idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Grafik: idw-Logo

idw - Informationsdienst
Wissenschaft

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store



Instance:
Share on: 
11/05/2024 10:46

Algorithmen können Tumore erkennen

Bianca Hermle Kommunikation und Medien
Universitätsklinikum Tübingen

    Algorithmen können dabei helfen Tumore zu lokalisieren. Das ist das Ergebnis einer Studie, die 27 verschiedene Algorithmen ausgewertet hat. Bisher erfassen Radiologinnen und Nuklearmediziner die Größe der sogenannten Tumorläsionen manuell in 2D-Schichtbildern. Dieser Prozess ist sehr zeitintensiv. Ziel der Challenge war es, den Prozess zu automatisieren. Die Studienergebnisse zeigen, dass Algorithmen Potenzial haben, um zukünftig im klinischen Alltag für diese Aufgabe eingesetzt zu werden.

    Größe, Art und Volumen von Tumoren genaustens zu kennen, ist wichtig, um Krebspatientinnen und -patienten die richtige Therapie zu empfehlen. Grundlage hierfür sind Aufnahmen, die in der Positronen-Emissions-Tomographie (PET) und in der Computertomographie (CT) gemacht werden. Das CT macht die Anatomie des Körpers sichtbar, während das PET die Stoffwechselaktivität von Gewebe misst. Radiologen und Nuklearmedizinerinnen markieren bisher in 2D-Schichtbildern manuell die Konturen von einzelnen Tumoren, um deren Volumen zu erfassen. Teilweise haben Krebspatientinnen und -patienten mehrere Hundert Läsionen – also pathologische Veränderungen, die durch das Wachstum eines Tumors verursacht werden. Um ein einheitliches Bild zu erhalten, müssten alle Läsionen erfasst werden. „Medizinerinnen und Mediziner würden dann mehrere Stunden benötigen, um die Läsionen einzuzeichnen. Bei vielen Tausenden Krebspatientinnen und Krebspatienten pro Jahr am Uniklinikum Tübingen ist das eine sehr zeitintensive Arbeit“, erklärt Prof. Dr. Thomas Küstner, Forschungsgruppenleiter Medical Image and Data Analysis Lab in der Abteilung für diagnostische und interventionelle Radiologie des Universitätsklinikums Tübingen. „Besser wäre es, wenn ein Algorithmus automatisiert die Auswertung übernehmen würde.“
    Im Jahr 2021 gingen Küstner und sein Kollege Prof. Dr. Sergios Gatidis auf Prof. Dr. Clemens Cyran und Prof. Dr. Michael Ingrisch vom LMU Klinikum München zu. Die Idee: eine Challenge entwickeln, die die Bildgebung mit dem maschinellen Lernen verbindet. 2022 wurde die erste autoPET-Challenge organisiert, die von April bis September 2022 lief. Forschende aus der ganzen Welt waren eingeladen, Algorithmen für die Auswertung von Tumorläsionen zu entwickeln. 359 Teilnehmende in 27 Teams haben ihre Lösungen eingereicht. Die Ergebnisse wurden auf der International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) im September 2022 präsentiert. „Wir konnten Hunderte Wissenschaftlerinnen und Wissenschaftler weltweit erreichen und dazu motivieren, an dieser wichtigen Fragestellung zu arbeiten. Das war nur im Rahmen einer Challenge möglich", erklärt Gatidis. Alle eingereichten Algorithmen nutzen Deep Learning, eine Form der künstlichen Intelligenz, um die Konturen der Läsionen zu identifizieren. Hierbei werden mithilfe von neuronalen Netzen komplexe Muster und Zusammenhänge in großen Datenmengen erkannt. Die vielversprechendsten Algorithmen haben Küstner und sein Team im Nachgang identifiziert.

    Vollständige Automatisierung als Ziel

    Die Auswertung der Algorithmen zeigt, dass die Algorithmen die Tumorläsionen präzise und effizient erkennen können. „Die Challenge war ein wichtiger erster Schritt, um vielversprechende Algorithmen in diesem Gebiet zu identifizieren“, betont Ingrisch. Die Leistung der Algorithmen hängt allerdings stark von der Qualität der Bilder der PET und des CTs ab. Je besser die Algorithmen mit verschiedenen Datensätzen umgehen können, desto robuster sind die Algorithmen gegenüber äußeren Einflussfaktoren wie Variationen in den Bildaufnahmen, der Bildgebungsscanner oder der radioaktiven Marker. „Unser Ziel ist es, in den nächsten Jahren die Analyse der Bildgebung im CT und PET vollständig zu automatisieren“, erklärt Cyran. Weitere Arbeiten sind deshalb notwendig, um die Algorithmen zu verbessern und robuster zu machen. 2023 und 2024 fanden bereits weitere autoPET-Challenges statt. Das Team aus Tübingen und München wird die Ergebnisse erneut auswerten und weitere Schritte einleiten, um die Algorithmen in naher Zukunft im klinischen Alltag einsetzen zu können.


    Contact for scientific information:

    Prof. Dr. Thomas Küstner
    Abteilung für diagnostische und interventionelle Radiologie
    Department für Radiologie
    Universitätsklinikum Tübingen

    Prof. Dr. Sergios Gatidis
    Abteilung für diagnostische und interventionelle Radiologie
    Department für Radiologie
    Universitätsklinikum Tübingen

    Prof. Dr. Clemens Cyran
    Geschäftsführender Oberarzt
    Klinik und Poliklinik für Radiologie
    LMU Klinikum München

    Prof. Dr. Michael Ingrisch
    Gruppenleiter Clinical Data Science
    Klinik und Poliklinik für Radiologie
    LMU Klinikum München


    Original publication:

    Autoren: Sergios Gatidis, Marcel Früh, Matthias P. Fabritius, Sijing Gu, Konstantin Nikolaou, Christian la Fougère, Jin Ye, Junjun He, Yige Peng, Lei Bi, Jun Ma, Bo Wang, Jia Zhang, Yukun Huang, Lars Heiliger, Zdravko Marinov, Rainer Stiefelhagen, Jan Egger, Jens Kleesiek, Ludovic Sibille, Lei Xiang, Simone Bendazzoli, Mehdi Astaraki, Michael Ingrisch, Clemens C. Cyran, Thomas Küstner
    Titel: Results from the autoPET challenge on fully automated lesion segmentation in oncologic PET/CT imaging
    Link: https://www.nature.com/articles/s42256-024-00912-9
    DOI: 10.1038/s42256-024-00912-9


    Images

    Criteria of this press release:
    Journalists
    Medicine
    transregional, national
    Research projects, Research results
    German


     

    Help

    Search / advanced search of the idw archives
    Combination of search terms

    You can combine search terms with and, or and/or not, e.g. Philo not logy.

    Brackets

    You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

    Phrases

    Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

    Selection criteria

    You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

    If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).