Schneller zur präzisen Krebsbestrahlung
KI automatisiert die Tumorsegmentierung
Kliniken stehen unter massivem Druck – gleichzeitig eröffnet KI neue Spielräume. Am TUM Klinikum zeigt sich, wie automatisierte Tumorsegmentierung die Strahlentherapie beschleunigt, standardisiert und gleichzeitig die Behandlungsqualität verbessert.
Ein Praxisbeispiel mit messbarem Nutzen für Ärzte und Patienten.
Krankenhäuser stehen unter Druck: Fachkräftemangel, steigende Kosten und eine alternde Gesellschaft erfordern neue Lösungen. Künstliche Intelligenz kann helfen, klinische Qualität zu sichern, Prozesse zu standardisieren und Fachpersonal zu entlasten – vorausgesetzt, die Datenbasis stimmt.
Der Einsatz von KI-Lösungen im Gesundheitswesen wächst: Für 2025 schätzten Analysten das weltweite Marktvolumen entsprechender Anwendungen auf knapp 37 Mrd. US-Dollar. Bis 2033 dürfte es demnach 500 Milliarden US-Dollar übersteigen. Auch die Vorteile sind immens: Laut PwC Health Research Institute sparten KI-gesteuerte Workflows US-Krankenhäusern 2025 zwischen 50 und 60 Mrd. US-Dollar – vor allem durch die Automatisierung administrativer Prozesse, eine Diagnoseunterstützung und die optimierte Patientenversorgung. So verkürzen sich z. B. Wartezeiten und Ressourcen können zielgerichteter eingesetzt werden. Dadurch gewinnen medizinische Fachkräfte wertvolle Zeit für die persönliche Betreuung ihrer Patienten.
KI macht aus Daten klinisches Wissen
Neben organisatorischen und finanziellen Verbesserungen zielen viele KI-Lösungen auf die Optimierung von Diagnose und Therapie ab. Eine umfassende und vernetzte Datenbasis mit sorgfältig kuratierten medizinischen Datensätzen ist dabei die Voraussetzung, um sinnvolle und relevante Ergebnisse zu erhalten. Solch eine Datenbasis ist z. B. das Stereotactic Radiosurgery (SRS) Registry, ein Gemeinschaftsprojekt der American Association of Neurological Surgeons (AANS), der NeuroPoint Alliance (NPA) und Brainlab. Ins Leben gerufen wurde es zum Zweck der Qualitätssicherung bei der Behandlung von Gehirntumoren. Seit Juli 2015 werden dafür Langzeitdaten von über 5.000 Patienten aus mehr als 25 nordamerikanischen Kliniken und Versorgungszentren gesammelt.
Werden KI-Lösungen auf hochwertigen Datensätzen trainiert, entlastet KI bereits heute den klinischen Alltag:
In Form der automatischen Bildanalyse erkennt KI relevante Strukturen der Patientenanatomie basierend auf einem Anatomischen Patientenmodell (APM) und ordnet anatomische Referenzpunkte automatisiert zu.
Erkennung von Anomalien und Veränderungen im Gewebe: Werden bildgebende Verfahren durch intelligente Algorithmen unterstützt, können sie z. B. Tumore, Blutungen oder Gewebeveränderungen frühzeitig und mit gleichbleibender Genauigkeit erkennen.
Strukturierter entscheiden: Mit Visualisierungen und Analysen hilft KI Ärzt:innen dabei, medizinische Entscheidungen fundierter zu treffen. Sie können Therapieerfolge, Risiken und Nebenwirkungen bereits im Vorfeld zuverlässig einschätzen, Behandlungsstrategien gezielter planen und Ressourcen effizienter einsetzen.
Individualisierte Therapieansätze: Durch die Analyse umfassender Daten, von genetischen Profilen über Lebensstil bis zu Vorerkrankungen, liefern KI-Lösungen individualisierte Therapiepläne, die deutlich über standardisierte Ansätze hinausgehen. Das kann die Wirksamkeit der Behandlung erhöhen und Nebenwirkungen minimieren.
Bild 2: KI-gestützte Tools wie Elements AI Tumor Segmentation ermöglichen eine bessere Abgrenzung von Hirntumoren.
Praxisbeispiel: KI-gestützte Tumorsegmentierung
Die Klinik für Radioonkologie und Strahlentherapie am TUM Klinikum in München behandelt jährlich ca. 1500 Patienten mit einem breiten Spektrum an bösartigen Hirntumoren und -Metastasen, HNO-Tumoren oder Tumoren im Bauchraum. Eine Herausforderung ist die Behandlung einer wachsenden Zahl komplexer kranialer Fälle – z. B. Patienten mit mehreren Hirnmetastasen oder solche, die eine erneute Behandlung benötigen. In der Radiochirurgie stellt die Abgrenzung mehrerer Metastasen oder großer Primärtumoren einen der anspruchsvollsten Schritte bei der Planung dar: Jede Kontur muss präzise, konsistent und reproduzierbar sein. Mit zunehmender Zahl der Läsionen steigt auch der Zeitaufwand für das manuelle Konturieren, ebenso wie das Risiko von Abweichungen zwischen dem Vorgehen unterschiedlicher Operateure. Daher suchte das Team der Strahlentherapie nach einer Möglichkeit, die Segmentierung zu standardisieren und effizienter zu gestalten, ohne die Präzision zu beeinträchtigen.
Bild 3: Rainer Birkenbach ist CEO von Brainlab
Ein passendes Werkzeug fand sich mit der Software Elements AI Tumor Segmentation von Brainlab, welche die Klinik als eine der ersten eingesetzt hat. Die Software identifiziert automatisch kontrastmittelanreicherndes Tumorgewebe anhand von kontrastmittelverstärkten T1-gewichteten MRT-Aufnahmen. Dies funktioniert mithilfe eines auf neuronalen Netzen basierenden Modells, das anhand von mehr als 4.000 Aufnahmen und 11.000 Annotationen von Experten trainiert wurde. Die KI identifiziert automatisch tumoröses Gewebe und unterstützt die semi-automatische Segmentierung bei Metastasen, Meningeomen, Gliomen, glioneuronalen und neuronalen Tumoren sowie Tumoren der Schädel- und paraspinalen Nerven. Die Segmentierung eines kompletten MRT-Sets schafft die entsprechende Software innerhalb von ein bis zwei Minuten.
Ärzte sparen durch KI Zeit
Innerhalb eines Monats hatte das Team das KI-System in alle kranialen Planungs-Workflows integriert, einschließlich Gamma-Knife-Planung und der Überprüfung von Re-Bestrahlungen. Da die zeitintensivsten Arbeitsschritte automatisiert ablaufen, bleibt Ärzten mehr Zeit für klinische Entscheidungen und die sorgfältige Anpassung individueller Therapiepläne.
Prof. Dr. med. Jan Peeken, PhD, MHBA, Geschäftsführender Oberarzt, betont: »Der Einsatz von Elements AI bei der Tumorsegmentierung optimiert unsere Arbeitsabläufe bei der Beurteilung von multiplen Hirnmetastasen und bei Nachbehandlungen. Wir sind sehr zufrieden mit den Ergebnissen, die wir nach der Einführung dieser innovativen KI-Methode in unserer Klinik erzielt haben.«
Bild 4: Prof. Dr. med. Jan Peeken, Geschäftsführender Oberarzt am TUM Klinikum München
KI als strategischer Hebel
Das Beispiel der KI-gestützten Tumorsegmentierung am TUM Klinikum zeigt, wie KI-gestützte Lösungen komplexe Arbeitsprozesse präzisieren und beschleunigen und so die Expertise der Ärzte sinnvoll ergänzt. Auf einer hochwertigen Datenbasis trainiert, unterstützen KI-Systeme personalisierte, evidenzbasierte Therapieentscheidungen und verkürzen Behandlungszeiten. Zukünftig wird sich ihr Einsatzspektrum deutlich erweitern: KI birgt das Potenzial, individuelle Krankheitsverläufe vorherzusagen, Risiken frühzeitig zu identifizieren und personalisierte Therapiepläne in Echtzeit unterstützen zu können. So soll sie in Zukunft für Entlastung im klinischen Alltag sorgen und einen deutlichen Mehrwert für Ärzte und Patienten schaffen. (uh)
