Zusammenfassung
Die Molekulare Strahlentherapie ist eine systemische oder lokoregionäre Therapie,
bei der dem Patienten ein Radionuklid oder ein radioaktiv markiertes Arzneimittel
verabreicht wird. Ziel ist es, die Tumorzellen abzutöten und gleichzeitig das Normalgewebe
zu schonen. Die Therapieplanung umfasst deshalb die prätherapeutische Bestimmung der
zu verabreichenden Aktivitätsmenge, der Substanzmenge und der zeitlichen Abfolge möglicher
die Pharmakokinetik modulierender Interventionen/Injektionen.
Der Einsatz der künstlichen Intelligenz und insbesondere des maschinellen Lernens
(ML) sind in letzter Zeit immer mehr in den Fokus auch der Bildgebung und Therapie
mit ionisierenden Strahlen gerückt.
In dieser Übersichtsarbeit wird ein Verfahren der individualisierten Therapieplanung
für die Molekulare Strahlentherapie anhand eines Ablaufplanes vorgestellt. Dabei werden
die Möglichkeiten diskutiert, durch den Einsatz von maschinellem Lernen die Therapieplanung
zu verbessern.
Der Einsatz von ML besitzt ein großes Potenzial in der Dosimetrie und Behandlungsplanung
in der Molekularen Strahlentherapie. Jedoch sind noch weitere Anstrengungen erforderlich,
um genügend relevante Daten zu sammeln und diese mittels ML effizient zur Verbesserung
der Dosimetrie und Behandlungsplanung in der Molekularen Strahlentherapie zu nutzen.
Abstract
Molecular radiotherapy is a systemic or locoregional therapy in which the patient
is administered a radionuclide or a radioactively labelled drug. The aim is to kill
the tumour cells while at the same time protecting the normal tissue. Therapy planning
therefore includes the pretherapeutic determination of the activity to be administered,
the substance quantity and the temporal sequence of possible pharmacokinetics-modulating
interventions/injections.
The use of artificial intelligence and in particular machine learning (ML) has recently
moved more and more into the focus of imaging and therapy with ionising radiation.
In this review, an individualised treatment planning approach for molecular radiotherapy
is presented based on a flow chart. The possibilities to improve therapy planning
using machine learning are discussed.
The use of ML has great potential in dosimetry and treatment planning in molecular
radiotherapy. However, further efforts are needed to collect sufficient relevant data
and use them efficiently with ML to improve dosimetry and treatment planning in molecular
radiotherapy.
Schlüsselwörter
Molekulare Radiotherapie - Radionuklidtherapie - Therapieplanung - Dosimetrie - maschinelles
Lernen - PBPK
Keywords
molecular radiotherapy - radionuclide therapy - treatment planning - dosimetry - machine
learning - PBPK