Wenn Algorithmen medizinische Bilder lesen.

KI in der Medizin - Gefahr oder Chance? Die hitzigen Debatten um künstliche Intelligenz, die in der Lage ist, Arbeitnehmer/innen zu ersetzen, müssen auch ihre Vorteile beleuchten, insbesondere im Gesundheitswesen und in der personalisierten Medizin. Bestimmte zeitraubende Aufgaben, die zu personalintensiv sind, um finanziell tragbar zu sein, können an Algorithmen delegiert werden. Dies ist insbesondere im Bereich der Präzisionsmedizin der Fall, die auf Bildern basiert, die während klinischer Untersuchungen aufgenommen wurden. Denn diese Bilder, die für einen bestimmten Zweck bestimmt sind, dienen auch dazu, selbstlernende Computermodelle zu trainieren, die eine große Menge an Daten benötigen. Sie zeigen die Vielfalt des menschlichen Organismus und der Krankheiten, die Patienten betreffen.

CT-Scanner: Wenn heilende Technologie auf den Körper strahlt.

Die Forschungsarbeit des Teams von Professor Adrien Depeursinge konzentrierte sich auf Bilder von Computertomographen (CT-Scanner). Wenn diese Art der medizinischen Bildgebung zu oft wiederholt wird, stellt sie eine Gefahr für die Patienten dar, da ihr Körper Röntgenstrahlen und damit eine Strahlendosis mit krebserregendem Potenzial aufnimmt. Darüber hinaus variieren die erzeugten Bilder je nach verwendetem Scanner und der Art der Einstellungen, die der Radiologe/die Radiologin verlangt. Die analysierten Bilder sind also heterogen, was die Aufgabe des algorithmischen Lernmodells erschwert. Das Projekt "TCIA data QA4IQI" (Quality assessment for interoperable quantitative CT-Imaging) sieht vor, diese Variationen in den Bildern zu messen und zu isolieren, um sie homogen zu machen und die Unterschiede auszugleichen, die durch das Aufnahmeprotokoll, die Qualität, die Vorlieben der Radiologen oder Software-Updates erzeugt werden.

Um die Gesundheit der Patienten zu schützen, arbeitete das Forscherteam des Institut Informatik vom HES-SO Valais-Wallis mit dem Start-up-Unternehmen PhantomX zusammen, das ein physisches 3D-Objekt herstellte. Diese realistische Nachbildung eines menschlichen Organismus, ein Phantom, ermöglicht es, den Scanner zu kalibrieren und die Veränderungen zu überprüfen, die das Gerät je nach Einstellung oder gewählter Röntgendosis erzeugt. Dieses Phantom hat den Vorteil, dass es unbeweglich bleibt, nicht durch Strahlung beeinträchtigt wird und schnell durch verschiedene Krankenhäuser zirkulieren kann. Radiologen können so die Variabilität der Bilder eines CT-Scans überprüfen und die Bilder harmonisieren, um die Lesbarkeit zu verbessern.

Das SPHN finanziert die Forschung im Bereich der personalisierten Medizin und fördert den Austausch zwischen Institutionen.

Dieses vom SPHN (Swiss Personalized Health Network) finanzierte Forschungsprojekt wird in Zusammenarbeit mit Professor Bram Stieltjes vom Universitätsspital Basel, Professor Ender Konukoglu von der ETH in Zürich sowie Professor Henning Müller vom Institut Informatik durchgeführt. Die Bildakquisition sowie die Kompetenzen in der Physik der Bildgebung des Basler Krankenhauses und das Fachwissen im Bereich der digitalen Bildverarbeitung (Computer Vision) der ETH, ermöglichten es dem Team des Institut Informatik, das Phantom in 3D zu erstellen, die relevanten Bilder auszuwählen, die zu analysierenden synthetischen Regionen zu testen, die Stabilität des Modells zu überprüfen und einen Datensatz für die gesamte wissenschaftliche Gemeinschaft auszuwählen, zu bewerten und online zur Verfügung zu stellen. Die Bewertung der Qualität quantitativer und interoperabler Bildgebung ist ein Eckpfeiler der personalisierten Medizin, weshalb das SPHN dieses Projekt unterstützt hat. Es ist umso interessanter, als die erzielten Ergebnisse nun der weltweiten wissenschaftlichen Gemeinschaft zur Verfügung gestellt werden.

Mit offener Wissenschaft die Gesundheit der PatientInnen verbessern und die Forschung vorantreiben.

Die Forschungsinstitute der HES-SO Valais-Wallis sind besonders darauf bedacht, die wissenschaftliche Forschung mithilfe der offenen Wissenschaft oder Open Science für alle zugänglich zu machen. Diese Art der Forschung und der Verbreitung der Ergebnisse ermöglicht Offenheit, Zusammenarbeit und Transparenz, um die Forschung schneller und effizienter voranzutreiben. Diese gemeinsame Nutzung von Daten war für Roger Schaer, wissenschaftlicher Mitarbeiter, und Oscar Jimenez Del Toro, ehemaliger wissenschaftlicher Mitarbeiter des Institut Informatik, sehr anstrengend, da sie Hunderte von Stunden damit verbracht haben, komplexe Daten zu sortieren, zu formatieren und zu kennzeichnen; dies ist jedoch im Bereich eHealth besonders wichtig, da diese technologischen Fortschritte direkt den Menschen mit gesundheitlichen Beeinträchtigungen zugutekommen. Ein starkes Interesse der wissenschaftlichen Gemeinschaft wurde bei der Online-Veröffentlichung dieses Datensatzes sowie während der Sommeruniversität, an der Professor Depeursinge teilnahm, festgestellt.

Die Zeit der Ärzte soll frei werden, damit sie sich den Patienten widmen können.

Die Finanzierung durch das SPHN hat zum Ziel, die Schweizer Praktiken der personalisierten Medizin zu harmonisieren, und die Bemühungen um eine Standardisierung der im Rahmen dieses Forschungsprojekts verarbeiteten CT-Bilder ermöglichen es, die Robustheit der Modelle der künstlichen Intelligenz, die bereits in unseren Krankenhäusern eingesetzt werden, zu überprüfen. Mit Hilfe, der im Swiss Digital Center in Siders entwickelten, medizinischen Informatik wird die Möglichkeit untersucht, die Strahlendosis zu senken und gleichzeitig die Lesbarkeit des CT-Bildes zu erhalten. Die weitere Forschung sollte prüfen, ob das algorithmische Lesen das Lesen der Radiologen robuster machen könnte, um ihnen zu helfen, die notwendigen medizinischen Entscheidungen zu treffen und vor allem wertvolle Zeit für die Patientenbeziehung freizusetzen.

Wissenschaftliche Veröffentlichung: Jimenez-del-Toro, Oscar MD, PhD∗; Aberle, Christoph PhD†; Bach, Michael MD†; Schaer, Roger BSc∗; Obmann, Markus M. MD†; Flouris, Kyriakos PhD‡; Konukoglu, Ender PhD‡; Stieltjes, Bram MD, PhD†; Müller, Henning PhD∗,§; Depeursinge, Adrien PhD∗,∥. The Discriminative Power and Stability of Radiomics Features with Computed Tomography Variations: Task-Based Analysis in an Anthropomorphic 3D-Printed CT Phantom. Investigative Radiology 56(12):p 820-825, December 2021. | DOI: 10.1097/RLI.0000000000000795, https://journals.lww.com/investigativeradiology/toc/2021/12000

Datensatz: Task-Based Anthropomorphic CT Phantom for Radiomics Stability and Discriminatory Power Analyses (CT-Phantom4Radiomics), Images & Segmentations (DICOM, 42.5 GB), https://wiki.cancerimagingarchive.net/pages/viewpage.action?pageId=140312704