21. Nov 2016

Wenn aus Big Data Informationen werden

Sie werten das riesige Archiv der medizinischen Bilder unter neuer Perspektive aus. Und gewinnen Informationen zur Verbesserung der künftigen Diagnostik. Wissenschaftler der Radiologie entwickeln in enger Kooperation mit einem Spin-off der ETH Zürich Techniken zur automatisierten, schnellen Erkennung von Strukturen und Mustern in der Bildgebung. Erste Ergebnisse des Forschungsmergers werden am Jahreskongress der Radiological Society of North America präsentiert.

 

Visualisierung des Lernprozesses des Systems anhand der automatischen Tumorerkennung. Die im Film erscheinenden Spitzen stellen die zunächst vorhandenen Klassifikationsunsicherheiten dar. Sie werden mit den Lernzyklen reduziert, so dass am Schluss des Films der Tumor (rot) automatisch markiert ist.

230 Terabyte umfasst das PACS, das Picture Archiving and Communication System der Radiologie. Damit aus diesen Daten Informationen werden, die gezielt zur Verbesserung der medizinischen Diagnostik beitragen, arbeitet Dr. Bram Stieltjes, Leiter der Forschungskoordination der Radiologie, seit 6 Monaten mit 4Quant, einem Spin-off der ETH Zürich zusammen. 4Quant ist spezialisiert auf Big Data-Analysen im medizinischen Kontext, auf die schnelle, algorithmengestützte Verarbeitung sehr grosser Bilddatenmengen. Ende Monat präsentiert das Team erste Ergebnisse am Jahreskongress der Radiological Society of North America (RSNA) in Chicago.

Gezeigt werden Resultate zur automatisierten Knochendichteberechnung in der Computertomografie (CT). Untersucht wurden etwa 1,5 Millionen CT-Serien, die routinemässig, ohne Fragestellung zur Knochendichte, erstellt wurden. Daran konnte das Forschungsteam demonstrieren, dass die Knochendichte aus den CT-Aufnahmen berechnet und als konkreter Indikator für die Wahrscheinlichkeit der Fraktur definiert werden kann. Diese Messung soll – auch wenn keines der spezialisierten Verfahren zur Knochendichtemessung verlangt wird – künftig automatisch erstellt und dem Radiologen sowie klinischen Zuweisern angezeigt werden.

Zu den ersten Projekten mit 4Quant, die in Chicago vorgestellt werden, zählt auch die Verbesserung der bildgebungsgestützten Tumordiagnostik (vgl. den Film rechts). Die Auswertung von PET/CT (Positronen-Emissions-Tomografie/CT) zur Klassifikation maligner Tumoren ist äusserst aufwändig. Sie muss mit hoher Genauigkeit gemacht werden, da sie die Stadienbestimmung (Staging) des Tumors erlaubt und für die Wahl der Therapie  entscheidend ist. Das Team will aus den PET/CT-Bildern von 1500–2000 onkologischen Patienten einen Analysealgorithmus entwickeln, mit dem ein automatisches Staging möglich ist.

Die Big Data-Auswertungen ersetzen nicht das Auge des Radiologen. Sie nutzen aber die riesigen Datenmengen der modernen Radiologie, um gezielt daraus Informationen zu ziehen und den Arzt auf errechenbare, auffällige Muster hinzuweisen.

 
> Nähere Informationen zum Big-Data-Projekt der Klinik für Radiologie und Nuklearmedizin mit 4Quant finden Sie auch im TV-Beitrag «Innovationsprojekt in der Radiologie des Universitätsspitals Basel» (in der Sendung «Einstein» auf TV SRF vom 17.3.2016).

<- Zurück zu: News-Archiv