Eine der vielversprechensten Entwicklungen in der Strahlentherapie ist das Konzept der fluenzmodulierten Radiotherapie (IMRT). Bei der Bestrahlung von Tumoren mit externen hochenergetischen Photonenstrahlen ist bei Anwendung herkömmlicher Methoden die applizierbare Strahlendosis häufig durch die Nähe des
Zielvolumens zu strahlenempfindlichen Risikoorganen limitiert. Demgegenüber bietet die IMRT auf der Basis einer inversen Planung die Möglichkeiten einer präzisieren Bestrahlung und erlaubt damit eine Dosiseskalation im Tumor.

Bei der Erstellung von IMRT Bestrahlungsplänen sind besonders hohe Anforderungen an die Genauigkeit der Dosisberechnung zu stellen. Ungenauigkeiten in der Dosisverteilungsberechnung, die bei konventionellen Bestrahlungsplanungssystemen (TPS) aufgrund von verwendeten Nährungsverfahren auftreten, ergeben bei der
inversen Bestrahlungsplanung neben einem systematischen Fehler einen sogenannten Konvergenzfehler. Das im Rahmen dieser Arbeit entwickelte inverse Bestrahlungsplanungssystem IKO (Inverse Kernel Optimierung) basiert auf einer sehr genauen Monte-Carlo-Dosisberechnungsmethode. Dabei wurde das neuartige Konzept der Inversen Kernel-Dosisberechnung entwickelt, das eine sehr schnelle und gleichzeitig sehr präzise Dosisberechnungsmethode darstellt. Die inverse Planung konnte durch die Einführung von sogenannten Dosis-Volumen basierten Zielfunktionen gegenüber dosisbasierten Zielkriterien wie obere oder untere Dosisgrenze wesentlich verbessert werden. Die Verwendung biologischer Zielfunktionen, die den strahlenbiologischen Effekt berücksichtigen, der durch eine Dosis im menschlichen Körper ausgelöst wird, findet in kommerziellen iTPS keine Beachtung. Neben physikalischer Zielfunktionen mit dosisbasierten bzw. Dosis-Volumen basierten Zielkriterien wurden in IKO biologische Zielfunktionen eingeführt, die auf das EUD-Konzept (equivalent uniform dose) zurückgehen.
Bei der Verwendung immer komplexerer Zielfunktionen kommt der Fragestellung nach lokalen Minimas eine immer wichtigere Bedeutung zu. So wurde in IKO neben zweier deterministischer Gradientenverfahren mit Simulated Annealing ein stochastisches Optimierungsverfahren implementiert. Dies ermöglicht das Auffinden globaler Minimas und ermöglicht zudem die Untersuchung der Lösungsräume angewandter Zielfunktionen.

IKO stellt damit eines der präzisesten inversen Bestrahlungsplanungssysteme für die IMRT dar. Darüberhinaus zeichnet es sich hinsichtlich der Formulierung der Zielkriterien durch eine hohe Flexibilität aus. Mit der Entwicklung des Monte-Carlo-basierten Inverse Kernel-Konzepts und der Implementierung von Simulated Annealing werden die Fehler der inversen Planung auf ein Minimum reduziert.

One of the most important developments in radiooncology is the concept of intensity modulated radiotherapy (IMRT). The use of conventional methods with external high energy photons is frequently limited, if the tumor is surrounded by organs at risk. IMRT based on inverse planing allows one to achieve a better conformation of the high dose region to the prescribed tumor target volume than uniform beam therapy and such permits dose escalation within the tumor volume.

Especially IMRT treatment planning requires particular demands on the accuracy of the dose calculation. Systematic dose calculation errors due to approximations in the algorithms, used in conventional inverse treatment planning systems (TPS) can result in a so-called convergence error, which is a reaction of the optimizer to the systematic error. The inverse TPS developed in this thesis called IKO (Inverse Kernel Optimization)is based on a very accurate Monte-Carlo dose calculation algorithm. The generated new concept of the inverse kernel dose-engine demonstrates a very fast dose calculation method with a very high precision. Introducing of dose-volume based objective functions, the
inverse planing results can be improved compared with pure dose-based objectives. In commercial inverse treatment planning systems (iTPS) the use of biological objective functions are not considered. Among physical objective functions with dose-based constraints or several dose-volume constraints per region of interest a series of biological objective functions, based on the generalized EUD-concept (equivalent uniform dose), are implemented. With the use of dose-volume or biological constraints local minima can occur and by application of deterministic gradient methods optimization can get trapped in a non-global one. Therefore in optimization with dose-volume constraints and/or biological objectives the problem with local minima of the search space is getting more and more important. In addition to two different gradient algorithms a stochastic simulated annealing algorithm is included, to avoid trapping in local minima. Using simulated annealing, IKO has the ability to approach the global minimum and to analyze the search space of the implemented objective functions.

So that IKO constitutes one of the most accurate inverse planning systems for IMRT with a high flexibility in the formulation of the objective function. Developing the Monte-Carlo-based inverse kernel concept and using a simulated annealing optimization method the errors of the inverse treatment planning can be reduced to a minimum.