Recherche

Einer unserer zentralen MRT-Schwerpunkte ist die Evaluation von Low-Field-MRI – hinsichtlich der klinischen Leistungsfähigkeit in der muskuloskelettalen, neuroradiologischen, kardiothorakalen und abdominellen Bildgebung ebenso wie in Bezug auf ökologische und ökonomische Aspekte sowie den Patient:innenkomfort.

In der CT-Bildgebung evaluieren wir insbesondere die Dual-Energy-CT (DECT) für verschiedene, vor allem abdominelle Fragestellungen.

Modalitätsübergreifend (MRT und CT) liegt ein weiterer Fokus auf der quantitativen Bildgebung: Wir untersuchen, inwieweit bildbasierte Parameter zur Diagnostik und Prädiktion von Erkrankungen – etwa Osteoporose oder Hepatopathien – eingesetzt werden können.

Ces dernières années, nos collaboratrices et collaborateurs ont rédigé ou supervisé les travaux mentionnés ci-dessous.

Les personnes intéressées peuvent volontiers nous contacter avec des propositions de sujets de thèse (ou de mémoire de master) : Dr. phil. Seline Schellenberg. Nous nous réjouissons particulièrement des personnes intéressées qui souhaitent ensuite rester chez nous en tant que médecins assistants.

Schwerpunktmässig untersuchen wir auch die klinische Wirksamkeit radiologischer Innovationen. Unsere Forschung zur strukturierten Befundung und zum radiologischen Reporting hat gezeigt, wie standardisierte Reports die Befundqualität, Vergleichbarkeit und klinische Entscheidungsfindung verbessern.

Wir analysieren systematisch den Einfluss neuer Technologien auf Arbeitsabläufe, Effizienz und Ressourceneinsatz. Unser Ziel ist es, radiologische Exzellenz nicht nur technologisch, sondern auch organisatorisch messbar zu machen – als Grundlage für die nachhaltige Implementierung von Modellen zur Metrifizierung der radiologischen Exzellenz und zur internationalen Vergleichbarkeit.

Künstliche Intelligenz/Artificial Intelligence (KI/AI) kann die Arbeitslast radiologischer Bildanalyse deutlich reduzieren – vorausgesetzt, sie ist nahtlos in den klinischen Workflow integriert und erfüllt die regulatorischen Anforderungen der Medical Device Regulation (MDR). An unserer Klinik erstellen wir eigene KI-Lösungen:

• In einer klinischen Studie zur automatischen Erkennung von Multiple-Sklerose (MS)-Läsionen konnten wir mit einem am Department of Biomedical Engineering der Universität Basel entwickelten Algorithmus (MS-MD-GRU) eine Zeitersparnis von rund 40 Prozent bei Follow-up-Untersuchungen zeigen. Daraufhin wurde der Algorithmus für die In-house-Nutzung unter erleichterten Bedingungen gemäss MDR zugelassen.
• Mit TotalSegmentator und TotalSegmentator MRI haben wir frei verfügbare, praxisnahe Tools zur vollautomatischen Segmentierung anatomischer Strukturen in der CT bzw. MRT entwickelt. Beide wurden innert kurzer Zeit zu Referenzwerken der radiologischen Diagnostik: TotalSegmentator zählt mit weit über 1.000 Zitationen bereits zu den am stärksten rezipierten KI-Publikationen im radiologischen Umfeld, und TotalSegmentator MRI setzt diese Erfolgsgeschichte für die MRT fort.

Neben der Entwicklung eigener KI-Lösungen prüfen wir in einer Vielzahl von Studien, wo KI im klinischen Alltag den grössten Hebel hat: in der Diagnostik und Befundung, in der workflow-nahen Assistenz (z. B. Priorisierung, Standardisierung) sowie in der Bildrekonstruktion. Ziel ist es, Effizienzgewinne nicht nur zu zeigen, sondern sie messbar, reproduzierbar und klinisch belastbar zu machen – als Grundlage für nachhaltige Implementierung.

Die Erforschung ökologischer Aspekte und der Fokus auf Nachhaltigkeit in der Radiologie ist ein Schwerpunkt unserer Klinik. Sie hat in diesem  Forschungszweig Pionierarbeit geleistet. Aufbauend auf einer vielbeachteten radiologischen Referenzarbeit zur Energie- und Kostenbilanz von CT und MRT haben wir den Energieverbrauch bildgebender Verfahren erstmals systematisch quantifiziert und konkrete Einsparpotenziale aufgezeigt.

Darauf basiert weitere Forschung. So untersuchen wir, ob technische Innovationen – wie Low-Field-MRI, optimierte Protokolle und Geräteeinstellungen sowie KI-gestützte Rekonstruktionen – eine nachhaltige Bildgebung und Befundung mit deutlich reduziertem Energie- und Ressourcenverbrauch ermöglichen. Unser Ziel ist es, Nachhaltigkeit als festen Bestandteil radiologischer Qualität zu etablieren und evidenzbasierte Entscheidungsgrundlagen für eine zukunftsfähige Radiologie zu liefern. Des Weiteren analysieren wir Wege, Bildgebung ohne Mehrwert für die Patientenversorgung zu identifizieren und zu messen.