Stipendiat:innen des Wolfgang-Schlegel-Stipendiums
Hier finden Sie eine Auflistung der Stipendiat:innen, die mit dem Wolfgang-Schlegel-Stipendium gefördert werden.
Jasmin Winter - Stipendiatin 2024
Ziel 2: Anwendung und Implementierung von Forschungsergebnissen, neuen Methoden und Technologien in der Klinik
Eine präzise Lagerung des Patienten während der Strahlentherapie ist von entscheidender Bedeutung zur korrekten Applizierung der gewünschten Dosisverteilung. Oberflächengeführte Strahlentherapie (SGRT) hat sich als Alternative für herkömmliche Positionierung etabliert. Die Erkennung der gesamten Patientenoberfläche bietet überlegene Informationen gegenüber punktueller Hautmarkierungen. SGRT unterstützt mittlerweile viel mehr als nur die Lagerungsüberwachung des Patienten: atemgesteuerte Bestrahlung (v.a. Atemanhaltetechnik bei linksseitigem Mamma-Ca), effizientere Behandlungsabläufe, Verringerung von Bildaufnahmen zur Positionierung, Arbeitsablauf ohne nötige Markierungen auf der Patientenhaut, etc. Das SGRT-System ist eine komplexe Technik und bedarf gut geschultes Personal mit Hintergrundwissen und Erfahrung. Um die Einführung des SGRT-Systems in die klinische Routine so effizient wie möglich zu gestalten, soll der Austausch mit einem Strahlentherapiezentrum stattfinden, welches schon langjährig Erfahrung mit der Technik hat. Das Peter MacCallum Cancer Centre in Melbourne, Australien, ist ein weltweit führendes Zentrum für Krebsbehandlung, Forschung und Lehre. Dort ist das SGRT-System an 10 Beschleunigern installiert.
David Neugebauer - Stipendiat 2024
Ziel 2: Anwendung und Implementierung von Forschungsergebnissen, neuen Methoden und Technologien in der Klinik
Automatisierte Bestrahlungsplanung, zum Beispiel durch die Nutzung künstlicher Intelligenz, bietet ein großes Potenzial für die Beschleunigung zeitintensiver manueller Arbeitsschritte. Zudem ist die Abwägung zwischen Risikoorganschonung und Zielvolumenabdeckung unter Miteinbeziehung der Plankomplexität stark benutzerabhängig und kann so verbessert und homogenisiert werden. Darüber hinaus kann insbesondere die seit einigen Jahren klinisch eingeführte online-adaptive Strahlentherapie nur durch Automatisierung aktuell manueller Schritte für eine breite Masse zugänglich gemacht werden. Ein weltweiter Vorreiter auf diesem Gebiet ist das Princess Margaret Cancer Centre in Toronto, an welchem das Prinzip, mithilfe von künstlicher Intelligenz eine dreidimensionalen Dosisverteilung vorherzusagen und anschließend durch einen Dose-Mimicking-Algorithmus in einen applizierbaren Bestrahlungsplan zu überführen, entwickelt wurde. Inzwischen wurde diese Vorgehensweise in ein kommerzielles Bestrahlungsplanungssystem überführt. Allerdings müssen für solche indikationsbezogenen Machine-Learning-Modelle verschiedenste Parameter konfiguriert werden, um klinikeigenen Spezifika gerecht zu werden. Ziel des Aufenthalts ist es, nach den Erfahrungen an der Austauschinstitution das Machine-Learning-Modell zur Bestrahlung von Prostata-Patientin am Universitätsklinikum Heidelberg in der klinischen Routine zu etablieren. Zudem soll durch die Mitarbeit an der Entwicklung von neuen Machine-Learning-Modellen die Expertise aufgebaut werden, um Modelle für weitere Indikationen effizient anpassen zu können und geeignete Qualitätssicherungsmaßnahmen definieren zu können.