Einzelprojekt

Multimodale Open-source Tools mit Künstlicher Intelligenz für die Optimierung der Strahlentherapie bei Patientinnen und Patienten mit Glioblastom

Förderkennzeichen: 01KT2325
Fördersumme: 302.578 EUR
Förderzeitraum: 2024 - 2027
Projektleitung: Prof. Dr. Anca-Ligia Grosu
Adresse: Albert-Ludwigs-Universität Freiburg, Medizinische Fakultät, Universitätsklinikum Freiburg, Klinik für Strahlenheilkunde
Hugstetter Str. 55
79106 Freiburg im Breisgau

Die Diagnose, Stadieneinteilung und Behandlung von Glioblastomen (GBM) basiert in der Regel auf Kernspintomographie (MR). Die Standardbehandlung umfasst die makroskopisch vollständige Resektion des Tumors, gefolgt von einer Strahlentherapie (RT) mit gleichzeitiger Temozolomid Chemotherapie. Leider entwickeln sich 90 % der GBM innerhalb von zwei Jahren weiter. Die Positronen-Emissions-Tomographie (PET) auf der Basis des Aminosäure-Radiotracers O-(2)-18FFluorethyl- LTyrosin (FET), ist vorgeschlagen worden, um die Einschränkungen der MR bei der Unterscheidung zwischen lokalem Wiederauftreten (LR) und radiogenen Veränderungen zu überwinden. Eine personalisierte RT-Strategie auf der Grundlage der Tumorheterogenität, die durch multimodale Bildgebung bestimmt wird, könnte eine Eskalation der RT-Behandlungsdosen für Hochrisikotumor-Teilbereiche bei gleichzeitiger Schonung der Risikoorgane zur Folge haben. Ziel des Vorhabens ist es, biologisch aktives Tumorgewebe, das mit LR bei GBM assoziiert ist, durch die beste Bildgebungsmodalität (oder eine Kombination davon) zu identifizieren, um die homogene Dosisverteilung, die konventionell bei der RT verabreicht wird, durch eine Dosisverteilung zu ersetzen, die auf dem spezifischen Risikoprofil des Patienten für LR basiert. Das Projekt umfasst 410 Patienten (2 prospektive und 2 retrospektive Kohorten). Bei 120 Patienten werden MR und PET vor der RT durchgeführt, bei 230 erfolgt das zusätzlich zur Nachuntersuchung. Davon werden 30 mit einem PET/MR-Hybridsystem untersucht. Alle Modelle werden in einem Open-Source-Tool zusammengeführt, das die Integration der Ergebnisse von verschiedenen Gesundheitseinrichtungen weltweit ermöglicht, um die GBM-Behandlung auf der Grundlage des individuellem Risikomuster anzupassen. Dieses Vorhaben stellt daher einen wichtigen Schritt in der personalisierten Medizin für GBM dar. Es wird davon ausgegangen, dass dies zur Verbesserung bei der Patientenversorgung und Lebensqualität führt.