerprogrammelemente die Form eines Computerprogrammprodukts annehmen, das durch einen computerverwendbaren, beispielsweise computerlesbaren Datenträger verkörpert werden kann, der computerverwendbare, beispielsweise computerlesbare Programmanweisungen, „Code“ oder ein „Computerprogramm“ enthält, die in dem genannten Datenträger zur Verwendung auf oder in Verbindung mit dem befehlsausführenden System verkörpert sind. Ein solches System kann ein Computer sein; ein Computer kann eine Datenverarbeitungsvorrichtung sein, die Mittel zum Ausführen der Computerprogrammelemente und/oder des erfindungsgemäßen Programms umfasst, beispielsweise eine Datenverarbeitungsvorrichtung, die einen digitalen Prozessor (Zentraleinheit oder CPU), der die Computerprogrammelemente ausführt, und optional einen flüchtigen Speicher (beispielsweise einen Speicher mit wahlfreiem Zugriff oder RAM) zum Speichern von Daten umfasst, die für die Ausführung der Computerprogrammelemente verwendet und/oder durch diese erzeugt werden. Im Rahmen der vorliegenden Erfindung kann ein computerverwendbares, z. B. computerlesbares Datenspeichermedium ein beliebiges Datenspeichermedium sein, das das Programm zur Verwendung auf dem oder in Verbindung mit dem befehlsausführenden System, Gerät oder der befehlsausführenden Vorrichtung enthalten, speichern, kommunizieren, verbreiten oder transportieren kann. Das computernutzbare, z. B. computerlesbare Datenspeichermedium kann z. B. ein elektronisches, magnetisches, optisches, elektromagnetisches, Infrarot- oder Halbleitersystem, ein Gerät oder eine Vorrichtung oder ein Verbreitungsmedium wie z. B. das Internet sein, ist aber nicht darauf beschränkt. Der computerverwendbare oder computerlesbare Datenträger könnte sogar beispielsweise Papier oder ein anderes geeignetes Medium sein, auf das das Programm gedruckt wird, da das Programm elektronisch erfasst werden könnte, beispielsweise durch optisches Scannen des Papiers oder eines anderen geeigneten Mediums, und dann in geeigneter Weise kompiliert, interpretiert oder anderweitig verarbeitet wird. Das Datenspeichermedium ist vorzugsweise ein nichtflüchtiges Datenspeichermedium. Das Computerprogrammprodukt und die hier beschriebene Software und/oder Hardware bilden die verschiedenen Mittel zur Ausführung der Funktionen der Erfindung in den Ausführungsbeispielen. Die Computer- und/oder Datenverarbeitungseinrichtung kann beispielsweise eine Führungsinformationseinrichtung umfassen, die Mittel zur Ausgabe von Führungsinformationen umfasst. Die Führungsinformation kann z.B. an einen Benutzer visuell durch ein visuelles Anzeigemittel (z.B. einen Monitor und/oder eine Lampe) und/oder akustisch durch ein akustisches Anzeigemittel (z.B. einen Lautsprecher und/oder eine digitale Sprachausgabevorrichtung) und/oder taktil durch ein taktiles Anzeigemittel (z.B. ein vibrierendes Element oder ein in ein Instrument eingebautes Vibrationselement) ausgegeben werden. Im Sinne dieses Dokuments ist ein Computer ein technischer Computer, der z. B. technische, z. B. materielle, z. B. mechanische und/oder elektronische Komponenten umfasst. Jede Vorrichtung, das in diesem Dokument als solches bezeichnet wird, ist eine technische, z. B. materielle Vorrichtung.
Bereitstellen von Daten
Entsprechend der vorliegenden Offenbarung können die Begriffe Daten bereitstellen und Daten abrufen synonym verwendet werden. Der Ausdruck „Daten bereitstellen“ oder „Daten abrufen“ umfasst beispielsweise (im Rahmen eines computerimplementierten Verfahrens) das Szenario, in dem die Daten durch das computerimplementierte Verfahren oder Programm ermittelt werden. Er umfasst aber auch das Empfangen der Daten, z. B. durch eine Benutzereingabe, und/oder das Abrufen der Daten aus einer Datenspeichervorrichtung.
Das Bestimmen von Daten umfasst beispielsweise das Messen physikalischer Größen und das Umwandeln der Messwerte in Daten, beispielsweise digitale Daten, und/oder das Berechnen (und z.B. Ausgeben) der Daten mittels eines Computers und beispielsweise im Rahmen des erfindungsgemäßen Verfahrens. Die Bedeutung des Begriffs „Bereitstellen von Daten“ umfasst beispielsweise auch das Szenario, in dem die Daten von dem computerimplementierten Verfahren oder Programm empfangen oder abgerufen werden (z.B. Eingabe), beispielsweise aus einem anderen Programm, einem vorangegangenen Verfahrensschritt oder einem Datenspeichermedium, beispielsweise zur Weiterverarbeitung durch das computerimplementierte Verfahren oder Programm. Die Erzeugung der zu erfassenden Daten kann, muss aber nicht Teil des erfindungsgemäßen Verfahrens sein. Der Ausdruck „Bereitstellen von Daten“ kann daher beispielsweise auch das Warten auf den Empfang von Daten und/oder den Empfang der Daten bedeuten. Die empfangenen Daten können zum Beispiel über eine Schnittstelle eingegeben werden. Der Ausdruck „Daten bereitstellen“ kann auch bedeuten, dass das computerimplementierte Verfahren oder Programm Schritte durchführt, um die Daten (aktiv) von einer Datenquelle, beispielsweise einem Datenspeichermedium (wie beispielsweise einem ROM, RAM, einer Datenbank, einer Festplatte usw.), oder über die Schnittstelle (beispielsweise von einem anderen Computer oder einem Netzwerk) zu empfangen oder abzurufen. Die Daten, die durch das offengelegte Verfahren bzw. die offengelegte Vorrichtung bereitgestellt werden, können aus einer Datenbank gewonnen werden, die sich in einem Datenspeicher befindet, der mit einem Computer für den Datentransfer zwischen der Datenbank und dem Computer, z. B. von der Datenbank zum Computer, verbunden ist. Der Computer erfasst die Daten, um sie als Eingang für Schritte der Datenbestimmung zu verwenden. Die ermittelten Daten können wieder an dieselbe oder eine andere Datenbank ausgegeben werden, um sie zur späteren Verwendung zu speichern. Die Datenbank oder die Datenbank, die zur Durchführung des offengelegten Verfahrens verwendet wird, kann sich auf einem Netzwerkdatenspeicher oder einem Netzwerkserver (z. B. einem Cloud-Datenspeicher oder einem Cloud-Server) oder einem lokalen Datenspeicher (z. B. einem Massenspeicher, der funktionell mit mindestens einem Computer verbunden ist, der das offengelegte Verfahren ausführt) befinden. Die Daten können durch Ausführung eines zusätzlichen Schritts vor dem Bereitstellungsschritt „gebrauchsfertig“ gemacht werden. Gemäß diesem zusätzlichen Schritt werden die Daten erzeugt, um erfasst zu werden. Die Daten werden z.B. detektiert oder erhoben (z.B. durch eine Analysevorrichtung). Alternativ oder zusätzlich werden die Daten gemäß dem zusätzlichen Schritt eingegeben, beispielsweise über Schnittstellen. Die erzeugten Daten können z.B. eingegeben werden (z.B. in den Computer). Gemäß dem zusätzlichen Schritt (der dem Schritt des Bereitstellens vorausgeht) können die Daten auch dadurch bereitgestellt werden, dass der zusätzliche Schritt des Speicherns der Daten in einem Datenträger (wie z.B. einem ROM, RAM, CD und/oder Festplatte) durchgeführt wird, so dass sie im Rahmen des erfindungsgemäßen Verfahrens oder Programms zur Verwendung bereitstehen. Der Schritt des „Bereitstellens von Daten“ kann daher auch darin bestehen, einer Vorrichtung den Befehl zu erteilen, die zu erfassenden Daten zu beschaffen und/oder bereitzustellen. Insbesondere handelt es sich bei dem Schritt des Bereitstellens nicht um einen invasiven Schritt, der einen erheblichen körperlichen Eingriff in den Körper darstellen würde, dessen Durchführung professionelle medizinische Fachkenntnisse erfordert und selbst bei Durchführung mit der erforderlichen professionellen Sorgfalt und Fachkenntnis ein erhebliches Gesundheitsrisiko birgt. Insbesondere beinhaltet der Schritt des Bereitstellens von Daten, z. B. der Bestimmung von Daten, keinen chirurgischen Schritt und insbesondere keinen Schritt der Behandlung eines menschlichen oder tierischen Körpers durch einen chirurgischen Eingriff oder eine Therapie. Zur Unterscheidung der verschiedenen Daten, die im Rahmen des vorliegenden Verfahrens verwendet werden, werden die Daten als „XY-Daten“ und dergleichen bezeichnet und in Bezug auf die Informationen definiert, die sie beschreiben, die dann vorzugsweise als „XY-Informationen“ und dergleichen bezeichnet werden.
Behandlungsstrahl
Die vorliegende Erfindung betrifft das Gebiet der Erstellung eines Behandlungsplans, auf dessen Grundlage ein Behandlungsstrahl gesteuert wird. Der Behandlungsstrahl behandelt zu behandelnde Körperteile, die im Folgenden als „Behandlungskörperteile“ bezeichnet werden. Diese Körperteile sind beispielsweise Körperteile eines Patienten, d.h. anatomische Körperteile.
Die vorliegende Erfindung bezieht sich auf das Gebiet der Medizin und zum Beispiel auf die Verwendung von Strahlen, wie z. B. Strahlen, zur Behandlung von Körperteilen eines Patienten, die daher auch als Behandlungsstrahlen bezeichnet werden. Ein Behandlungsstrahl behandelt Behandlungskörperteile, die im Folgenden als „Behandlungskörperteile“ bezeichnet werden. Diese Körperteile sind z.B. Teile des Körpers eines Patienten, d.h. anatomische Körperteile. Zur Behandlung wird zum Beispiel ionisierende Strahlung eingesetzt. Der Behandlungsstrahl umfasst oder besteht beispielsweise aus ionisierender Strahlung. Die ionisierende Strahlung umfasst oder besteht aus Teilchen (z. B. subatomare Teilchen oder Ionen) oder elektromagnetischen Wellen, die energiereich genug sind, um Elektronen aus Atomen oder Molekülen herauszulösen und sie so zu ionisieren. Beispiele für solche ionisierenden Strahlen sind Röntgenstrahlen, hochenergetische Teilchen (hochenergetische Teilchenstrahlen) und/oder ionisierende Strahlung, die von einem radioaktiven Element ausgeht. Die Behandlungsstrahlung, z.B. der Behandlungsstrahl, wird z. B. in der Strahlentherapie oder Radiotherapie, z. B. im Bereich der Onkologie, eingesetzt. Insbesondere bei der Krebsbehandlung werden Körperteile, die eine pathologische Struktur oder ein pathologisches Gewebe wie einen Tumor aufweisen, mit ionisierender Strahlung behandelt. Der Tumor ist dann ein Beispiel für einen behandelten Körperteil.
Der Behandlungsstrahl wird vorzugsweise so gesteuert, dass er das Behandlungskörperteil durchdringt. Der Behandlungsstrahl kann jedoch eine negative Wirkung auf Körperteile außerhalb des Behandlungskörperteils haben. Diese Körperteile werden hier als „äußere Körperteile“ bezeichnet. Im Allgemeinen muss ein Behandlungsstrahl die äußeren Körperteile durchdringen, um den Behandlungskörperteil zu erreichen und zu durchdringen.
In diesem Zusammenhang wird auch auf die folgenden Webseiten verwiesen: http://www.elekta.com/healthcare_us_elekta_vmat.php und http://www.varian.com/us/oncology/treatments/treatment_techniques/rapidarc.
Figurenliste
Im Folgenden wird die Erfindung unter Bezugnahme auf die beigefügten Figuren beschrieben, die Hintergrunderklärungen geben und beispielhafte Ausführungsformen der Erfindung darstellen. Der Umfang der Erfindung ist jedoch nicht auf die im Zusammenhang mit den Figuren offenbarten spezifischen Merkmale beschränkt, wobei

1 ein Flussdiagramm zeigt, das die Schritte eines Verfahrens zur Vorhersage einer Abhängigkeit C_i (p_i) eines Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines RT-Planungsparameters p_i gemäß einer beispielhaften Ausführungsform der Erfindung illustriert;
2 zeigt schematisch drei verschiedene Schieberegler/ RT-Planungsparameter p_i, die vom Benutzer über eine typische grafische Benutzeroberfläche eines RT-Behandlungsplanungssystems verändert werden können;
3 zeigt schematisch ein Beispiel dafür, wie sich ein bestimmtes RT-Qualitätskriterium C_i ändern kann, wenn ein Schieberegler über den gesamten Wertebereich bewegt wird, ohne die übrigen Parameter zu verändern;
4 zeigt schematisch, dass die Anzahl der Ankerpunkte, die für eine gute Annäherung benötigt werden, vom Wertebereich eines C_i abhängt, der in einer anderen beispielhaften Ausführungsform der Erfindung verwendet wird;
5 zeigt schematisch ein Verfahren zur Vorhersage der Abhängigkeit C_i (p_i) mit einem trainierten KI-Modul und zur Bestimmung einer Vielzahl von Ankerpunkten auf der Grundlage der vorhergesagten Abhängigkeit C_i (p_i) des RT-Qualitätskriteriums C_i gemäß einer beispielhaften Ausführungsform der Erfindung;
6 zeigt schematisch ein RT-Behandlungssystem mit einem RT-Behandlungsplanungssystem gemäß einer weiteren beispielhaften Ausführungsform der Erfindung;
7 zeigt schematisch einen Verfahrensschritt zur Erzeugung von Trainingsdaten für das KI-Modul gemäß einer weiteren beispielhaften Ausführungsform der Erfindung.

Die Figuren sind nur schematisch und nicht maßstabsgetreu. Grundsätzlich sind gleiche oder gleichartige Teile, Elemente und/oder Schritte in den Figuren mit gleichen oder gleichartigen Bezugszeichen versehen.
BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
1 zeigt ein Flussdiagramm, das die grundlegenden Schritte des Verfahrens zur Vorhersage einer Abhängigkeit C_i (p_i) eines Qualitätskriteriums C_i für die Strahlentherapie (RT) aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i gemäß einer beispielhaften Ausführungsform und/oder gemäß dem ersten Aspekt veranschaulicht.
Das Verfahren nach 1 ist ein computerimplementiertes medizinisches Verfahren und umfasst in Schritt S1 das Bereitstellen geometrischer Patientendaten, die einen Bereich eines Patienten geometrisch beschreiben, der gemäß einem Strahlentherapie-Behandlungsplan bestrahlt werden soll. Ferner umfasst Schritt S2 das Bereitstellen von Dosisvorgabedaten und Behandlungsindikationsdaten für diesen Patienten. Die Vorhersage der Abhängigkeit C_i (p_i) des RT-Qualitätskriteriums C_i aus dem RT-Planungsparameter p_i bei der Anpassung des RT-Planungsparameters pi, wobei die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul verwendet werden, bildet Schritt S3.
Falls gewünscht, werden die Schritte S1 bis S3 für eine Vielzahl von Strahlentherapie-Qualitätskriterien C_i und eine Vielzahl von Strahlentherapie-Planungsparametern p_i wiederholt. Darüber hinaus ist zu beachten, dass in dieser und jeder anderen hier beschriebenen Ausführungsform die folgenden zusätzlichen Schritte in dem Verfahren enthalten sein können. Vorsehen einer Vielzahl aktueller Werte, d. h. fester Werte, der RT-Planungsparameter p_j und Berücksichtigung der aktuellen Werte der RT-Planungsparameter p_j bei der Vorhersage der Abhängigkeit Ci (p_i) mit dem trainierten KI-Modul.
Typischerweise umfassen die „geometrischen Patientendaten“ das Volumen des gefährdeten Organs (OAR), das Planungszielvolumen (PTV), den Abstand OAR-PTV, die Konkavität/Konvexität des OAR, die Konkavität/Konvexität des PTV, Daten des Überlappungshistogramms (OVH) und andere. In einer Ausführungsform werden die geometrischen Patientendaten aus Bildsätzen wie CT oder MR oder Ähnlichem gewonnen. In dieser Ausführungsform werden Organstrukturen aus diesen Bildern segmentiert und die geometrischen Merkmale extrahiert und als geometrische Patientendaten verwendet. Wie zuvor beschrieben, können diese „geometrischen Patientendaten“ gemäß einer beispielhaften Ausführungsform in Form eines „Patientenvektors“ bereitgestellt werden, in dem auch die Dosisvorgabedaten und die Behandlungsindikationsdaten für den genannten Patienten enthalten sind. Ein solcher „Patientenvektor“ wird im Zusammenhang mit 7 näher beschrieben. Darüber hinaus umfassen die „Dosisvorgabedaten und Behandlungsindikationsdaten“ typischerweise eines oder mehrere der folgenden Elemente: die PTV-Dosisvorgabe, die PTV-Maximaldosis, die PTV-Minimaldosis, die OAR-Maximaldosis, ein OAR-Dosisziel, eine Liste von OARs, eine Anzahl von Fraktionen, eine hervorgehobene Dosis, eine spezielle OAR und andere.
Das vorgestellte Verfahren zur Vorhersage der Abhängigkeit C_i (p_i) spart wertvolle Zeit und Berechnungskapazität im Gesamtprozess der Erstellung des endgültigen Behandlungsplans, der zur Bestrahlung und Behandlung des Patienten verwendet wird.
Wenn z. B. die vorhergesagte Abhängigkeit von C_i (p_i) nahezu flach ist, d. h. sich der Wert von C_i bei einer Variation von p_i in einem bestimmten Bereich nicht oder nur unwesentlich ändert. Ein solches Beispiel ist in 4 zu sehen. Dieses Ergebnis des erfindungsgemäßen Verfahrens kann dann dazu verwendet werden, den Bereich des Parameters p_i einzugrenzen, in dem der nachfolgende zeitintensive iterative Optimierungsprozess durch den Optimierer genau durchgeführt wird. Darüber hinaus können mit dem Verfahren der 1 sogenannte „Ankerpunkte“, d.h. bestimmte Werte von p_i, bestimmt werden. Diese „Ankerpunkte“ können als ausgewählte Werte von p_i verstanden werden, die für den anschließenden finalen zeitintensiven iterativen Optimierungsprozess verwendet werden, anstelle des gesamten Bereichs von p_i. Im Falle einer Abhängigkeit von C_i (p_i), bei der C_i stark von einer Variation von p_i in einem bestimmten Bereich abhängt, kann dieses Ergebnis des Verfahrens für den abschließenden Optimierungsprozess insofern verwendet werden, als dieser Bereich berücksichtigt und nicht vernachlässigt werden sollte. Auch dieses Szenario wird im Zusammenhang mit der Ausführungsform von 4 weiter erläutert. Aspekte zu den Trainingsdaten des trainierten KI-Moduls sind bereits beschrieben worden und werden durch die Offenbarung zu 7 ergänzt.
Im Folgenden wird eine weitere detaillierte Ausführungsform des Verfahrens von 1 anhand der zuvor erläuterten Schritte S1 und S3 sowie anhand zusätzlicher Verfahrensschritte erläutert.
Gemäß dieser weiteren Ausführungsform wird in einem ersten Schritt eine Datenbank mit Patientengeometriedaten, Dosisvorschreibungs- und Behandlungsindikationsdaten und Schiebereglerstellungskonfigurationen mit Merkmalen der resultierenden Behandlungspläne einschließlich der Abhängigkeiten C_i (p_i) erstellt. Eine Ausführungsform dieser Datenbankerstellung ist in 7 dargestellt. In einem weiteren Schritt wird das KI-Modul so trainiert, dass es die Schiebereglerstellungen vorhersagt, die die größten oder geringsten „Trade-Offs“ bei den entscheidenden dosimetrischen Merkmalen C_i der resultierenden Behandlungspläne erzeugen. Für den aktuellen Patientenfall, der von Interesse ist, werden geometrische Informationen aus diesem Patientenfall extrahiert, typischerweise durch Merkmalssegmentierung aus medizinischen Bildern wie CT- oder MRT-Bildern. Auf der Grundlage der geometrischen Patientendaten werden die Werte für die Dosisvorgabe und die Behandlungsindikation von p_i bestimmt, die für die spätere effiziente Erstellung des endgültigen RT-Behandlungsplans am besten geeignet sind. So werden bei der anschließenden Optimierung durch den Optimierer Berechnungen vermieden, bei denen Werte von p_i verwendet werden, die zwar Rechenzeit kosten, aber das Ergebnis des RT-Behandlungsplans nicht oder nicht wesentlich verändern. Anschließend werden vollständige Optimierungen des Anpassungsbereichs der Vorhersagen durchgeführt, anstatt die Optimierung im gesamten möglichen Bereich von p_i vorzunehmen. In einem letzten Schritt kann der Benutzer den endgültigen Behandlungsplan auswählen, der auf das RT-Behandlungssystem angewendet werden soll, um die Behandlung einzuleiten.
2 zeigt schematisch drei verschiedene Schieberegler/ RT-Planungsparameter p_i, die vom Benutzer über eine typische grafische Benutzeroberfläche eines RT-Behandlungsplanungssystems verändert werden können. Die für die Patientenbehandlung verwendete Strahlendosisverteilung wird, wie bereits erläutert, durch einen computergestützten Optimierungsalgorithmus ermittelt. Die Charakteristik dieser Dosisverteilung können durch die Anpassung einer Reihe von Optimierungsparametern p_i über Schieberegler vor der Optimierung beeinflusst werden. Jeder einzelne dieser Parameter beeinflusst eine ganze Gruppe von verschiedenen Aspekten des Optimierungsprozesses. Diese „zusammengesetzten“ Parameter werden so gewählt, dass jeder Parameter einen wichtigen Aspekt des Optimierungsergebnisses beschreibt, z. B. die Abwägung zwischen der Bestrahlung eines möglichst großen Teils des Zielvolumens und der Schonung des gesunden Gewebes um das Ziel herum. Ein anderes Beispiel ist: einfache Qualitätssicherung und schnelle Abgabe gegenüber einer optimalen Dosisverteilung auf Kosten einer längeren Abgabezeit und eines anspruchsvolleren Qualitätssicherungsprozesses. 2 veranschaulicht, wie diese Parameter in einer grafischen Benutzeroberfläche eingestellt werden können.
3 zeigt schematisch ein Beispiel dafür, wie sich ein bestimmtes RT-Qualitätskriterium C_i ändern kann, wenn ein Schieberegler über den gesamten Wertebereich bewegt wird, ohne die übrigen Parameter zu verändern. In der Regel wird die resultierende 3D-Dosisverteilung anhand einer Reihe von Qualitätskriterien C_i bewertet. Ein solches Kriterium kann z. B. eine in der Dosisvorgabe definierte Dosis/Volumen-Beschränkung oder der Konformitätsindex (CI) oder der Gradientenindex (GI) sein, wie bereits ausführlich beschrieben. Auch wenn die Zusammensetzung der Parameterwerte in einer Weise initialisiert wird, die in den meisten Fällen eine gute Effektivität ergibt, hängt das unmittelbare Verhalten eines spezifischen C_i von so vielen Aspekten ab (Geometrie des Patienten, Dosisvorgabe und dosimetrische Optimierungsziele, die Art des Optimierers selbst), dass eine analytische a-priori-Aussage über das Verhalten eines spezifischen C_i in Bezug auf Änderungen an einem spezifischen Schieberegler nicht gemacht werden kann. Die vorliegende Erfindung überwindet jedoch diesen Nachteil, wie bereits erläutert wurde, und wird durch die folgende Offenbarung noch deutlicher gemacht.
4 zeigt eine Näherungsauflösung für zwei verschiedene RT-Qualitätskriterien C₁ und C₂. Insbesondere zeigt 4 schematisch, dass die Anzahl der Ankerpunkte 40, 41, die für eine gute Approximation benötigt werden, vom Wertebereich abhängt, der für ein C_i erreicht wird. Diese Erkenntnis wird in einer weiteren beispielhaften Ausführungsform der Erfindung genutzt. In dieser Ausführungsform wird eine Vielzahl von Ankerpunkten auf der Grundlage der vorhergesagten Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i von einer Anpassung des Strahlentherapie-Planungsparameters p_i bestimmt. Darin ist jeder Ankerpunkt 40, 41 ein vorgeschlagener Wert des Strahlentherapie-Planungsparameters p_i für die Vorberechnung einer Dosisverteilung. So kann der Benutzer den Optimierer starten, um eine vollständige Optimierung mit nur den vorhergesagten „Ankerpunkten“ 40, 41 anstelle des gesamten Schiebereglerbereichs durchzuführen. Mit anderen Worten: Bei dieser Ausführungsform werden die Schiebereglerstellungen mit den interessantesten „Trade-Offs“ vorhergesagt. Die Ankerpunkte können den gesamten Bereich der Abhängigkeit C_i (p_i) abdecken, wie in den beiden Diagrammen in 4 gezeigt wird. Sie können aber auch die obere und untere Grenze eines Teilbereichs des Parameters p_i sein.
5 zeigt schematisch ein Verfahren zur Vorhersage der Abhängigkeit C_i (p_i) mit einem trainierten KI-Modul, und das Verfahren bestimmt auch eine Vielzahl von Ankerpunkten auf der Grundlage der vorhergesagten Abhängigkeit C_i (p_i) des RT-Qualitätskriteriums C_i gemäß einer beispielhaften Ausführungsform der Erfindung. Diese Ausführungsform baut auf 1 auf und umfasst zusätzliche weitere Merkmale. Wie aus 5 zu entnehmen ist, umfasst der Patientenvektor 50 geometrische Patientendaten, Dosisvorgabedaten und Behandlungsindikationsdaten 50a. Der Patientenvektor 50 beschreibt auch, welcher Strahlentherapie-Planungsparameter p_i variiert/verändert werden soll und definiert feste Positionen oder Werte der übrigen Strahlentherapie-Planungsparameter p_j, siehe Bezugszeichen 50b. In dieser Ausführungsform sind also mehrere feste Werte der RT-Planungsparameter p_j vorgesehen, und die festen Werte der RT-Planungsparameter p_j werden von dem trainierten KI-Modul bei der Vorhersage der Abhängigkeit C_i (p_i) berücksichtigt. Der Patientenvektor 50 definiert auch, welches RT-Qualitätskriterium C_i vom Benutzer ausgewählt wurde. Dieser Patientenvektor 50 kann als Eingang für das trainierte KI-Modul/Modell 51 verwendet werden, das die Werte des RT-Qualitätskriteriums C_i im möglichen Bereich von p_i vorhersagt. Das KI-Modul bestimmt auch die Anzahl der Ankerpunkte, indem es die vorhergesagten Werte des RT-Qualitätskriteriums C_i bzw. die vorhergesagte Abhängigkeit C_i (p_i) mit einem vordefinierten Schwellwert vergleicht.
Wenn beispielsweise in einem gegebenen Bereich von p_i, der durch die Werte p_i,1 und p_i,2 definiert ist, die Differenz zwischen dem Maximal- und dem Minimalwert von C_i in diesem Bereich über diesem vordefinierten Schwellwert liegt, dann wird mit dem vorgestellten Verfahren eine relativ hohe Anzahl von Ankerpunkten ermittelt. In diesem Fall lohnt es sich, den durch die Werte p_i,1 und p_i,2 definierten Bereich von p_i zu „erkunden“, indem anschließend eine vollständige Optimierung mit dem Optimierer für die relativ hohe Anzahl von Ankerpunkten berechnet wird. Wenn jedoch innerhalb eines gegebenen Bereichs von p_i, der durch die Werte p_i,1 und p_i,2 definiert ist, die Maximal- und Minimalwerte von C_i in diesem Bereich unter diesem vordefinierten Schwellwert liegen, dann wird mit dem vorgestellten Verfahren eine relativ geringe Anzahl von Ankerpunkten bestimmt. Mit anderen Worten, aufgrund der durch das KI-Modul 51 vorhergesagten Abhängigkeit C_i (p_i) wird durch das vorgestellte Verfahren festgestellt, dass in diesem Bereich zwischen p_i,1 und p_i,2 eine detaillierte Erkundung im Sinne einer vollständigen Berechnung/Optimierung des Behandlungsplans in diesem Bereich nicht erforderlich ist.
Ähnlich wie bei der zuvor erwähnten Ausführungsform wird in einer weiteren Ausführungsform bestimmt, ob innerhalb eines vordefinierten Wertebereichs des Strahlentherapie-Planungsparameters p_i eine Änderung eines Gradienten der Abhängigkeit C_i (p_i) über oder unter einem vordefinierten Schwellwert liegt. Ferner wird die Anzahl der mehreren Ankerpunkte in Abhängigkeit davon bestimmt, ob die Änderung des Gradienten der Abhängigkeit C_i (p_i) über oder unter dem vordefinierten Schwellwert liegt.
6 zeigt schematisch ein RT-Behandlungssystem 60 mit einem RT-Behandlungsplanungssystem 61 gemäß einer weiteren beispielhaften Ausführungsform der Erfindung. Das Strahlentherapie-Behandlungssystem 60 umfasst neben dem RT-Behandlungsplanungssystem 61 ein Strahlenbehandlungsgerät 66 mit einer Behandlungsstrahlquelle 67 und einer Patientenunterstützungseinheit 68. Der Computer 62 des RT-Behandlungsplanungssystems ist funktionsfähig mit der Strahlenbehandlungsvorrichtung 66 gekoppelt, um ein Steuersignal an die Strahlenbehandlungsvorrichtung auszugeben, das den Betrieb der Behandlungsstrahlquelle 67 und/oder die Position der Patientenlagerungseinheit 68 steuert. Ferner veranlasst das Programm 64, das auf dem Computer 62 abläuft oder auf den Computer geladen wird, den Computer zur Durchführung der Verfahrensschritte des Verfahrens gemäß dem ersten Aspekt der vorliegenden Erfindung. Der Computer 62 umfasst auch ein Programmspeichermedium 63, auf dem das Programm gespeichert ist, und umfasst auch das KI-Modul 65. Das KI-Modul kann eine separate Recheneinheit innerhalb des Rechners sein oder als ein auf dem Rechner 62 laufendes Programm/Algorithmus realisiert sein.
7 zeigt schematisch einen Verfahrensschritt des Bereitstellens/Erzeugens von Trainingsdaten 71 für das KI-Modul 65 aus mehreren früheren Patientenfällen 72 gemäß einer weiteren beispielhaften Ausführungsform der Erfindung. Die Trainingsdaten 71 können zusammen eine Trainingsdatenbank 70 bilden. Insbesondere kann das KI-Modul mit einer großen Anzahl von Trainingsdaten 71 trainiert werden, die Optimierungen sind, die aus anderen Patientendaten 72 berechnet werden. Die Optimierung mit dem klassischen RT-Behandlungsplanungsoptimierer ist in 7 mit dem Schritt „Optimierung“ 73 dargestellt. Die Trainingsdaten umfassen im Allgemeinen Trainingseingangsdaten 71a, die zumindest geometrische Patientendaten sowie die Dosisvorgabedaten und die Behandlungsindikationsdaten umfassen. Die Trainingsdaten 71 umfassen auch Trainingsausgangsdaten 71 b, die zumindest einen Teil einer Abhängigkeit C_i (p_i) eines RT-Qualitätskriteriums C_i von einer Anpassung eines RT-Planungsparameters p_i umfassen. In der in 7 gezeigten Ausführungsform ist das Qualitätskriterium beispielhaft als „DVH-Kriterium“ dargestellt, und der geänderte Planungsparameter p_i ist der erste Schieberegler der drei in 7 beispielhaft dargestellten Schieberegler.
Für eine Auswahl von Patientenfällen können ein spezifisches Behandlungssetup 72a, einschließlich Dosisvorgabedaten und Behandlungsindikationsdaten, und eine Liste 72b von Qualitätskriterien C_i ausgewählt werden. Aus den medizinischen Bildsätzen (CT, MR, etc.) und den segmentierten Organstrukturen werden geometrische Merkmale 72c extrahiert, wobei diese geometrischen Merkmale Ausprägungen der geometrischen Patientendaten sind, wie sie im Verfahren der vorliegenden Erfindung verwendet werden. Falls gewünscht, kann jeder Patientenfall als m-dimensionaler Vektor 72 von numerischen Werten beschrieben werden. Bei diesen geometrischen Merkmalen kann es sich typischerweise um einen oder mehrere der folgenden Parameter handeln: das Volumen des gefährdeten Organs (OAR), das Planungszielvolumen (PTV), der Abstand OAR-PTV, die Konkavität/Konvexität des OAR, die Konkavität/Konvexität des PTV, die Daten des Überlappungshistogramms (OVH) und andere.
Für jeden Vektor 72 können Dosisoptimierungen 73 für alle verschiedenen Parameterkombinationen durchgeführt werden. Während in jedem Fall die gesamte resultierende Dosisverteilung gespeichert werden könnte, ist es wesentlich speichereffizienter, nur die Liste der resultierenden Werte der Qualitätskriterien C_i zu speichern.
Das KI-Modul kann dann mit einer Vielzahl von Trainingsdaten 71 trainiert werden, die von mehreren verschiedenen Patientenfällen stammen. Die Trainings-Eingangsdaten 71a werden, wie zuvor beschrieben, dem KI-Modul als Input zur Verfügung gestellt. Auch die entsprechenden Abhängigkeiten C_i (p_i), die zuvor durch die Optimierung mit dem klassischen RT-Behandlungsplanungsoptimierer in Schritt 73 berechnet wurden, werden bereitgestellt, so dass das KI-Modul bestehende Korrelationen zwischen diesen drei Arten von Eingangsdaten und den Abhängigkeiten C_i (p_i) lernt. Aufgrund des Trainings kann das KI-Modul dann vorhersagen, ob Änderungen an bestimmten Schiebereglern/Parametern p_i wahrscheinlich eine signifikante Auswirkung auf wichtige Merkmale C_i der Optimierungsergebnisse für neue Patientendaten in Form neuer geometrischer Patientendaten und neuer Dosisvorgabe- und Behandlungsindikationsdaten haben werden. Dies kann natürlich für ein oder mehrere RT-Qualitätskriterien C_i und einen oder mehrere RT-Behandlungsplanungsparameter p_i geschehen.
Unter Verwendung des KI-Moduls berechnet das Verfahren der vorliegenden Erfindung die Abhängigkeit C_i (p_i) eines Qualitätskriteriums C_i für die Strahlentherapie (RT) aus der Anpassung eines solchen Strahlentherapie-Planungsparameters pi, d. h. es sagt sie voraus. Auf diese Weise wird der Entscheidungsfindungsprozess bei der RT-Behandlungsplanoptimierung durch die Vorhersage vielversprechender Einstellungen eines oder mehrerer Strahlentherapie-Planungsparameter p_i gestrafft, bevor der eigentliche zeitintensive iterative Optimierungsprozess durchgeführt wird. Dies wird durch die Anwendung eines KI-Moduls erreicht, das darauf trainiert wurde, das spezifische Verhalten des Dosisoptimierungsalgorithmus, d. h. des Optimierers, in Bezug auf geometrische Patientendaten, Dosisvorgaben und Behandlungsindikationsdaten vorherzusagen.

Claims

Computerimplementiertes medizinisches Verfahren zur Vorhersage einer Abhängigkeit C_i (p_i) eines Strahlentherapie (RT)-Qualitätskriteriums C_i aus einer Anpassung eines Strahlentherapie-Planungsparameters p_i, wobei das Verfahren die folgenden Schritte umfasst: - Bereitstellen von geometrischen Patientendaten, die einen Bereich eines Patienten geometrisch beschreiben, der gemäß einem Strahlentherapie-Behandlungsplan bestrahlt werden soll (Schritt S1), - Bereitstellen von Dosisvorgabedaten und Behandlungsindikationsdaten für den Patienten (Schritt S2), und - Vorhersagen der Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i von dem Strahlentherapie-Planungsparameter p_i mit einem trainierten künstliche Intelligenz (KI)-Modul, wenn der Strahlentherapie-Planungsparameter p_i angepasst wird, wobei die geometrischen Patientendaten, die Dosisvorgabedaten und die Behandlungsindikationsdaten als Eingang für das KI-Modul verwendet werden (Schritt S3).
Verfahren nach dem vorhergehenden Anspruch, ferner umfassend den Schritt: - Bestimmen einer Vielzahl von Ankerpunkten basierend auf der vorhergesagten Abhängigkeit C_i (p_i) des Strahlentherapie-Qualitätskriteriums C_i aus einer Anpassung des Strahlentherapie-Planungsparameters p_i, wobei jeder Ankerpunkt ein vorgeschlagener Wert des Strahlentherapie-Planungsparameters p_i zur Vorberechnung einer Dosisverteilung ist.
Verfahren nach Anspruch 2, - wobei das Bestimmen der Ankerpunkte einen Vergleich der vorhergesagten Abhängigkeit C_i (p_i) mit einem vordefinierten Schwellwert verwendet.
Verfahren nach einem der Ansprüche 2 oder 3, wobei der Schritt des Vorhersagens der Abhängigkeit C_i (p_i) umfasst - Bestimmen, ob innerhalb eines vordefinierten Wertebereichs des Strahlentherapie-Planungsparameters p_i eine Änderung eines Gradienten der Abhängigkeit C_i (p_i) über oder unter einem vordefinierten Schwellwert liegt, - Bestimmen einer Anzahl der Vielzahl von Ankerpunkten in Abhängigkeit davon, ob die Änderung des Gradienten der Abhängigkeit C_i (p_i) über oder unter dem vordefinierten Schwellwert liegt.
Verfahren nach Anspruch 4, - wobei eine höhere Anzahl von Ankerpunkten bestimmt wird, wenn die Änderung des Gradienten der Abhängigkeit C_i (p_i) über dem Schwellwert liegt, im Vergleich zu einer niedrigeren Anzahl von Ankerpunkten, die bestimmt werden, wenn die Änderung des Gradienten niedriger als der vordefinierte Schwellwert ist.
Verfahren nach einem der Ansprüche 2 bis 5, ferner umfassend die Schritte: - Vorberechnen einer RT-Dosisverteilung für jeden der bestimmten Ankerpunkte, und - Annähern einer RT-Dosisverteilung und vorzugsweise eines Wertes für das RT-Qualitätskriterium C_i für einen Wert des Strahlentherapie-Planungsparameters p_i, dessen Wert kein Ankerpunkt ist, wobei Ergebnisse der Vorberechnung der RT-Dosisverteilung für die Ankerpunkte verwendet werden.
Verfahren nach einem der vorhergehenden Ansprüche, - wobei das Strahlentherapie-Qualitätskriterium C_i ein qualitativer Parameter ist, der für eine Strahlentherapie-Dosisverteilung indikativ ist.
Verfahren nach einem der vorhergehenden Ansprüche, - wobei das Strahlentherapie (RT)-Qualitätskriterium C_i aus der Gruppe ausgewählt wird, die eine RT-Abgabezeit, eine Komplexität der RT-Qualitätssicherung (QA), eine RT-Dosisbeschränkung, eine RT-Volumenbeschränkung bezüglich eines Volumens innerhalb des Patienten, einen Konformitätsindex, der beschreibt, wie gut ein bestrahlter Bereich mit einem Planungszielvolumen (PTV) korreliert, einen Gradientenindex, der beschreibt, wie schnell eine RT-Strahlendosis mit zunehmendem Abstand zu einem Zielvolumen abnimmt, und eine beliebige Kombination davon umfasst.
Verfahren nach einem der vorhergehenden Ansprüche, - wobei der Strahlentherapie-Planungsparameter p_i aus der Gruppe ausgewählt wird, die eine Gewichtung zwischen einem RT-Ziel und einem Risikoorgan (OAR), einen Parameter, der die Schonung von normalem Gewebe beschreibt, einen Parameter, der einen Grad der RT-Modulation beschreibt, und eine beliebige Kombination davon umfasst.
Verfahren nach einem der vorangehenden Ansprüche umfasst ferner: - Bestimmen eines geänderten Anpassungsbereichs des RT-Planungsparameters p_i basierend auf der vorhergesagten Abhängigkeit C_i (p_i), und - Vorschlagen des geänderten Anpassungsbereichs an einen Benutzer einer RT-Behandlungsplanungssoftware.
Verfahren nach Anspruch 10, wobei der Schritt, Vorschlagen des geänderten Anpassungsbereichs an einen Benutzer ferner umfasst: - Anpassen einer grafischen Benutzeroberfläche (GUI) der RT-Behandlungsplanungssoftware, so dass der geänderte Anpassungsbereich des RT-Planungsparameters p_i dem Benutzer angezeigt wird.
Verfahren nach einem der Ansprüche 10 oder 11, ferner umfassend den Schritt - Durchführen einer vollständigen Optimierung des RT-Behandlungsplans mit dem geänderten Anpassungsbereich des RT-Planungsparameters p_i unter Verwendung eines RT-Planungsoptimierungsalgorithmus.
Verfahren nach einem der vorangehenden Ansprüche, - wobei die Schritte (S1) bis (S3) für eine Vielzahl von Strahlentherapie-Qualitätskriterien Ci und eine Vielzahl von Strahlentherapie-Planungsparametern p_i wiederholt werden.
Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend - Extrahieren von geometrischen Merkmalen des Bereichs des Patienten, der durch Strahlentherapie bestrahlt werden soll, aus mindestens einem medizinischen Bild und/oder aus daraus segmentierten Organstrukturen.
Verfahren nach Anspruch 14, ferner umfassend die folgenden Schritte - Bereitstellen der extrahierten geometrischen Merkmale als m-dimensionaler Patientenvektor aus numerischen Werten, und - Verwenden des m-dimensionalen Patientenvektors als Eingang für das KI-Modul.
Verfahren nach einem der vorhergehenden Ansprüche, ferner umfassend die Schritte - Bereitstellen einer Vielzahl aktueller Werte von RT-Planungsparametern P_j, und - Berücksichtigen der aktuellen Werte der RT-Planungsparameter p_j beim Vorhersagen der Abhängigkeit C_i (p_i) mit dem trainierten KI-Modul.
Programm (64), das, wenn es auf einem Computer (62) läuft oder auf einen Computer geladen wird, den Computer veranlasst, die Verfahrensschritte des Verfahrens nach einem der vorhergehenden Ansprüche durchzuführen; und/oder ein Programmspeichermedium (63), auf dem das Programm gespeichert ist; und/oder einen Computer, der mindestens einen Prozessor und einen Speicher und/oder das Programmspeichermedium aufweist, wobei das Programm auf dem Computer abläuft oder in den Speicher des Computers geladen ist; und/oder eine Signalwelle oder eine digitale Signalwelle, die Informationen trägt, die das Programm repräsentieren; und/oder einen Datenstrom, der für das Programm repräsentativ ist.
Strahlentherapie-Behandlungsplanungssystem (61) mit dem Computer (62) nach Anspruch 17.
Strahlentherapie-Behandlungssystem (60), umfassend ein Strahlentherapie-Behandlungsplanungssystem (61) nach Anspruch 18, ein Strahlenbehandlungsgerät (66) umfassend eine Behandlungsstrahlquelle (67) und eine Patientenlagerungseinheit wobei der Computer (62) funktionsfähig mit der Strahlenbehandlungsvorrichtung (66) gekoppelt ist, um ein Steuersignal an die Strahlenbehandlungsvorrichtung auszugeben, um mindestens eines der folgenden zu steuern - den Betrieb der Behandlungsstrahlquelle oder - die Position der Patientenlagerungseinheit.