Forschungsaktivitäten seines Instituts liegen in den Bereichen der industriellen Automatisierungstechnik (prädiktive Regelungen), der intelligenten Sensorik (Navigationsprobleme, integrierte Qualitätskontrolle) und der biomedizinischen Technik (3D Bildverarbeitung, Modellierung von Zellwachstumsprozessen, Robotereinsatz im Operationssaal). Aus dem letzten Bereich stammt der vorliegende Beitrag. Adresse: Tel.: (0271) 7 40-44 37, Fax: (0271) 740-43 82, email: duechling@appl2.hrz.uni-siegen.de, http://www.rst.et-inf.uni-siegen.de. Das Ziel dieses Beitrages besteht darin zu zeigen, wie Methoden der Systemanalyse, Regelungstechnik und Modellbildung angewandt werden können, um normales und bösartiges Zellwachstum zu simulieren und um Tumorbehandlungen wie zum Beispiel die Radiotherapie zu optimieren. Hierzu werden zunächst -ausgehend von biologischen Beobachtungen und zellkinetischen Daten -mehrere Modelle entwickelt, welche sowohl das Wachstum von Tumorsphäroiden als auch die Regeneration von Normalgewebe beschreiben. Als Bestrahlungsmodell wird das sogenannte linear-quadratische Modell der Überlebenswahrscheinlichkeit in Abhängigkeit von der Strahlendosis gewählt. Damit lassen sich zahlreiche Simulationsläufe für unterschiedlich angenommene Behandlungspläne durchfüh-ren, die Strahlenwirkung getrennt für Tumor-und Normalgewebe studieren und somit letztlich computerunterstützt eine optimale patienten-spezifische Therapieempfehlung vor einer klinischen Behandlung geben.
Computer models for optimizing radiation therapyThe aim of this contribution is to outline how methods of system analysis, control theory and modelling can be applied to simulate normal and malignant cell growth and to optimize cancer treatment as for instance radiation therapy. Based on biological observations and cell kinetic data, several types of models have been developed describing the growth of tumor spheroids and the cell renewal of normal tissue. The irradiation model is represented by the so-called linear-quadratic model describing the survival fraction as a function of the dose. Based thereon, numerous simulation runs for different treatment schemes can be performed. Thus, it is possible to study the radiation effect on tumor and normal tissue separately. Finally, this method 546 enables a computer-assisted recommendation for an optimal patient-specific treatment schedule prior to clinical therapy.