Onkologische Forschungsgruppen der Strahlenklinik

Leitung

Prof. Dr. rer. nat. habil. Udo Gaipl

Deputy: PD Dr.-Ing. Dr. habil. med. Benjamin Frey M.Sc. (TUM)

Überblick Forschungsinhalt

Forschungsschwerpunkte sind die Immunmodulation durch aktivierte, gestresste und absterbende Tumorzellen, strahleninduzierte Stimulatoren und Suppressoren des angeborenen und adaptiven Immunsystems, (osteo)immunologische Effekte niedriger Strahlendosen, die Kombination von Radio(chemo)therapie mit Immuntherapien wie Immun-Checkpoint-Inhibition und Ganzzelltumorimpfstoffen, Hyperthermie, Immunphänotypisierung und translationale klinische Studien. Die strahleninduzierte Immunmodulation wird also im Zusammenhang mit Tumorentwicklung und -therapie, Entzündungsmodulation und Strahlenschutzaspekten erforscht.

Die Schwerpunkte werden in einzelnen (Junior-)Arbeitsgruppen behandelt:

• Systemische Anti-Tumor-Reaktionen der Strahlentherapie (Dr. Rückert)
• Strahlenimmunbiologie (Prof. Gaipl/PD Frey)
• Verbesserung der therapeutischen Intervention bei Hirntumoren (Dr. Derer)
• Molekulare Hyperthermie (Prof. Gaipl/Dr. Rückert)
• Neue immunoaktive Substanzen in der Radioonkologie (PD Frey/Dr. Jost)
• Immunüberwachung und Biobanking (PD Frey/Dr. Donaubauer)
• Klinsch-Translationale Strahlenbiologie (PD Frey/PD Lubgan/Dr. Donaubauer)

In der Abteilung Translationale Strahlenbiologie ist auch eine vom BMBF im Rahmen der NukSiFutur-Ausschreibung geförderte Nachwuchsgruppe unter der Leitung von Dr. Lisa Deloch angesiedelt, die "(Osteo-) Immunologische geschlechts- und altersspezifische Charakteristika der Strahlensensitivität und ihre Konsequenzen für Perspektiven im Strahlenschutz - TOGETHER" untersucht.

Ein Schwerpunkt der translationalen Arbeit ist darüber hinaus die Durchführung von Immunphänotypisierungen, die im Rahmen von klinischen Studien bei Patienten mit soliden Tumoren und bei Patienten mit chronisch entzündlichen und degenerativen gutartigen Erkrankungen durchgeführt werden. Dazu gehört auch die Weiterentwicklung, Implementierung und Validierung von Immunphänotypisierungsverfahren für zukünftige klinische Studien.

.

Laufende Forschungsprojekte

• BMBF-Nachwuchsgruppe, TOGETHER
• Internationales Graduiertenkolleg, ITN, Hyperboost
• GRK2599
• IKZF-Nachwuchsgruppe
• Bayerische Forschungsstiftung, MikroHyperTumImmunBMBF-Verbundprojekt, GREWISalpha
• DFG-Nachwuchsforschungsprojekt
• CCS-Projekte

Klinische Studien

• NCT03426657; CheckRad-CD8: Radiotherapy With Double Checkpoint Blockade of Locally Advanced HNSCC; Phase II study
• NCT03386357; IMPORTANCE: Radiotherapy With Pembrolizumab in Metastatic HNSCC, Phase II study
• EudraCT number: 2016-002085-31; RAD-ON02: Determining the immunological and pain reducing effects of serial radon balneology in patients with musculoskeletal disorders, Observational Study
• NCT03453892; ST-ICI: Investigation of the Timely-coordinated Therapy of Patients With Metastatic Cancer by Radiotherapy Together With Immune Checkpoint Inhibition, Phase IV study
• NCT02653079; IMMO-LDRT01: Immunophenotyping From Blood of Patients Suffering From Chronic Degenerating Joint Diseases and Receiving LDRT, Phase II study
• NCT02600065; GLIO-CMV-01: Analysis of CMV Infections in Patients With Brain Tumors or Brain Metastases During and After Radio(Chemo)Therapy; Observational study
• NCT02528955; DIREKHT: De-Intensification Radiotherapy Postoperative Head Neck; Phase II study
• NCT02369939: HYCAN: Effects of Deep Regional Hyperthermia in Patients With Anal Carcinoma Treated by Standard Radiochemotherapy; Phase II study
• NCT02022384; IMMO-GLIO: Immunophenotyping From Blood of Patients With Malignant Gliomas, Phase II study
• NCT01827553: CONKO-007: Pancreatic Carcinoma: Chemoradiation Compared With Chemotherapy Alone After Induction Chemotherapy; Phase III trial
• EudraCT number: 2008-002130-30; NSCLC-TKD/IL-2: Targeted Natural Killer (NK) cell based adoptive immunotherapy for the treatment of patients with Non-Small Cell Lung Cancer (NSCLC) after radiochemotherapy (RCT), Phase II study
• Ethical Approval BLÄK: 12131; RAD-ON01: Immunophenotyping of blood of patients with musculoskeletal disorders after Radon- and Radon/CO2 spa, Observational Study

Methoden

• Präklinische Bestrahlung (Röntgen; in vivo, ex vivo, in vitro)
• Präklinische Tumor- und Entzündungsmodelle
• Mehrfarben-Durchflusszytometrie
• Multiplex-Technologie (MSD, Mesoscale Discovery)
• Präklinische Hyperthermie-Behandlung (in vivo, ex vivo, in vitro)
• Western Blot
• ELISA
• Tröpfchen-PCR
• Funktionelle Immunzell-Assays (Zellkultur und Primärzellen)
• CyTOF
• Immunphänotypisierung

Kooperationspartner

Zahlreiche nationale und internationale Kooperationen, wie z.B.:

• Prof. Eric Deutsch, South-Paris University, Gustave Roussy Cancer Campus, France
• Prof. Katalin Lumniczky, Radiobiology and Radiohygiene, National Public Health Center, Budapest, Hungary
• Dr. Serge Candeias, CEA, Université Grenoble Alpes, France
• Prof. Siamak Haghdoost, Université de Caen Normandie, Caen (UNICAEN), France
• Prof. Hu Ma, Zunyi Mecial University, China
• Prof. Yona Keisari, Tel Aviv University, Israel
• Prof. Verena Jendrossek, Institut für Zellbiologie (Tumorforschung), Essen, Germany
• Prof. Claudia Fournier, GSI Helmholtzzentrum für Schwerionenforschung GmbH, Darmstadt, Germany
• Prof. Franz Rödel, Klinik für Strahlentherapie und Onkologie, Universitätsklinikum Frankfurt am Maun, Germany
• Prof. Kerstin Borgmann, UKE Hamburg, Germany
• Prof. Kirsten Lauber, LMU, München, Germany
• Dr. Gerhard Sennewald / Dipl.-Ing. Martin Wadepohl, Dr. Sennewald Medizintechnik, München, Germany

Publikationen

Über 225 in PubMed gelistete Veröffentlichungen zu diesem Thema;

Links:

https://pubmed.ncbi.nlm.nih.gov/?term=gaipl&sort=date
https://scholar.google.de/citations?view_op=list_works&hl=de&user=yWTc7IMAAAAJ

Kontakt

Prof. Dr. Udo Gaipl

Leiter der translationalen Radiobiologie - Schwerpunkt Strahlenimmunbiologie

Universitätsklinikum Erlangen | Abteilung für Radioonkologie | Universitätsstr. 27 | D-91054 Erlangen

udo.gaipl@uk-erlangen.de 

Büro: +49(0)9131 85-44258

Labor:+49(0)9131 85-32311

Weiterführende Links

https://www.strahlenklinik.uk-erlangen.de/forschung/translationale-strahlenbiologie/

Kommentare

Bachelor- und Masterstudenten sowie (Zahn-)Medizin-Doktoranden sind bei uns jederzeit willkommen.

Stand: 02/2023

Leitung

PD Dr. med. habil. Florian Putz

Überblick Forschungsinhalte

Die Arbeitsgruppe „KÜNSTLICHE INTELLIGENZ IN DER RADIOTHERAPIE“ beschäftigt sich mit dem gesamten Spektrum des Einsatzes von Künstlicher Intelligenz (KI) zur Verbesserung von Radiotherapie und lokalen Tumorbehandlungen. Schwerpunkt ist die Verbesserung von Zielvolumendefinition und Therapieplanung in der Radiotherapie durch Einsatz von KI-Modellen auf Bildgebungsdaten sowie die optimierte Therapieselektion in der Primär- und Rezidivsituation durch Kombination von Bildgebungs-, klinischen und biologischen Daten in Neuronalen Netzwerken. Die Arbeitsgruppe befasst sich auch mit der optimierten Nutzung von Bildgebungstechniken vor und während der Radiotherapie am Linearbeschleuniger (IGRT) durch neue Deep Learning Methoden. Strategischer Fokus ist die Translation von neuen computerwissenschaftlichen Möglichkeiten in die reale therapeutische Anwendung zur Verbesserung von lokalen Tumortherapien durch Verknüpfung von technischer und klinischer Expertise sowie Anknüpfungspunkten zur Technischen Fakultät, radiologischen Fächern und medizintechnischer Industrie.

Einen besonderen Mehrwert erhält die Arbeitsgruppe dadurch, dass sie die wachsenden technologischen Möglichkeiten im Bereich der Künstlichen Intelligenz und die medizinischen Anforderungen durch duale Expertise zusammenführen kann. Die Arbeitsgruppe kann so neue computerwissenschaftliche Techniken erstmals in therapeutische Anwendungen translatieren und KI-Modelle für den praktischen medizinischen Einsatz optimieren. Die Integration medizinischer Expertinnen und Experten in interaktiven KI-Anwendungen ist dabei ein wesentlicher Forschungsgegenstand.

Laufende Forschungsprojekte

• Verbesserte Zielvolumendefinition in der Strahlentherapie bei intrakraniellen Tumoren durch optimierte Tumorautosegmentierung
• Verbesserte Zielvolumendefinition in der Strahlentherapie durch optimierte Autosegmentierung anatomisch definierter Zielvolumina
• Vorhersage der räumlichen Verteilung mikroskopischer Tumorzellen durch KI-Modelle für die Verbesserung lokaler Tumortherapien
• Vorhersage räumlicher Tumorveränderungen zwischen Bildgebungszeitpunkten durch Neuronale Netzwerke für die optimierte Zielvolumendefinition
• Kontinuierliches Lernen und Peer-to-Peer föderiertes Lernen zur Ermöglichung einfacher datenschutzkonformer multizentrischer Kooperationen
• Generative Adversarische Neuronale Netzwerke zur Synthetisierung medizinischer Bilddaten für Anonymisierung, Datenaustausch und Augmentierung
• Generative Adversarische Neuronale Netzwerke für Super Resolution und Denoising von Planungsbildgebungsdaten
• Integration medizinischer Expertinnen/Experten in KI-gestützte Planungsworkflows und interaktive KI-Modelle
• Einsatz von Deep Learning Autosegmentierungsmodellen zur Etablierung und Schonung neuer anatomischer Risikostrukturen bei der Bestrahlungsplanung
• Truncation correction of cone-beam CTs for head and neck adaptive radiotherapy
• Use of routinely acquired portal dosimetry for intrafractional imaging at the llinear accelerator
• Frühzeitige Erkennung von Therapieansprechen, Therapieversagen und therapiebedingten Reaktionen durch neuronale Netzwerke auf Basis von longitudinalen Bildgebungsdaten in der Nachsorge nach Radiotherapie
• Synthetisches CT

Methoden

• Entwicklung und Anwendung von KI-Modellen auf Planungsbilddaten für die Verbesserung der lokalen Tumortherapie
• Fusion von Bild- , klinischen und biologischen Daten in Neuronalen Netzwerken
• Entwicklung von interaktiven KI-Modellen mit Integration medizinischer Expertinnen und Experten

Kooperationspartner

• FAU Erlangen: Lehrstuhl für Informatik 5 (Musterkennung)
• FAU Erlangen: Institut für Neuroradiologie
• FAU Erlangen: Lehrstuhl für Klinische Nuklearmedizin (Dr. Atzinger)
• FAU Erlangen: Lehrstuhl für Innere Medizin III (Dr. Bergmann)
• USZ Zürich: Klinik für Radio-Onkologie
• ETH Zürich: Professur für Biomedizinische Bildverarbeitung
• Institut Gustave Roussy Paris:
  Klinik für Radioonkologie
• BZKF: Studiengruppe Hirntumore
• Siemens Healthineers
• Varian Medical Systems

Publikationen

1. Weissmann T, Huang Y, Fischer S, Roesch J, Mansoorian S, Ayala Gaona H, Gostian A-O, Hecht M, Lettmaier S, Deloch L, Frey B, Gaipl US, Distel LV, Maier A, Iro H, Semrau S, Bert C, Fietkau R and Putz F (2023) Deep learning for automatic head and neck lymph node level delineation provides expert-level accuracy. Front. Oncol. 13:1115258. doi: 10.3389/fonc.2023.1115258
2. Huang Y, Bert C, Sommer P, Frey B, Gaipl U, Distel LV, Weissmann T, Uder M, Schmidt MA, Dörfler A, Maier A, Fietkau R and Putz F (2022) Deep learning for brain metastasis detection and segmentation in longitudinal MRI data. Med Phys. 49:5773–5786. doi: 10.1002/mp.15863
3. Sommer, P., Huang, Y., Bert, C., Maier, A., Schmidt, M., Dörfler, A., ... & Putz, F. (2023). Risk Classification of Brain Metastases via Radiomics, Delta-Radiomics and Machine Learning. arXiv preprint arXiv:2302.08802.
4. Putz F, Szkitsak J, Grigo J, Masitho S, Weissmann T, Frey B, Gaipl US, Fietkau R, Bert C, Huang Y (2023) Deep Learning-assisted delineation of brain metastases: a workflow focusing on AI-expert interaction. European Society for Radiation Oncology (ESTRO) annual conference 2023.
5. Huang Y, Maier A, Fietkau R, Bert C and Putz F (2022) Learning Perspective Deformation in X-Ray Transmission Imaging. arXiv preprint arXiv:2202.06366.
6. Huang Y, Bert C, Fischer S, Schmidt M, Dörfler A, Maier A, Fietkau R and Putz F (2022) Continual learning for peer-to-peer federated learning: A study on automated brain metastasis identification. arXiv preprint arXiv:2204.13591.
7. Masitho S, Szkitsak J, Grigo J, Fietkau R, Putz F and Bert C (2022) Feasibility of artificial-intelligence-based synthetic computed tomography in a magnetic resonance-only radiotherapy workflow for brain radiotherapy: Two-way dose validation and 2D/2D kV-image-based positioning. Phys Imaging Radiat Oncol. 24: 111-117. doi: 10.1016/j.phro.2022.10.002
8. Maksoud Z, Schmidt MA, Huang Y, Rutzner S, Mansoorian S, Weissmann T, Bert C, Distel L, Semrau S, Lettmaier S, Eyüpoglu I, Fietkau R and Putz F (2022) Transient Enlargement in Meningiomas Treated with Stereotactic Radiotherapy. Cancers (Basel). 14. doi: 10.3390/cancers14061547.
9. Sommer P, Huang Y, Fischer S, Srinivasan AL, Dörfler A, Schmidt M, Frey B, Maier A, Fietkau R, Bert C and Putz F (2022) Identifkation von Hochrisikometastasen in der MRT-Nachsorge nach Stereotaxie mittels Radiomics und Delta-Radiomics. Strahlentherapie und Onkologie 198: 1-198. doi: 10.1007/s00066-022-01932-3.
10. Putz F, Huang Y, Weissmann T, Mansoorian S, Sommer P, Fischer S, Srinivasan AL, Frey B, Gaipl U, Schmidt M, Semrau S, Bert C and Fietkau R (2022) Deep Learning basiertes vollautomatisches volumetrisches Progressions-Assessment bei Hirnmetastasen nach stereotaktischer Strahlentherapie. Strahlentherapie und Onkologie 198: 1-198. doi: 10.1007/s00066-022-01932-3.

Kontakt

PD Dr. Florian Putz
Universitätsstraße 27, 91054 Erlangen
09131-85-44208

Florian.Putz(at)fau.de

Weiterführende Links

https://www.strahlenklinik.uk-erlangen.de/forschung/radiomics-und-kuenstliche-intelligenz/

Stand: 03/2023