Garmisch2016

22 denmüssen,bevorsiebewertetoderauchnur archiviert werden. Deshalb werden in Zu- kunft Algorithmen bei der Auswertung im Hintergrundlaufen,umdieAuswertungfür die jeweilige Fragestellung zu vereinfachen, aber auch, um die aufgenommenen Bilder auf vordefinierte Listen von Incidental Fin- dings abzuprüfen. An welcher Stelle beginnen die Limitationen? Technologisch gesehen gibt es relativ weni- ge Probleme, die sich nicht lösen ließen. Im Wesentlichen sind nur Ressourcen für das Engineering notwendig, vor allem für die Entwicklung von Produkten, die klinisch implementiert werden können. Notwen- dig werden zudem Investitionen in Infra- strukturen, die den Einsatz großer homogener Daten- sätze in einheitlichen Daten- banken erlauben. Hier ist die Gesetzgebung gefragt, denn die kritische Frage der Da- tensicherheit wird an diesem Punkt relevant. Ebenso muss man sich vor dem Hinter- grund der noch zu inhomo- genen Datensätze mit Stan- dardisierungen befassen. Ob man diese Limitationen zur Gänze wird beheben kön- nen,hängtauchdavonab,mit welchen Ergebnissen die öf- fentliche Diskussion über die elektronische Speicherung personalisierter Informationen geführt wird. In welche Richtung, glauben Sie, führt die Entwicklung und wo ist der Schwerpunkt zu legen? Ich glaube, dass wir bei den Interventionen erst am Anfang der Möglichkeiten stehen. Die Visualisierung ist ein extrem wichtiges Thema und anhand von jetzt schon verfüg- baren Datenbrillen lässt sich vorausahnen, in welche Richtung die Entwicklung noch gehen könnte. Sehr spannend wird dabei das Thema „Human-Computer Interac- tion (HCI)“ und die damit einhergehenden Möglichkeiten. Auch die Personalisierung derTherapie,etwabeiTumorpatienten,wird weiterhin ein wichtiges Gebiet sein. Von der technologischen Seite sollte der Schwerpunkt momentan auf der Strukturie- rung von Bildinformationen für große Da- tensätze liegen. Diese adäquat zu vereinheit- lichenundnutzbarzumachen,istdiegrößte Herausforderung, vor der wir stehen. Die Vision ist, dass Algorithmen künftig Bild- volumen automatisiert auswerten und die gesamte Bildinformation in eine Anzahl Messwerte überführen – ähnlich wie in einem Bericht zu Blutwerten, die im Labor bestimmt wurden. Diese Messwerte werden dann quantitativ beschreiben, was in dem Bildzusehenist,wosichdasBildsignifikant zumBeispielvoneinerVoruntersuchungun- terscheidet,undwoanatomischeStrukturen von der Populations-Norm abweichen. Vielen Dank für das Interview!  Die Entwicklung der Hardware schreitetrasantvoran,jedesJahr werden neue technologische Innovationen hervorgebracht. Doch auch ein Blick jenseits der Hardware wird zunehmend wichtiger, denn Verbesse- rungen auf der einen Seite produzieren nutz- barere Ergebnisse auf der anderen Seite, die zudem adäquat strukturiert, analysiert und gespeichert werden müssen. Einen solchen Blick auf die sich daraus ergebenden Mög- lichkeiten wirft Prof. Dr. Bjoern Menze, As- sistenzprofessor am Lehrstuhl für Informati- kanwendungen in der Medizin & Augmen- ted Reality an der TU München in unserem Interview. Was ist mit den heute schon zahl- reich vorhandenen Bilddaten mög- lich und was kann im Umgang mit diesen Daten verbessert werden? Ein wichtiges Thema, sowohl jetzt als auch inZukunft,istdieAutomatisierungderBild- auswertung. Nach heutigem Stand können Ärzte anatomische Strukturen, wie zum Beispiel bestimmte Areale in Organen im MRT oder einzelne Knochen im CT, gut auffinden. Sie können Gefäße analysieren oder mikrostrukturelle Eigenschaften oder denBlutflussinterpretieren,wennihnendie jeweiligen Bilder vorliegen. All das kostet je- doch in der klinischen Routine Zeit, sodass inderRegelnurstichprobenartiguntersucht beziehungsweisedokumentiertwird,zumeist sogar nur anhand von qualitativen Mess- zahlen. Das durch Algorithmen der Muster- erkennung und des maschinellen Lernens zu ersetzen oder zumindest zu ergänzen, ist einedergroßenAufgabendermedizinischen Bildverarbeitung. Eine weitere Richtung ist die Analyse komplexer Muster, etwa bei gleichzeitiger Bewertung verschiedener Bildmodalitäten in der Tumordiagnostik, bei der Bewertung von Zeitserien und longitudinalen Studien oder beim Vergleich bestimmter patholo- gischer Strukturen mit ähnlichen Bildern in Datensätzen mit Tausenden oder mehr Referenzbildern. Die Software ist mittlerweile imstande, Artefakte mit guten Ergebnissen aus Bildern heraus- zurechnen und immer größere Auflösungen zu produzieren. Welche Möglichkeiten bietet das in der Zukunft? Die Bildverarbeitung und die darauf basie- rendeInformationsverarbeitungsindimmer nur so gut wie die Bilder, die dem Ganzen zugrunde liegen. Aktuell sind Datensätze oft sehr inhomogen, was ein bekanntes Stan- dardproblem in Big Data darstellt. Bessere Bilder, das heißt artefaktfreie Bilder, bedeu- ten, dass automatische Algorithmen immer zuverlässigeranwendbarseinwerden.Sower- den die Bilder verschiedener Scanner und verschiedener Krankenhäuser homogener und damit auch besser vergleichbar. Große Datenmengen bedeuten, dass die Informationen immer stärker gefiltert wer- PET/CT-Untersuchung mit F18-FDG ak- tuell nur für einige wenige, sehr spezifische AusnahmeindikationenvonderGesetzlichen Krankenversicherungerstattet.Daswirdsich aber zukünftig ändern, denn zurzeit laufen mehrere multizentrische klinische Studien, dienochmehrvalideDatenzumNutzendes VerfahrensangrößerenPatientenkollektiven liefern“, zeigt sich Dr. D‘Anastasi zuversicht- lich.ImGrundeaberistdieDatenlageschon jetzt eindeutig. Bereits im Jahr 2014 wurde die internati- onalanerkannteLugano-Klassifikation(frü- herCheson-Kriterien)verabschiedet,welche die F-18-FDG-PET/CT als Standardbild- gebung für das prä- und posttherapeutische Staging von FDG-aviden Lymphomen emp- fiehlt.Dazuzählenauchdiezweihäufigsten Lymphomtypen, das Hodgkin-Lymphom Die Bildgebung ist eine wichtige Grundlage für die Diagnostik von pathologischen Lymph- knoten und Organmanifesta- tionen von Hodgkin- und Non-Hodgkin- Lymphomen – von der Erstuntersuchung über die Therapiekontrolle bis hin zur Nach- sorge. Noch gilt die Computertomographie in Deutschland als unangefochtene Bildge- bungsmethode Nummer eins, um nodale undextranodaleLymphom-Manifestationen im Hals, Thorax und Abdomen nachzuwei- sen.DochdieF-18-FDG-PET/CTwirdsich auchhierzulandeweiterdurchsetzen,istsich Dr. Melvin D’Anastasi, Facharzt für Radio- logieundWissenschaftlicherMitarbeiteram Institut für Klinische Radiologie des Klini- kums der Universität München, sicher. „In anderen Teilen Europas und in den USA ist die F18-FDG-Positronenemissi- onstomographie schon fest verankert im Staging-Algorithmus hochmaligner Lym- phome, die einen erhöhten Glukosemetabo- lismus aufweisen. In Deutschland wird die Prof. Dr. Bjoern Menze ist Assistenzprofessor am Lehrstuhl für Informatikanwendungen in der Medizin & Augmented Reality an der Technischen Universität München. Seit 2014 sitzt er der Image-Based-Bio- medical-Modeling-(IBBM-)Gruppe am TUM Institute of Medical Engineering (IMETUM) der TU München vor. Menze ist spezialisiert in den Bereichen Medical Computer Vision, Image-based Modeling und Com- putational Physiology und ist auf Anwendungen im klinischen Neuroimaging und in der Modellierung von Tumorwachstum fokussiert.Automatisierte Bilddatenverarbeitung Innovationen jenseits der Hardware Lymphome: Mit der FDG-PET/CT sieht man besser CT2016GARMISCH Donnerstag,21.01.2016, 9:05Uhr Innovationeninder Hardware:Wasistmit Bilddatenmöglich? BjoernMenze,Garching Session:Radiologie2026 Veranstaltung Freitag,22.01.2016, 10:30Uhr BildgebungbeiLymphomen MelvinD´Anastasi, München Session:Onkologie Veranstaltung komplexe Daten Temporärer Vergleich von Bilddaten mit MeVis Visia LungCAD Therapiemonitoring bei M. Hodgkin mit 18F FDG PET/CT. Abb. 1a: Patient mit M. Hodgkin und mit einem stoffwechselaktiven mediastinalen Lymphknoten-Bulk vor Therapie. Abb. 1b: Nach 2 Monaten unter Chemotherapie mit dem BrECADD Schema deutliche Regredienz des Lymphknoten-Bulks und deutlich rückläufige Stoffwechselaktivität als Zeichen eines guten Therapieansprechens. ©MeVisMedicalSolutionsAG ©www.shutterstock.com/grafvision 1a 1b

Pages Overview