Datengetriebener Optimierer verbessert Protonen‑PBS‑Planung für Kopf‑Hals‑Krebs

Die Planung von Protonen‑PBS‑Behandlungen für Kopf‑Hals‑Krebs ist ein komplexer Prozess, bei dem zahlreiche Zielsetzungen gleichzeitig erfüllt werden müssen. Traditionell erfordert dies von erfahrenen Planern wiederholte manuelle Anpassungen der Zielparameter und aufwendige inverse Optimierungen, was den Planungsaufwand erheblich steigert.

In einer neuen Studie wurde ein datengetriebener Inverse Optimierer entwickelt, der auf dem L2O‑Ansatz (Learning to Optimize) basiert. Dieser Optimierer lernt aus einer großen Patientendatenbasis, wie die Update‑Schritte für die Zielparameter am besten berechnet werden, und integriert dabei Techniken aus der Verarbeitung langer Kontexte, die ursprünglich für große Sprachmodelle entwickelt wurden. Dadurch wird die Skalierbarkeit der bisherigen L2O‑Methoden deutlich verbessert.

Der Optimierer wird in ein PPO‑basiertes Framework eingebettet, das als virtueller Planer fungiert. Durch ein Policy‑Netzwerk werden die Zielparameter automatisch angepasst, während ein Dosis‑Predictor die Anfangswerte liefert. Der innere L2O‑Optimierer berechnet anschließend die für die Maschine lieferbaren MU‑Werte, die den verfeinerten Zielsetzungen entsprechen.

Bei 97 Patienten wurde die neue Methode mit dem klassischen L‑BFGS‑Optimierer verglichen. Die Ergebnisse zeigen, dass der L2O‑basierte Optimierer die Effektivität der Behandlungspläne erhöht und gleichzeitig die Rechenzeit reduziert, sodass qualitativ hochwertige Pläne in einem klinisch akzeptablen Zeitrahmen erstellt werden können.