Das ist ein sehr aufwendiger manueller Prozess. Daraus wird dann der Bestrahlungsplan in Form eines Computerprogramms erstellt.

Im ersten Schritt, der Bildgebung, wird KI bereits für eine bessere Bildrekonstruktion eingesetzt. CT-Datensätze können damit verbessert, abgedeckte Bereiche ergänzt werden. Ebenso können MRT-Daten in künstliche CTs umgewandelt werden. Auch der nächste Schritt, das Erkennen der Organgrenzen, kann inzwischen komplett über KI erfolgen. Im Touring-Test im direkten Vergleich mit den von Ärzten eingezeichneten Organgrenzen erzielte die Maschine die gleichen guten Ergebnisse wie die menschlichen Experten. Beim Erkennen der Tumorgrenzen und Tumoranteilen, z. B. bei Hirnmetastasen, konnte ein Deep-Learning-Programm sogar bessere Ergebnisse erreichen. In einer Studie stieg die Erkennungssensitivität von 69 auf 93 %. Für diese Systeme gibt es bereits Prototypen.

Auch die physikalische Bestrahlungsplanung und die Berechnung der Dosis-Verteilung von Deep-Learning-Algorithmen ist schneller und präziser als die menschliche. Das ist bei zeitkritischen Anwendungen am Bestrahlungsgerät relevant. Bislang wird ein Plan erstellt und der Patient erhält 5 Wochen lang die gleiche Bestrahlung. Aber tatsächlich haben wir tägliche Veränderungen: Schwellungen, Serome, Liegeposition etwa. Optimal wäre also eine tägliche Adaptation der Dosis. Durch die KI kann die Bestrahlungsplanung an die veränderte Situation innerhalb einiger Minuten angepasst werden.