Sonntag, 24. März 2019
Navigation öffnen
Anzeige:

JOURNAL ONKOLOGIE – Artikel

09. November 2018
Seite 1/2
Künstliche Intelligenz in der Onkologie

J. Kohlhammer, S. Wesarg, Fraunhofer-Institut für Graphische Datenverarbeitung IGD, Darmstadt.

Warum spricht ein Patient auf eine Krebstherapie an, während sie bei einem anderen nicht greift? Der Vergleich anonymisierter Patientendaten soll bei solchen Fragen Aufschluss geben. Allerdings ist es schwer, in der Vielzahl der Daten Zusammenhänge zu erkennen. Ein Softwaretool aus dem Fraunhofer IGD errechnet aus CT-Daten von Kopf-Hals-Tumoren über 100 beschreibende Parameter, ergänzt sie um klinische Daten und unterstützt Ärzte bei der Kohortenbildung und Analyse. Ein erster Schritt hin zur Kohorten- und weiter zur Patienten-individuellen Behandlung ist somit getan.
Anzeige:
Die medizinische Versorgung soll personalisiert, also für jeden Patienten diejenige Therapie mit der höchsten Erfolgswahrscheinlichkeit identifiziert werden. Einen ersten Schritt in diese Richtung haben wir am Fraunhofer-Institut für graphische Datenverarbeitung IGD gemacht. Dabei setzen wir, wie der Institutsname bereits sagt, auf die graphische Verarbeitung medizinischer Daten: auf Visual Computing.


Radiomics erlaubt eine virtuelle Biopsie

Zunächst einmal gilt es, die Ursache der Beschwerden zu ermitteln und zu diagnostizieren: Gestalt, Lage und Struktur von Körperteilen, Organen, Geweben, Zellen und Tumoren müssen in medizinischen Bilddaten erkannt und markiert werden. Handelt es sich um 3-dimensionale Bilddaten wie MRT oder CT, ist das ein aufwändiges Unterfangen, welches mehrere Stunden in Anspruch nehmen kann und manuell kaum noch zu meistern ist. Dabei kommt dieser Analyse enorme Wichtigkeit zu. Etwa bei Tumoren im Kopf-Hals-Bereich: Die Bestrahlung oder andere Behandlung eines solchen Tumors ist besonders herausfordernd, denn hier liegen zahlreiche verschiedene Strukturen auf relativ engem Raum beisammen. Für die Ärzte heißt es daher, die einzelnen Strukturen – etwa Rückenmark, Blutgefäße und Kehlkopf – in den Bilddaten manuell zu beranden. Nur so lässt sich sicherstellen, dass die hochenergetischen Strahlen zwar den Tumor zerstören, jedoch die in nächster Nähe liegenden empfindlichen Organe möglichst wenig schädigen.

Trotz allen Zeitaufwands und aller Mühe sind jedoch die Informationen, die der Arzt aus den CT-Bildern gewinnen kann, begrenzt. Es lassen sich lediglich Aussagen dazu treffen, ob es sich um einen links- oder rechtsseitigen Tumor handelt, ob er in den Knochen hineingewachsen ist, ob er eher rund oder vielmehr ausgefranst ist, ob sein Innenbereich dunkel ist. Was seine Größe angeht, sind allerdings oft nur Näherungen möglich: Denn der Arzt hat jeweils ein 2D-Schichtbild der CT-Bilddaten vor sich. Zwar kann er den Tumor vermessen, allerdings ist nicht gesagt, dass er den Bildausschnitt vor sich hat, auf dem der Tumor seine größte Ausdehnung hat.

Um die Mediziner bei dieser Aufgabe zu unterstützen und aus den Bildern deutlich mehr Informationen zu erhalten als bisher, haben wir entsprechende Machine-Learning-Verfahren entwickelt. Diese können anatomische Strukturen in Bilddaten simultan, vollständig und automatisch segmentieren und die Ergebnisse anschaulich darstellen – und den behandelnden Arzt auf diese Weise bei der Diagnose unterstützen. Unser Tool „KOHALA“, ein KOpf-HALs-Atlas für die Strahlentherapie, beispielsweise ermöglicht eine quantitative Analyse der CT-Bilder. Zudem erleichtert es den Ärzten die Identifikation der Strukturen deutlich: Die Auswertung von CT-Bildern dauert mit KOHALA statt mehrerer Stunden nur noch 4 Minuten. Herzstück von KOHALA ist das Modell CoSMo, kurz für „Coupled Shape Model“. Dieses erkennt die verschiedenen Strukturen, beschriftet sie entsprechend und segmentiert sie – es malt quasi ihre Ränder nach.

Im Projekt „VA4Radiomics“, kurz für Visual Analytics for Radiomics, gehen wir sogar noch darüber hinaus: Mit einer entsprechenden Software erstellen wir aus den CT-Daten des Tumors für diesen eine „virtuelle Biopsie“. Das Softwaretool lokalisiert und markiert den Tumor, stellt ihn 3-dimensional dar und analysiert die Daten. Wie hell oder dunkel erscheint der Tumor? Wie ist die Helligkeitsverteilung innerhalb des Tumors? Gibt es etwas, das einem Menschen nicht augenfällig ist? Diese Fragen beantwortet das Tool über verschiedene beschreibende Parameter: Insgesamt lassen sich über 100 Parameter dieser Art per Software aus den CT-Bildern eines Kopf-Hals-Tumors herausziehen. Es gibt erste Ergebnisse, die zeigen, dass auf diese Weise die CT-Bilder Informationen liefern können, die man sonst nur über einen operativen Eingriff und eine anschließende Laboruntersuchung des entnommenen Tumorgewebes gewinnen könnte. Aussagen über Gewebemerkmale lassen sich zukünftig also – so die Hypothese – mithilfe von Radiomics treffen.
 
Schmuckbild KI in der Onkologie
 
Vorherige Seite

Das könnte Sie auch interessieren

Bauchspeicheldrüsenkrebs: Die Bauchspeicheldrüse, das unbekannte Organ

Die Bauchspeicheldrüse (griech.: Pankreas) ist eine der größten Drüsen des Menschen. Dennoch ist nur wenigen bekannt, wo sie sich befindet und welche Funktionen sie übernimmt. Die Bauchspeicheldrüse ist ein keilförmiges Organ, ungefähr so groß wie eine Hand: ein bis zwei Zentimeter dick und etwa 15 Zentimeter lang. Sie liegt mitten im Oberbauch hinter dem Magen und vor der Wirbelsäule. Mit ihrem sich verjüngenden Ende – dem...

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Künstliche Intelligenz in der Onkologie"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der rsmedia GmbH widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.