Verbundprojekt: Deep Learning-gestützte Früherkennung von Veränderungen in Thorax-CT-Aufnahmen (SPIRABENE); Teilvorhaben: Quantifizierung und Konzepte zur Befundunterstützung

Abstract

Die Thorax-Bildgebung mit Hilfe der CT ist eine der häufigsten radiologischen Untersuchungen in Deutschland und weltweit. Insgesamt wurden 2009 ca. 800.000 Untersuchungen jährlich in Deutschland durchgeführt (Arztreport der BARMER 2011; jüngere Erhebungen sind nicht bekannt). Gemäß dem Bundesamt für Strahlenschutz (BfS) nimmt die Anzahl der CT-Untersuchungen in Deutschland schnell zu. Im Zeitraum von 2007 bis 2016 betrug der Zuwachs 45%, das sind Raten von im Mittel 5% pro Jahr. Damit schätzen wir die Gesamtzahl der Thorax-CT-Aufnahmen, die 2020 in Deutschland angefertigt werden, auf ca. 1,3 Millionen ab. Die Thorax-CT ist vor allem bei der Diagnose und Therapieüberwachung von Bronchialkarzinomen und Tumor-Metastasen etabliert. Zudem hat die Coronavirus-Pandemie gezeigt, dass die Thorax-CT-Bildgebung auch bei COVID-19-Patienten eine zentrale Bedeutung für die Diagnose und Therapieüberwachung hat. Mit CT-Verlaufskontrollen können Progression von Lungenerkrankungen, die das Lungenparenchym verletzen oder verändern, mit Hilfe von objektivierbaren Parametern überwacht und auch bereits leichte Veränderungen früh erkannt werden. Letzten Endes bieten Verlaufskontrollen die Möglichkeit, auch kleinste Therapieeffekte und Nebenwirkungen zu objektivieren und damit eine frühe Optimierung der Therapie vorzunehmen. Im klinischen Alltag wird nur ein kleiner Teil des Potentials ausgeschöpft, da keine routinetauglichen Tools und Services zur genauen, umfassenden Erfassung und Dokumentation aller krankheitsrelevanten Parameter und quantitativen Marker existieren.

Die Aufgabenstellung des F&E-Vorhabens, das von den Kooperationspartnern jung diagnostics GmbH (JDX), Fraunhofer MEVIS (FME) und Universitätsmedizin Mainz (UMM) durchgeführt wurde, bestand darin, die Entwicklung einer vollautomatisch arbeitenden Bildverarbeitungstechnologie zur Erkennung kleinster anatomischer und pathologischer Veränderungen des Lungenparenchyms auf Thorax-CT-Aufnahmen voranzutreiben, die den Anforderungen in der Patientenversorgung vollumfänglich entspricht. Es sollten vorhandene Verfahren zur Detektion und Quantifizierung von Pathologien zusammengeführt, automatisiert und weiterentwickelt werden.

Die Aufgabenstellung des Teilvorhabens von JDX bestand in der automatisierten Erkennung von unspezifischen Abweichungen von der Norm (Anomalien) und der Entwicklung von Verfahren zur Quantifizierung von Pathologien des Lungenparenchyms. Weiterhin sollten Konzepte zur Befundunterstützung entwickelt werden, die aufbauend auf vollautomatisiert durchgeführten Bildanalysen, die Dauer der Befundung signifikant reduzieren helfen.