Publikationen im NUM
Hier finden Sie eine Liste der Publikationen, die im Zusammenhang mit dem Netzwerk Universitätsmedizin in der ersten und zweiten Förderphase entstanden sind.
M. Lindholz,
R. Ruppel,
S. Schulze-Weddige,
G. L. Baumgärtner,
I. Schobert,
A. Panten,
R. Schmidt,
T. A. Auer,
J. Nawabi,
A. Haack,
L. Stepansky,
L. Poggi,
R. Hosch,
C. A. Hamm and
T. Penzkofer,
"Analyzing the TotalSegmentator for facial feature removal in head CT scans.",
Radiography (London, England : 1995),
Jan.
2025.
Abstract:
Die Gesichtserkennungstechnologie in der medizinischen Bildgebung, insbesondere bei Kopfscans, stellt aufgrund identifizierbarer Gesichtszüge Datenschutzrisiken dar. Diese Studie wertet den Einsatz von Gesichtserkennungssoftware bei der Identifizierung von Gesichtsmerkmalen aus Kopf-CT-Scans aus und erforscht mit TotalSegmentator eine defacing Pipeline, um die Wiedererkennungsrisiken zu reduzieren und die Datenintegrität für die Forschung zu bewahren. 1404 hochwertige Renderings aus dem UCLH EIT Stroke Datensatz, sowohl mit als auch ohne Rücksicht wurden analysiert. Die Leistungsfähigkeit der von TotalSegmentator erstellten Gesichtsmaske wurde mit einem hochmodernen CT-Vernichtungsalgorithmus verglichen. Gesichtserkennung wurde mit Deep Learning Modellen durchgeführt. Die Kosinusähnlichkeit zwischen Gesichtseinbettungen für intra- und interpatientische Bilder wurde verglichen. Eine Support Vector Maschine wurde auf Cosinus-ähnliche Werte trainiert, um die Abstoßleistung zu bewerten, was bestimmt, ob zwei Renderings von demselben Patienten kamen. Diese Analyse wurde auf defaced und non-defaced Bildern mit 5-facher Quervalidierung durchgeführt. Gesichter wurden in 76,5 % nicht abgegrenzten Bildern nachgewiesen. Intra-Patient-Bilder zeigten eine mediane Kosinus-ähnlichkeit von 0,65 (IQR: 0.47-0.80), verglichen mit 0,50 (IQR: 0.39-0.62) für inter-Patient-Bilder. Ein binärer Klassifikator wurde mäßig auf nicht abgetasteten Bildern durchgeführt, wobei ein ROC-AUC von 0,69 (SD = 0,01) und eine Genauigkeit von 0,65 (SD = 0,01) erreicht wurde, um zu unterscheiden, ob ein Scan derselben oder einer anderen Person gehörte. Nach dem Abklingen ging die Leistung deutlich zurück. Die Defacation mit dem TotalSegmentator verringerte den ROC-AUC auf 0,55 (SD = 0,02) und die Genauigkeit auf 0,56 (SD = 0,01), während der CTA-DEFACE-Algorithmus die Leistung auf eine ROC-AUC von 0,60 (SD = 0,02) und eine Genauigkeit von 0,59 (SD = 0,01) reduzierte. Diese Ergebnisse zeigen die Wirksamkeit der Abgrenzung von Algorithmen bei der Minderung von Re-Identifikationsrisiken, wobei der TotalSegmentator einen leicht überlegenen Datenschutz bietet. Gesichtserkennung Software kann Gesichtsmerkmale aus Teil- und Vollkopf-CT-Scan Renderings identifizieren. Die Verwendung des TotalSegmentators zur Deface-Bilder reduziert jedoch die Neuidentifikationsrisiken auf ein Nah-Chance-Level. Wir bieten Code an, um diese datenschutzrechtliche Pipeline zu implementieren. Durch die Nutzung des TotalSegmentator-Frameworks entfernt die vorgeschlagene Pipeline die Gesichtseigenschaften von CT-Bildern effizient und ist damit ideal für die Mehr-Site-Forschung und den Datenaustausch. Es ist ein nützliches Werkzeug für Radiographen und Radiologen, die medico-legale Anforderungen erfüllen müssen, die die Entfernung von Gesichtsmerkmalen erfordern.
| DOI: | 10.1016/j.radi.2024.12.018 |
Abstract:
Die Gesichtserkennungstechnologie in der medizinischen Bildgebung, insbesondere bei Kopfscans, stellt aufgrund identifizierbarer Gesichtszüge Datenschutzrisiken dar. Diese Studie wertet den Einsatz von Gesichtserkennungssoftware bei der Identifizierung von Gesichtsmerkmalen aus Kopf-CT-Scans aus und erforscht mit TotalSegmentator eine defacing Pipeline, um die Wiedererkennungsrisiken zu reduzieren und die Datenintegrität für die Forschung zu bewahren. 1404 hochwertige Renderings aus dem UCLH EIT Stroke Datensatz, sowohl mit als auch ohne Rücksicht wurden analysiert. Die Leistungsfähigkeit der von TotalSegmentator erstellten Gesichtsmaske wurde mit einem hochmodernen CT-Vernichtungsalgorithmus verglichen. Gesichtserkennung wurde mit Deep Learning Modellen durchgeführt. Die Kosinusähnlichkeit zwischen Gesichtseinbettungen für intra- und interpatientische Bilder wurde verglichen. Eine Support Vector Maschine wurde auf Cosinus-ähnliche Werte trainiert, um die Abstoßleistung zu bewerten, was bestimmt, ob zwei Renderings von demselben Patienten kamen. Diese Analyse wurde auf defaced und non-defaced Bildern mit 5-facher Quervalidierung durchgeführt. Gesichter wurden in 76,5 % nicht abgegrenzten Bildern nachgewiesen. Intra-Patient-Bilder zeigten eine mediane Kosinus-ähnlichkeit von 0,65 (IQR: 0.47-0.80), verglichen mit 0,50 (IQR: 0.39-0.62) für inter-Patient-Bilder. Ein binärer Klassifikator wurde mäßig auf nicht abgetasteten Bildern durchgeführt, wobei ein ROC-AUC von 0,69 (SD = 0,01) und eine Genauigkeit von 0,65 (SD = 0,01) erreicht wurde, um zu unterscheiden, ob ein Scan derselben oder einer anderen Person gehörte. Nach dem Abklingen ging die Leistung deutlich zurück. Die Defacation mit dem TotalSegmentator verringerte den ROC-AUC auf 0,55 (SD = 0,02) und die Genauigkeit auf 0,56 (SD = 0,01), während der CTA-DEFACE-Algorithmus die Leistung auf eine ROC-AUC von 0,60 (SD = 0,02) und eine Genauigkeit von 0,59 (SD = 0,01) reduzierte. Diese Ergebnisse zeigen die Wirksamkeit der Abgrenzung von Algorithmen bei der Minderung von Re-Identifikationsrisiken, wobei der TotalSegmentator einen leicht überlegenen Datenschutz bietet. Gesichtserkennung Software kann Gesichtsmerkmale aus Teil- und Vollkopf-CT-Scan Renderings identifizieren. Die Verwendung des TotalSegmentators zur Deface-Bilder reduziert jedoch die Neuidentifikationsrisiken auf ein Nah-Chance-Level. Wir bieten Code an, um diese datenschutzrechtliche Pipeline zu implementieren. Durch die Nutzung des TotalSegmentator-Frameworks entfernt die vorgeschlagene Pipeline die Gesichtseigenschaften von CT-Bildern effizient und ist damit ideal für die Mehr-Site-Forschung und den Datenaustausch. Es ist ein nützliches Werkzeug für Radiographen und Radiologen, die medico-legale Anforderungen erfüllen müssen, die die Entfernung von Gesichtsmerkmalen erfordern.
C. Louizi,
E. Khadhraoui,
J. Lotz,
D. Behme,
E. Fuchs,
J. T. Kowallick and
S. J. Müller,
"Association of cervical artery stenosis with common cerebral microvascular lesions and coronary artery calcifications.",
Frontiers in neuroimaging,
2025.
Abstract:
Eine Verbindung zwischen zerebralen Weißen Materie Hyperintensitäten und koronaren Arterienerkrankungen ist weit verbreitet. Beide Bedingungen sind bei älteren Menschen häufiger. Während weiße Materie Hyperintensitäten oft mit kleinen Gefäßerkrankungen verbunden sind, ist die Atherosklerose die Hauptursache für koronare Arterienerkrankungen. Wir bewerteten die Inszenierung von CT-Scans des Körpers und die Inszenierung von Hirn-MRIs von Patienten mit neu diagnostiziertem malignem Melanom (ohne Metastasis) zwischen 01/01/2015 und 06/30/2023. Die CT-Scans wurden mit einer veränderten visuellen Gesamtbewertung auf Koronararterieerkrankungen bewertet. Fazekas-Scores wurden verwendet, um die MRT für Veränderungen der weißen Materie zu bewerten. Weitere klinische Daten wurden aus digitalen Patientenaufzeichnungen gewonnen. Wir analysierten Daten von 120 Patienten (57 Weibchen, mittleres Alter 68 Jahre, Standardabweichung 14 Jahre) und fanden eine Korrelation zwischen koronarer Arterienerkrankung und beides Alter (<i>r</i> = 0,48, <i>α</i> = 0,04) und Fazekas-Score (periventricular r = 0.46, subkortical and deep white matter r = 0.55). Ein lineares Modell einschließlich Alter, koronare Arterienerkrankungen, Diabetes und arterielle Hypertonie diente als Prädiktor für die weiße Materieerkrankung und zeigte signifikante Korrelationen. Die Zugabe von (1) Atherosklerose sowie (2) Karotidstenose zum Modell führten zu (1) einer leichten Abnahme der Bedeutung und (2) zur Entformung einer potentiellen spurigen Korrelation mit Karotidstenose. Es gibt eine signifikante Korrelation zwischen Weißstoff-Hyperintensitäten und sowohl karotidierten Stenosen als auch koronaren Arterienerkrankungen. Diese Erkenntnis ist klinisch relevant: Bei Patienten mit weißer Materie sollten Hyperintensitäten und koronarer Arterienerkrankung die Karotidstenose ausgeschlossen werden.
| DOI: | 10.3389/fnimg.2025.1559481 |
Abstract:
Eine Verbindung zwischen zerebralen Weißen Materie Hyperintensitäten und koronaren Arterienerkrankungen ist weit verbreitet. Beide Bedingungen sind bei älteren Menschen häufiger. Während weiße Materie Hyperintensitäten oft mit kleinen Gefäßerkrankungen verbunden sind, ist die Atherosklerose die Hauptursache für koronare Arterienerkrankungen. Wir bewerteten die Inszenierung von CT-Scans des Körpers und die Inszenierung von Hirn-MRIs von Patienten mit neu diagnostiziertem malignem Melanom (ohne Metastasis) zwischen 01/01/2015 und 06/30/2023. Die CT-Scans wurden mit einer veränderten visuellen Gesamtbewertung auf Koronararterieerkrankungen bewertet. Fazekas-Scores wurden verwendet, um die MRT für Veränderungen der weißen Materie zu bewerten. Weitere klinische Daten wurden aus digitalen Patientenaufzeichnungen gewonnen. Wir analysierten Daten von 120 Patienten (57 Weibchen, mittleres Alter 68 Jahre, Standardabweichung 14 Jahre) und fanden eine Korrelation zwischen koronarer Arterienerkrankung und beides Alter (<i>r</i> = 0,48, <i>α</i> = 0,04) und Fazekas-Score (periventricular r = 0.46, subkortical and deep white matter r = 0.55). Ein lineares Modell einschließlich Alter, koronare Arterienerkrankungen, Diabetes und arterielle Hypertonie diente als Prädiktor für die weiße Materieerkrankung und zeigte signifikante Korrelationen. Die Zugabe von (1) Atherosklerose sowie (2) Karotidstenose zum Modell führten zu (1) einer leichten Abnahme der Bedeutung und (2) zur Entformung einer potentiellen spurigen Korrelation mit Karotidstenose. Es gibt eine signifikante Korrelation zwischen Weißstoff-Hyperintensitäten und sowohl karotidierten Stenosen als auch koronaren Arterienerkrankungen. Diese Erkenntnis ist klinisch relevant: Bei Patienten mit weißer Materie sollten Hyperintensitäten und koronarer Arterienerkrankung die Karotidstenose ausgeschlossen werden.
J. Leberzammer,
W. T. Abplanalp,
K. Grikscheit,
E. G. Solomonidis,
S. Glaser,
B. Schuhmacher,
M. Merten,
G. Jeremijev,
A. Wilken-Schmitz,
L. Korth,
D. John,
S. Günther,
C. Kuenne,
M. Looso,
C. Valasarajan,
V. Benes,
F. Jung,
V. Niehaus,
G. Anton,
C. Stellbrink,
C. Römmele,
S. Göpel,
S. S. Pullamsetti,
J. Vehreschild,
M. Vehreschild,
S. Ciesek,
D. M. Leistner,
A. M. Zeiher,
S. Dimmeler and
S. Cremer,
"Atherosclerosis licenses for an exceeding immune response in COVID-19 disease by interferon priming in circulating myeloid cells",
Cardiovascular research,
2025.
Abstract:
AIMS Patients with cardiovascular disease (CVD) have an increased risk of developing severe respiratory infections, including COVID-19. However, the underlying molecular mechanisms are not completely understood. It has been previously shown that cardiovascular disease predisposes to an altered responsiveness to subsequent inflammatory triggers by an imprinted epigenetic memory in innate immune cells. Therefore, we hypothesized that patients with preexisting atherosclerotic cardiovascular disease (ASCVD) and COVID-19 display a dysregulated inflammatory response compared to patients without ASCVD due to epigenetically altered immune cells leading to increased disease severity. METHODS AND RESULTS Single-cell RNA sequencing revealed a dysregulated myeloid immune response with hyperinflammatory and immunosuppressive features in patients with ASCVD and moderate COVID-19. Assay for Transposase-Accessible Chromatin sequencing and in-vitro experiments with isolated monocytes infected with SARS-CoV-2 showed epigenetic priming of monocytes from patients with ASCVD towards increased expression of inflammatory mediators and type I interferon signalling. In a German nationwide cohort (NAPKON), using multiplex cytokine assays, enzyme-linked immunosorbent assays, and bulk-RNA-sequencing, we confirmed that patients with ASCVD display an exaggerated inflammatory response during moderate COVID-19. CONCLUSIONS This study demonstrates that patients with ASCVD show a dysregulated myeloid immune response in moderate COVID-19 disease. Mechanistically, epigenetic imprinting sensitizes myeloid cells of patients with ASCVD to an exaggerated type I interferon-associated immune response. TRANSLATIONAL PERSPECTIVE This study evaluates the underlying molecular mechanisms of worse outcomes of patients with atherosclerotic cardiovascular disease during respiratory infections, specifically COVID-19. Patients with atherosclerotic cardiovascular disease present with a dysregulated hyperinflammatory, type I interferon-driven immune response already during moderate COVID-19. This not only explains a major risk factor for severe COVID-19 but might also enable targeted therapies for this specific risk group.
| DOI: | 10.1093/cvr/cvaf268 |
Abstract:
AIMS Patients with cardiovascular disease (CVD) have an increased risk of developing severe respiratory infections, including COVID-19. However, the underlying molecular mechanisms are not completely understood. It has been previously shown that cardiovascular disease predisposes to an altered responsiveness to subsequent inflammatory triggers by an imprinted epigenetic memory in innate immune cells. Therefore, we hypothesized that patients with preexisting atherosclerotic cardiovascular disease (ASCVD) and COVID-19 display a dysregulated inflammatory response compared to patients without ASCVD due to epigenetically altered immune cells leading to increased disease severity. METHODS AND RESULTS Single-cell RNA sequencing revealed a dysregulated myeloid immune response with hyperinflammatory and immunosuppressive features in patients with ASCVD and moderate COVID-19. Assay for Transposase-Accessible Chromatin sequencing and in-vitro experiments with isolated monocytes infected with SARS-CoV-2 showed epigenetic priming of monocytes from patients with ASCVD towards increased expression of inflammatory mediators and type I interferon signalling. In a German nationwide cohort (NAPKON), using multiplex cytokine assays, enzyme-linked immunosorbent assays, and bulk-RNA-sequencing, we confirmed that patients with ASCVD display an exaggerated inflammatory response during moderate COVID-19. CONCLUSIONS This study demonstrates that patients with ASCVD show a dysregulated myeloid immune response in moderate COVID-19 disease. Mechanistically, epigenetic imprinting sensitizes myeloid cells of patients with ASCVD to an exaggerated type I interferon-associated immune response. TRANSLATIONAL PERSPECTIVE This study evaluates the underlying molecular mechanisms of worse outcomes of patients with atherosclerotic cardiovascular disease during respiratory infections, specifically COVID-19. Patients with atherosclerotic cardiovascular disease present with a dysregulated hyperinflammatory, type I interferon-driven immune response already during moderate COVID-19. This not only explains a major risk factor for severe COVID-19 but might also enable targeted therapies for this specific risk group.
N. Moradi,
A. Ferreira,
B. Puladi,
J. Kleesiek,
E. Fatemizadeh,
G. Luijten,
V. Alves and
J. Egger,
"Comparative Analysis of nnUNet and MedNeXt for Head and Neck Tumor Segmentation in MRI-Guided Radiotherapy.",
Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings,
2025.
Abstract:
Die Strahlentherapie (RT) ist bei der Behandlung von Kopf- und Halskrebs (HNC) von wesentlicher Bedeutung, wobei die Magnetresonanztomographie (MRI)-geführte RT einen überlegenen Weichgewebekontrast und eine funktionelle Abbildung bietet. Die manuelle Tumorsegmentierung ist jedoch zeitaufwendig und komplex und bleibt daher eine Herausforderung. In dieser Studie stellen wir unsere Lösung als Team TUMOR der HNTS-MRG24 MICCAI Challenge vor, die sich auf die automatisierte Segmentierung von primären Bruttotumorvolumina (GTVp) und metastasierenden Lymphknoten Bruttotumorvolumen (GTVn) in Vor-RT- und Mid-RT-Bildern konzentriert. Wir nutzten den HNTS-MRG2024 Datensatz, der aus 150 MRI-Scans von Patienten besteht, die mit HNC diagnostiziert werden, einschließlich Original- und registrierte Pre-RT- und Mid-RT-T2-gewichtete Bilder mit entsprechenden Segmentierungsmasken für GTVp und GTVn. Wir beschäftigten zwei hochmoderne Modelle in Deep Learning, nnUNet und MedNeXt. Für Task 1 haben wir Modelle auf vor-RT registrierten und mittleren-RT-Bildern vortrainiert, gefolgt von Feinabstimmung auf originalen Vor-RT-Bildern. Für Task 2 haben wir registrierte Pre-RT-Bilder, registrierte Pre-RT-Segmentationsmasken und Mid-RT-Daten als Multi-Channel-Eingabe für das Training zusammengefasst. Unsere Lösung für <b>Task 1</b> erreichte 1. Platz in der endgültigen Testphase mit einem aggregierten Dice Ähnlichity Coeffizient von <b>0.8254</b> und unserer Lösung für <b>Task 2</b> auf Platz 8 mit einem Score von <b>0.7005</b>. Die vorgeschlagene Lösung ist im Github Repository öffentlich verfügbar.
| DOI: | 10.1007/978-3-031-83274-1_10 |
Abstract:
Die Strahlentherapie (RT) ist bei der Behandlung von Kopf- und Halskrebs (HNC) von wesentlicher Bedeutung, wobei die Magnetresonanztomographie (MRI)-geführte RT einen überlegenen Weichgewebekontrast und eine funktionelle Abbildung bietet. Die manuelle Tumorsegmentierung ist jedoch zeitaufwendig und komplex und bleibt daher eine Herausforderung. In dieser Studie stellen wir unsere Lösung als Team TUMOR der HNTS-MRG24 MICCAI Challenge vor, die sich auf die automatisierte Segmentierung von primären Bruttotumorvolumina (GTVp) und metastasierenden Lymphknoten Bruttotumorvolumen (GTVn) in Vor-RT- und Mid-RT-Bildern konzentriert. Wir nutzten den HNTS-MRG2024 Datensatz, der aus 150 MRI-Scans von Patienten besteht, die mit HNC diagnostiziert werden, einschließlich Original- und registrierte Pre-RT- und Mid-RT-T2-gewichtete Bilder mit entsprechenden Segmentierungsmasken für GTVp und GTVn. Wir beschäftigten zwei hochmoderne Modelle in Deep Learning, nnUNet und MedNeXt. Für Task 1 haben wir Modelle auf vor-RT registrierten und mittleren-RT-Bildern vortrainiert, gefolgt von Feinabstimmung auf originalen Vor-RT-Bildern. Für Task 2 haben wir registrierte Pre-RT-Bilder, registrierte Pre-RT-Segmentationsmasken und Mid-RT-Daten als Multi-Channel-Eingabe für das Training zusammengefasst. Unsere Lösung für <b>Task 1</b> erreichte 1. Platz in der endgültigen Testphase mit einem aggregierten Dice Ähnlichity Coeffizient von <b>0.8254</b> und unserer Lösung für <b>Task 2</b> auf Platz 8 mit einem Score von <b>0.7005</b>. Die vorgeschlagene Lösung ist im Github Repository öffentlich verfügbar.
J. Stoffers-Winterling,
H. Wiegand,
J. Broll,
S. Schaefer,
K. Adorjan,
O. Tuescher and
K. Lieb,
"COVID-19-Pandemie und die psychische Gesundheit in Deutschland: Verlauf, resiliente und vulnerable Gruppen",
Der Nervenarzt,
2025.
| DOI: | 10.1007/s00115-025-01824-8 |
| Datei: | https://doi.org/10.1007/s00115-025-01824-8 |
M. Graf,
S. Ziegelmayer,
S. Reischl,
Y. Teumer,
F. T. Gassert,
A. W. Marka,
P. Raffler,
J. Bachmann,
M. Makowski,
D. Reim,
F. Lohöfer,
E. Burian and
R. Braren,
"CT-Derived Quantitative Image Features Predict Neoadjuvant Treatment Response in Adenocarcinoma of the Gastroesophageal Junction with High Accuracy.",
Cancers,
Jan.
2025.
Abstract:
Ziel dieser retrospektiven Studie war es, den Wert der kontrastverstärkten berechneten Tomographie (CE-CT) Bildmerkmale an der Basislinie und nach der neoadjuvanten Chemotherapie bei der Vorhersage histopathologischer Reaktionen bei Patienten mit Adenokarzinom der gastroesophagealen Verbindung (GEJ) zu bewerten. Insgesamt 105 Patienten mit einer Diagnose des Adenokarzinoms des GEJ wurden von CE-CT an der Basislinie untersucht und nach der Neoadjuvant Chemotherapie präoperativen. Alle Patienten unterzogen chirurgische Resektion. Histopathologische Parameter und Tumorregressionsstufen nach Becker et al. wurden bei 93 Patienten gesammelt. Mit ImageJ wurden Linienprofile der primären Tumorfläche in Basis- und präoperativen CE-CT generiert. Maximale Tumordichte und Tumor-zu-Wanddichte Delta wurden berechnet und mit der histopathologischen Tumorantwort korreliert. Darüber hinaus wurde die Tumorantwort nach Standard-RECIST-Messungen bei allen Patienten und durch Endoskopie bei 72 Patienten bewertet. Die Baseline und die Änderung der Basislinie auf präoperative CE-CT-Parameter zeigten keine signifikanten Unterschiede zwischen den Befragten (Becker-Grade 1a, 1b) und Nicht-Antragern (Becker-Grade 2, 3). Nach der Neoadjuvant-Therapie zeigten die Befragten und Nicht-Antrager signifikante Unterschiede in der maximalen Dichte und der Tumor-zu-Wanddichte Delta-Werte. Linienprofilmessungen zeigten eine ausgezeichnete Inter-Rater-Vereinbarung. Im Vergleich dazu zeigten weder RECIST noch Endoskopie signifikante Unterschiede zwischen diesen Gruppen. Nachbehandlung CE-CT kann histopathologische Therapiereaktion auf Neoadjuvantbehandlung im Adenokarzinom von GEJ-Patienten mit hoher Genauigkeit vorhersagen und so das Patientenmanagement verbessern.
| DOI: | 10.3390/cancers17020216 |
Abstract:
Ziel dieser retrospektiven Studie war es, den Wert der kontrastverstärkten berechneten Tomographie (CE-CT) Bildmerkmale an der Basislinie und nach der neoadjuvanten Chemotherapie bei der Vorhersage histopathologischer Reaktionen bei Patienten mit Adenokarzinom der gastroesophagealen Verbindung (GEJ) zu bewerten. Insgesamt 105 Patienten mit einer Diagnose des Adenokarzinoms des GEJ wurden von CE-CT an der Basislinie untersucht und nach der Neoadjuvant Chemotherapie präoperativen. Alle Patienten unterzogen chirurgische Resektion. Histopathologische Parameter und Tumorregressionsstufen nach Becker et al. wurden bei 93 Patienten gesammelt. Mit ImageJ wurden Linienprofile der primären Tumorfläche in Basis- und präoperativen CE-CT generiert. Maximale Tumordichte und Tumor-zu-Wanddichte Delta wurden berechnet und mit der histopathologischen Tumorantwort korreliert. Darüber hinaus wurde die Tumorantwort nach Standard-RECIST-Messungen bei allen Patienten und durch Endoskopie bei 72 Patienten bewertet. Die Baseline und die Änderung der Basislinie auf präoperative CE-CT-Parameter zeigten keine signifikanten Unterschiede zwischen den Befragten (Becker-Grade 1a, 1b) und Nicht-Antragern (Becker-Grade 2, 3). Nach der Neoadjuvant-Therapie zeigten die Befragten und Nicht-Antrager signifikante Unterschiede in der maximalen Dichte und der Tumor-zu-Wanddichte Delta-Werte. Linienprofilmessungen zeigten eine ausgezeichnete Inter-Rater-Vereinbarung. Im Vergleich dazu zeigten weder RECIST noch Endoskopie signifikante Unterschiede zwischen diesen Gruppen. Nachbehandlung CE-CT kann histopathologische Therapiereaktion auf Neoadjuvantbehandlung im Adenokarzinom von GEJ-Patienten mit hoher Genauigkeit vorhersagen und so das Patientenmanagement verbessern.
J. Schmitt,
P. Ihle,
O. Schoffer,
J. Reese,
S. Ortmann,
E. Swart,
S. Hanß,
F. Hoffmann,
C. Stallmann,
M. Kraus,
S. C. Semler,
R. Heyder,
J. J. Vehreschild,
P. Heuschmann,
D. Krefting,
M. Sedlmayr and
W. Hoffmann,
"Datennutzung für eine bessere Gesundheitsversorgung—Plädoyer für eine kooperative Forschungsdatenplattform der gesetzlichen und privaten Krankenversicherung und dem Netzwerk Universitätsmedizin (NUM)",
Gesundheitswesen (Bundesverband der Arzte des Offentlichen Gesundheitsdienstes (Germany)),
vol. 87,
no. S 02,
pp. S279-S288,
2025.
Abstract:
With the Network of University Medicine (NUM) and the Medical Informatics Initiative (MII), the BMBF is funding two pioneering, structure-building research measures that are now being merged. The data integration centers (DIZ) of the MII are to be consolidated in the NUM. The aim is to establish a standardized research infrastructure within which the existing data from the clinical routine care of the 36 German university hospitals, from clinical cohorts and clinical-epidemiological studies can be used for various research questions upon request and via coordinated processes. The legal basis for this was the MII's \textquotedblInformed Broad Consent\textquotedbl, which had been agreed upon with ethics committees and data protection authorities and implemented in all NUM locations, with a so-called \textquotedblhealth insurance module\textquotedbl that allows the collection and linking of routine medical data from statutory health insurance funds (GKV) and private health insurers (PKV) as a category of care-related data (VeDa). Linking this routine data with data from hospital information systems offers particularly high potential, as no single data source provides a complete picture of medical care and the two data sources complement each other optimally. The aim now is to integrate this routine data into the NUM's secure, transparent and participatory research infrastructure in a strategic partnership with statutory health insurance funds and private health insurance companies. This promotes Germany in its role as a research location and makes a decisive contribution to improving the quality and safety of healthcare in Germany in an evidence-based manner. Das BMBF fördert mit dem Netzwerk Universitätsmedizin (NUM) und der Medizininformatik-Initiative (MII) zwei richtungsweisende strukturbildende Forschungsmaßnahmen, die nun zusammengeführt werden. Die Datenintegrationszentren (DIZ) der MII sollen im NUM verstetigt werden. Ziel ist der Aufbau einer einheitlichen Dateninfrastruktur, innerhalb der die vorhandenen Daten aus der klinischen Routineversorgung der 36 deutschen Universitätskliniken des NUM, aus klinischen Kohorten und klinisch-epidemiologischen Studien auf Antrag und über abgestimmte Prozesse für unterschiedliche Forschungsfragen genutzt werden können. Rechtsgrundlage bildet hierfür der mit Ethikkommissionen und Datenschutzbehörden abgestimmte und in allen NUM-Standorten implementierte „Broad Consent“ der Universitätsmedizin mit einem so genannten „Kassenmodul“, das die Erhebung und Verlinkung von medizinischen Routinedaten der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherungen (PKV) als eine Kategorie versorgungsnaher Daten (VeDa) erlaubt. Die Verknüpfung dieser Routinedaten mit Daten aus Klinikinformationssystemen bietet ein besonders hohes Potenzial, da keine Datenquelle allein ein vollständiges Bild der medizinischen Versorgung zeichnet und sich die beiden Datenquellen ideal komplementär ergänzen. Ziel ist es nun, in einer strategischen Partnerschaft mit gesetzlichen Krankenkassen und privaten Krankenversicherungen diese Routinedaten in die sichere, transparente und partizipative Forschungsinfrastruktur des NUM zu integrieren. Dies fördert den Forschungsstandort Deutschland und trägt entscheidend dazu bei, die Qualität und Sicherheit der Gesundheitsversorgung in Deutschland evidenzbasiert zu verbessern.
| DOI: | 10.1055/a-2438-0670 |
Abstract:
With the Network of University Medicine (NUM) and the Medical Informatics Initiative (MII), the BMBF is funding two pioneering, structure-building research measures that are now being merged. The data integration centers (DIZ) of the MII are to be consolidated in the NUM. The aim is to establish a standardized research infrastructure within which the existing data from the clinical routine care of the 36 German university hospitals, from clinical cohorts and clinical-epidemiological studies can be used for various research questions upon request and via coordinated processes. The legal basis for this was the MII's \textquotedblInformed Broad Consent\textquotedbl, which had been agreed upon with ethics committees and data protection authorities and implemented in all NUM locations, with a so-called \textquotedblhealth insurance module\textquotedbl that allows the collection and linking of routine medical data from statutory health insurance funds (GKV) and private health insurers (PKV) as a category of care-related data (VeDa). Linking this routine data with data from hospital information systems offers particularly high potential, as no single data source provides a complete picture of medical care and the two data sources complement each other optimally. The aim now is to integrate this routine data into the NUM's secure, transparent and participatory research infrastructure in a strategic partnership with statutory health insurance funds and private health insurance companies. This promotes Germany in its role as a research location and makes a decisive contribution to improving the quality and safety of healthcare in Germany in an evidence-based manner. Das BMBF fördert mit dem Netzwerk Universitätsmedizin (NUM) und der Medizininformatik-Initiative (MII) zwei richtungsweisende strukturbildende Forschungsmaßnahmen, die nun zusammengeführt werden. Die Datenintegrationszentren (DIZ) der MII sollen im NUM verstetigt werden. Ziel ist der Aufbau einer einheitlichen Dateninfrastruktur, innerhalb der die vorhandenen Daten aus der klinischen Routineversorgung der 36 deutschen Universitätskliniken des NUM, aus klinischen Kohorten und klinisch-epidemiologischen Studien auf Antrag und über abgestimmte Prozesse für unterschiedliche Forschungsfragen genutzt werden können. Rechtsgrundlage bildet hierfür der mit Ethikkommissionen und Datenschutzbehörden abgestimmte und in allen NUM-Standorten implementierte „Broad Consent“ der Universitätsmedizin mit einem so genannten „Kassenmodul“, das die Erhebung und Verlinkung von medizinischen Routinedaten der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherungen (PKV) als eine Kategorie versorgungsnaher Daten (VeDa) erlaubt. Die Verknüpfung dieser Routinedaten mit Daten aus Klinikinformationssystemen bietet ein besonders hohes Potenzial, da keine Datenquelle allein ein vollständiges Bild der medizinischen Versorgung zeichnet und sich die beiden Datenquellen ideal komplementär ergänzen. Ziel ist es nun, in einer strategischen Partnerschaft mit gesetzlichen Krankenkassen und privaten Krankenversicherungen diese Routinedaten in die sichere, transparente und partizipative Forschungsinfrastruktur des NUM zu integrieren. Dies fördert den Forschungsstandort Deutschland und trägt entscheidend dazu bei, die Qualität und Sicherheit der Gesundheitsversorgung in Deutschland evidenzbasiert zu verbessern.
J. Evers,
N. Altschuck,
C. Mehl,
L. Ruethrich,
L. Harst,
F. Walther,
O. Steidle,
A. Suckow,
R. Hecker,
J. Schmitt and
M. Geraedts,
"Development of a pandemic-related core set of quality indicators for quality and patient safety in University Hospitals in Germany.",
BMC Health Serv Research,
2025.
| DOI: | 10.1186/s12913-024-12194-3 |
| Datei: | https://doi.org/10.1186/s12913-024-12194-3 |
S. A. Abosabie,
T. Kao,
T. A. Auer,
D. Schnapauff,
U. Fehrenbach,
F. Collettini,
M. Jonczyk,
W. M. Lüdemann,
C. A. Hamm,
G. Wieners,
R. Schmidt,
E. Y. Yilmaz,
Y. He,
B. Gebauer,
A. Frisch and
L. J. Savic,
"Effects of contrast medium injection pressure on angiographic image quality",
Frontiers in radiology,
vol. 5,
pp. 1723413,
2025.
Abstract:
To evaluate if higher contrast medium injection pressure can improve image quality of digital subtraction angiography (DSA) in liver-directed interventions. Prospective single-center study including twelve patients with hepatocellular carcinoma (n = 11) or liver metastases (n = 1) undergoing intra-arterial therapies to systematically compare DSA image quality (primary endpoint) and radiation exposure (secondary endpoint) using two microcatheters with maximum application pressures 750 ("C750") and 1,200 PSI ("C1200"). Patients underwent two DSAs with both microcatheters placed in the common hepatic artery. Application pressure, contrast medium flow, volume, and dose area product were recorded. Image quality was evaluated using a customized questionnaire and quantified by calculating signal- and contrast-to-noise-ratios, and vessel-to-liver signal intensity ratio. Results were compared by paired t-test and Wilcoxon Signed-Rank test. Image quality using C1200 (achieved 917 ± 94 PSI) was rated more favorably than C750 (731 ± 45 PSI). C1200 reached higher scores of artery visualization in 72% cases, and significantly outperformed C750 regarding tumor blush in 100% (p < 0.001). Contrast-to-noise-ratio were significantly higher in C1200 (p < 0.001) and vessel-to-liver intensity ratios were significantly lower (p = 0.001), both reflecting improved visualization and delineation of liver vessels. Signal-to-noise ratio did not differ significantly. Mean dose area product was comparable (C1200; 371.9 vs. 374.8 μGym2). The results suggest benefits of standardized CM injections for DSA using higher application pressure to enhance image contrast and tumor demarcation during IAT.
| DOI: | 10.3389/fradi.2025.1723413 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/41704855/ |
Abstract:
To evaluate if higher contrast medium injection pressure can improve image quality of digital subtraction angiography (DSA) in liver-directed interventions. Prospective single-center study including twelve patients with hepatocellular carcinoma (n = 11) or liver metastases (n = 1) undergoing intra-arterial therapies to systematically compare DSA image quality (primary endpoint) and radiation exposure (secondary endpoint) using two microcatheters with maximum application pressures 750 ("C750") and 1,200 PSI ("C1200"). Patients underwent two DSAs with both microcatheters placed in the common hepatic artery. Application pressure, contrast medium flow, volume, and dose area product were recorded. Image quality was evaluated using a customized questionnaire and quantified by calculating signal- and contrast-to-noise-ratios, and vessel-to-liver signal intensity ratio. Results were compared by paired t-test and Wilcoxon Signed-Rank test. Image quality using C1200 (achieved 917 ± 94 PSI) was rated more favorably than C750 (731 ± 45 PSI). C1200 reached higher scores of artery visualization in 72% cases, and significantly outperformed C750 regarding tumor blush in 100% (p < 0.001). Contrast-to-noise-ratio were significantly higher in C1200 (p < 0.001) and vessel-to-liver intensity ratios were significantly lower (p = 0.001), both reflecting improved visualization and delineation of liver vessels. Signal-to-noise ratio did not differ significantly. Mean dose area product was comparable (C1200; 371.9 vs. 374.8 μGym2). The results suggest benefits of standardized CM injections for DSA using higher application pressure to enhance image contrast and tumor demarcation during IAT.
J. Nawabi,
S. Schulze-Weddige,
G. L. Baumgärtner,
T. Orth,
A. Dell'Orco,
A. Morotti,
F. Mazzacane,
H. Kniep,
U. Hanning,
M. Scheel,
J. Fiehler and
T. Penzkofer,
"End-to-end machine learning based discrimination of neoplastic and non-neoplastic intracerebral hemorrhage on computed tomography",
Informatics in Medicine Unlocked,
vol. 54,
pp. 101633,
2025.
| DOI: | 10.1016/j.imu.2025.101633 |
| Datei: | https://doi.org/10.1016/j.imu.2025.101633 |
S. Buchka,
A. Hapfelmeier,
J. S. Kirschke,
V. Steuerwald,
M. Naumann,
I. Soto-Rey,
S. O. Rohr,
F. Kramer,
L. Behrens,
E. Oswald,
T. Kümpfel,
H. Zimmermann,
V. S. Hoffmann,
M. Hagedorn,
F. Albashiti,
M. Krumbholz,
U. Ziemann,
O. Kohlbacher,
B. Sailer,
V. Braunmüller,
S. Biergans,
M. Arruda Botelho Herr,
U. Ernemann,
E. Bürkle,
B. Bender,
A. Daul,
C. Ruff,
J. Römhild,
B. Wiestler,
D. Sepp,
H. Spengler,
P. Pallaoro,
M. Boeker,
F. Kohlmayer,
V. Dehmelt,
A. Berthele,
M. Mühlau,
P. Uibel,
J. Wauschkuhn,
K. Kuhn,
M. Senel,
I. Vardakas,
D. Taranu,
H. A. Kestler,
N. Sollmann,
B. Irmak Ön,
S. Bilger,
U. Mansmann,
A. Bayas,
J. Havla,
M. C. Kowarik,
H. Tumani and
B. Hemmer,
"External validation of a multiple sclerosis treatment decision score using data from the ProVal-MS cohort study.",
Therapeutic advances in neurological disorders,
2025.
Abstract:
Der Verlauf der relapsing-remittierenden multiplen Sklerose (RRMS), häufig vor dem klinisch isolierten Syndrom (CIS), ist variabel und schwierig zu prognostizieren. Bei vielen verfügbaren Behandlungsoptionen gewinnen prognostische Algorithmen an Bedeutung bei der Unterrichtung von ersten Behandlungsentscheidungen. Bisher gibt es jedoch nur wenige extern validierte. Eine externe Validierung, die die Anwendung eines Modells auf unabhängige Daten beinhaltet, ist unerlässlich. Datenschutz-erhaltende föderierte Analysen einzelner Daten ermöglichen eine externe Validierung mithilfe von klinischen Datensätzen, die typischerweise schwer zugänglich sind. Mit Daten aus der ProVal-MS-Studie zur externen Validierung des Multiple Sklerose-Behandlungs-Entscheidungs-Scores (MS-TDS), einem prädiktiven Algorithmus für frühe RRMS und CIS. Die MS-TDS prognostiziert die Wahrscheinlichkeit des Auftretens von mindestens einer neuen oder erweiterten T2 Läsion innerhalb von 6-24 Monaten nach Beginn der Erkrankung und unterstützt die Wahl zwischen der Einleitung der Plattformbehandlung oder einem "Warte-and-see" Ansatz. Ein sekundäres Ziel ist es, die Durchführbarkeit von datenschutzorientierten Konzepten im Konsortium Data Integration for Future Medicine (DIFUTURE) zu demonstrieren. Prospektive, multizentrische, nicht-interventionelle Kohortenstudie (ProVal-MS) innerhalb von DIFUTURE. Die kalibrierte MS-TDS wurde mit dem Bereich unter der Empfänger-Betriebskennlinie (AUROC) und dem Brier-Score in beiden gepoolten und verteilten Einstellungen ausgewertet. Eine Entscheidungskurvenanalyse (DCA) wurde verwendet, um den Nettonutzen von Behandlungsentscheidungen zu bewerten, die von der MS-TDS im Vergleich zu den durch die Behandlung von Neurologen getroffenen getroffen wurden. Von den 271 Personen, die mit CIS oder frühen RRMS diagnostiziert wurden, erhielten 202 (78,2%) Plattformbehandlung, während 59 (21,8%) keine Behandlung erhielten. Das AUROC betrug 0,561 (95% CI: 0,492-0,630) in der gebündelten Analyse und 0,567 (95% CI: 0,496-0,634) in der verteilten Analyse. Die DCA hat einen Nettovorteil gezeigt, der mit dem Ergebnis von Entscheidungen von erfahrenen Neurologen in Einklang steht. Die externe Validierung der MS-TDS zeigte eine geringe, nicht signifikante Vorhersageleistung; sie kann jedoch als nützliche Ergänzung dienen, insbesondere für weniger erfahrene Neurologen. Die verteilte Validierung wurde sowohl durchführbar als auch konform zu den Datenschutzbestimmungen gefunden.
| DOI: | 10.1177/17562864251391095 |
Abstract:
Der Verlauf der relapsing-remittierenden multiplen Sklerose (RRMS), häufig vor dem klinisch isolierten Syndrom (CIS), ist variabel und schwierig zu prognostizieren. Bei vielen verfügbaren Behandlungsoptionen gewinnen prognostische Algorithmen an Bedeutung bei der Unterrichtung von ersten Behandlungsentscheidungen. Bisher gibt es jedoch nur wenige extern validierte. Eine externe Validierung, die die Anwendung eines Modells auf unabhängige Daten beinhaltet, ist unerlässlich. Datenschutz-erhaltende föderierte Analysen einzelner Daten ermöglichen eine externe Validierung mithilfe von klinischen Datensätzen, die typischerweise schwer zugänglich sind. Mit Daten aus der ProVal-MS-Studie zur externen Validierung des Multiple Sklerose-Behandlungs-Entscheidungs-Scores (MS-TDS), einem prädiktiven Algorithmus für frühe RRMS und CIS. Die MS-TDS prognostiziert die Wahrscheinlichkeit des Auftretens von mindestens einer neuen oder erweiterten T2 Läsion innerhalb von 6-24 Monaten nach Beginn der Erkrankung und unterstützt die Wahl zwischen der Einleitung der Plattformbehandlung oder einem "Warte-and-see" Ansatz. Ein sekundäres Ziel ist es, die Durchführbarkeit von datenschutzorientierten Konzepten im Konsortium Data Integration for Future Medicine (DIFUTURE) zu demonstrieren. Prospektive, multizentrische, nicht-interventionelle Kohortenstudie (ProVal-MS) innerhalb von DIFUTURE. Die kalibrierte MS-TDS wurde mit dem Bereich unter der Empfänger-Betriebskennlinie (AUROC) und dem Brier-Score in beiden gepoolten und verteilten Einstellungen ausgewertet. Eine Entscheidungskurvenanalyse (DCA) wurde verwendet, um den Nettonutzen von Behandlungsentscheidungen zu bewerten, die von der MS-TDS im Vergleich zu den durch die Behandlung von Neurologen getroffenen getroffen wurden. Von den 271 Personen, die mit CIS oder frühen RRMS diagnostiziert wurden, erhielten 202 (78,2%) Plattformbehandlung, während 59 (21,8%) keine Behandlung erhielten. Das AUROC betrug 0,561 (95% CI: 0,492-0,630) in der gebündelten Analyse und 0,567 (95% CI: 0,496-0,634) in der verteilten Analyse. Die DCA hat einen Nettovorteil gezeigt, der mit dem Ergebnis von Entscheidungen von erfahrenen Neurologen in Einklang steht. Die externe Validierung der MS-TDS zeigte eine geringe, nicht signifikante Vorhersageleistung; sie kann jedoch als nützliche Ergänzung dienen, insbesondere für weniger erfahrene Neurologen. Die verteilte Validierung wurde sowohl durchführbar als auch konform zu den Datenschutzbestimmungen gefunden.
S. Schluessel,
B. Mueller,
O. Tausendfreund,
M. Rippl,
L. Deissler,
S. Martini,
R. Schmidmaier,
S. Stoecklein,
M. Ingrisch,
S. Blaschke,
G. Brandhorst,
P. Spieth,
K. Lehnert,
P. Heuschmann,
S. M. N. Miranda and
M. Drey,
"Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort",
Infection,
vol. 53,
no. 5,
pp. 2111—2124,
2025.
Abstract:
INTRODUCTION Severe respiratory infections pose a major challenge in clinical practice, especially in older adults. Body composition analysis could play a crucial role in risk assessment and therapeutic decision-making. This study investigates whether obesity or sarcopenia has a greater impact on mortality in patients with severe respiratory infections. The study focuses on the National Pandemic Cohort Network (NAPKON-SUEP) cohort, which includes patients over 60 years of age with confirmed severe COVID-19 pneumonia. An innovative approach was adopted, using pre-trained deep learning models for automated analysis of body composition based on routine thoracic CT scans. METHODS The study included 157 hospitalized patients (mean age 70 $\pm$ 8 years, 41% women, mortality rate 39%) from the NAPKON-SUEP cohort at 57 study sites. A pre-trained deep learning model was used to analyze body composition (muscle, bone, fat, and intramuscular fat volumes) from thoracic CT images of the NAPKON-SUEP cohort. Binary logistic regression was performed to investigate the association between obesity, sarcopenia, and mortality. RESULTS Non-survivors exhibited lower muscle volume (p = 0.043), higher intramuscular fat volume (p = 0.041), and a higher BMI (p = 0.031) compared to survivors. Among all body composition parameters, muscle volume adjusted to weight was the strongest predictor of mortality in the logistic regression model, even after adjusting for factors such as sex, age, diabetes, chronic lung disease and chronic kidney disease, (odds ratio = 0.516). In contrast, BMI did not show significant differences after adjustment for comorbidities. CONCLUSION This study identifies muscle volume derived from routine CT scans as a major predictor of survival in patients with severe respiratory infections. The results underscore the potential of AI supported CT-based body composition analysis for risk stratification and clinical decision making, not only for COVID-19 patients but also for all patients over 60 years of age with severe acute respiratory infections. The innovative application of pre-trained deep learning models opens up new possibilities for automated and standardized assessment in clinical practice.
| DOI: | 10.1007/s15010-025-02555-3 |
Abstract:
INTRODUCTION Severe respiratory infections pose a major challenge in clinical practice, especially in older adults. Body composition analysis could play a crucial role in risk assessment and therapeutic decision-making. This study investigates whether obesity or sarcopenia has a greater impact on mortality in patients with severe respiratory infections. The study focuses on the National Pandemic Cohort Network (NAPKON-SUEP) cohort, which includes patients over 60 years of age with confirmed severe COVID-19 pneumonia. An innovative approach was adopted, using pre-trained deep learning models for automated analysis of body composition based on routine thoracic CT scans. METHODS The study included 157 hospitalized patients (mean age 70 $\pm$ 8 years, 41% women, mortality rate 39%) from the NAPKON-SUEP cohort at 57 study sites. A pre-trained deep learning model was used to analyze body composition (muscle, bone, fat, and intramuscular fat volumes) from thoracic CT images of the NAPKON-SUEP cohort. Binary logistic regression was performed to investigate the association between obesity, sarcopenia, and mortality. RESULTS Non-survivors exhibited lower muscle volume (p = 0.043), higher intramuscular fat volume (p = 0.041), and a higher BMI (p = 0.031) compared to survivors. Among all body composition parameters, muscle volume adjusted to weight was the strongest predictor of mortality in the logistic regression model, even after adjusting for factors such as sex, age, diabetes, chronic lung disease and chronic kidney disease, (odds ratio = 0.516). In contrast, BMI did not show significant differences after adjustment for comorbidities. CONCLUSION This study identifies muscle volume derived from routine CT scans as a major predictor of survival in patients with severe respiratory infections. The results underscore the potential of AI supported CT-based body composition analysis for risk stratification and clinical decision making, not only for COVID-19 patients but also for all patients over 60 years of age with severe acute respiratory infections. The innovative application of pre-trained deep learning models opens up new possibilities for automated and standardized assessment in clinical practice.
A. Erdekian,
M. Glock,
S. Huetter,
M. Rueb,
D. Riedinger,
J. Stoffers-Winterling,
S. Lindner,
F. Baum,
O. Tüscher,
L. Hölzel,
K. Lieb,
K. Adorjan and
H. Wiegand,
"Inanspruchnahme psychiatrisch-psychotherapeutischer Versorgung in Deutschland während des ersten Jahres der COVID-19-Pandemie – Systematischer Review und Metaanalyse.",
Der Nervenarzt,
2025.
| DOI: | 10.1007/s00115-025-01812-y |
| Datei: | https://doi.org/10.1007/s00115-025-01812-y |
J. Höppner,
C. Maier,
A. Schlegtendal,
A. Hoffmann,
A. Petersmann,
T. Lücke,
N. Toepfner and
F. Brinkmann,
"Long-term effects of SARS-CoV-2 infection and vaccination in a population-based pediatric cohort",
Scientific reports,
vol. 15,
no. 1,
pp. 2921,
Jan.
2025.
Abstract:
During the omicron wave of the COVID-19 pandemic and with SARS-CoV-2 vaccines becoming available, seroprevalence rates rose in children and adolescents. This study investigated the impact of both SARS-CoV-2 infections and vaccinations on the incidence of acute and prolonged symptoms in real-world conditions during the transition from the pandemic to the endemic phase. Participants from a pediatric population based seroprevalence study (CorKID study) were followed up at least two and for almost four years by survey of health status features and symptoms suggestive of post-COVID syndrome (PCS). In a subgroup (n = 259) SARS-CoV-2 antibody serology was further investigated. 789 participants of the original CorKID study cohort (n = 2.121; 37.2%) were included. 67.9% reported at least one SARS-CoV2 infection. 46.6% had received one or more SARS-CoV-2 vaccinations. In the vast majority of serologically tested participants antibodies again SARS-CoV-2 spike (98.9%) or nucleocapsid (93.3%) antigen were detected following infection and/or vaccination. At least 30% experienced one unrecognized SARS-CoV-2 infection. The overall health status was comparable between children, irrespective of SARS-CoV-2 infections and similar to pre-pandemic assessment. However, a subset of young adolescents exhibited a decline in physical performance compared to pre-pandemic conditions. After infection, PCS-like symptoms persisted in 7% of the respondents for more than three months and up to four years. SARS-CoV-2 vaccinated participants (47%) reported 12% less acute flu-like infections other than SARS-CoV-2. Nearly all participants developed SARS-CoV-2 antibodies in this longitudinal study through either vaccination or infection during the Omicron wave. About 7% of participants suffered from PCS symptoms, predominately fatigue and exhaustion. Furthermore, participants who received vaccinations against SARS-CoV-2 reported a lower frequency of acute infections during follow-up.
| DOI: | 10.1038/s41598-024-84140-6 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39849019/ |
Abstract:
During the omicron wave of the COVID-19 pandemic and with SARS-CoV-2 vaccines becoming available, seroprevalence rates rose in children and adolescents. This study investigated the impact of both SARS-CoV-2 infections and vaccinations on the incidence of acute and prolonged symptoms in real-world conditions during the transition from the pandemic to the endemic phase. Participants from a pediatric population based seroprevalence study (CorKID study) were followed up at least two and for almost four years by survey of health status features and symptoms suggestive of post-COVID syndrome (PCS). In a subgroup (n = 259) SARS-CoV-2 antibody serology was further investigated. 789 participants of the original CorKID study cohort (n = 2.121; 37.2%) were included. 67.9% reported at least one SARS-CoV2 infection. 46.6% had received one or more SARS-CoV-2 vaccinations. In the vast majority of serologically tested participants antibodies again SARS-CoV-2 spike (98.9%) or nucleocapsid (93.3%) antigen were detected following infection and/or vaccination. At least 30% experienced one unrecognized SARS-CoV-2 infection. The overall health status was comparable between children, irrespective of SARS-CoV-2 infections and similar to pre-pandemic assessment. However, a subset of young adolescents exhibited a decline in physical performance compared to pre-pandemic conditions. After infection, PCS-like symptoms persisted in 7% of the respondents for more than three months and up to four years. SARS-CoV-2 vaccinated participants (47%) reported 12% less acute flu-like infections other than SARS-CoV-2. Nearly all participants developed SARS-CoV-2 antibodies in this longitudinal study through either vaccination or infection during the Omicron wave. About 7% of participants suffered from PCS symptoms, predominately fatigue and exhaustion. Furthermore, participants who received vaccinations against SARS-CoV-2 reported a lower frequency of acute infections during follow-up.
H. Valentin,
H. Rau and
D. Stahl,
"Managing withdrawals and exclusions in randomized controlled trials: results from a methodological survey",
BMC Anesthesiology,
vol. 25,
no. 1,
pp. 148,
2025.
| DOI: | 10.1186/s12874-025-02526-0 |
T. J. Hartung,
F. Steigerwald,
A. Romanello,
C. Kodde,
M. Endres,
S. Frank,
P. Heuschmann,
P. Koehler,
S. Krohn,
D. Pape,
J. Schaller,
S. Stöcklein,
I. Vadasz,
J. Vehreschild,
M. Witzenrath,
T. Zoller and
C. Finke,
"Post-COVID Fatigue Is Associated With Reduced Cortical Thickness After Hospitalization",
Annals of clinical and translational neurology,
2025.
Abstract:
OBJECTIVE Neuropsychiatric symptoms are among the most prevalent sequelae of COVID-19, particularly among hospitalized patients. Recent research has identified volumetric brain changes associated with COVID-19. However, it currently remains poorly understood how brain changes relate to post-COVID fatigue and cognitive deficits. We, therefore, aimed to assess structural brain changes after hospitalization for COVID-19 and their associations with cognitive performance and fatigue. METHODS We analyzed data from n = 57 patients previously hospitalized for COVID-19 (63% male, mean age 52 years) from the prospective, multicentric high-resolution platform of the German National Pandemic Cohort Network (NAPKON-HAP) and n = 57 matched healthy control participants (HC). We assessed cortical thickness and subcortical volumes in high-resolution T1-weighted MRI and their associations with cognitive performance (Montreal Cognitive Assessment) and fatigue (Fatigue Severity Scale). RESULTS Patients exhibited statistically significant reductions of cortical thickness in parahippocampal gyri and the temporal lobe (all p[FDR-corrected] \textless 0.05) as well as reduced hippocampal volumes compared to HC (left, Cohen's d [95% CI] = 0.50 [0.12-0.8]; right d = 0.43 [0.05-0.80]). Higher acute COVID-19 severity was associated with reduced cortical thickness, particularly in the olfactory system. Furthermore, reduced cortical thickness of the temporal poles and the anterior and posterior cingulate gyrus was associated with more severe post-acute fatigue. INTERPRETATION Our results identify long-lasting macrostructural brain changes after moderate to severe COVID-19 that correlate with acute disease severity and long-term fatigue. Early identification and targeted interventions for patients at risk of persistent brain changes are needed. TRIAL REGISTRATION NAPKON-HAP is registered at clinicaltrials.gov (NCT04747366).
| DOI: | 10.1002/acn3.70260 |
Abstract:
OBJECTIVE Neuropsychiatric symptoms are among the most prevalent sequelae of COVID-19, particularly among hospitalized patients. Recent research has identified volumetric brain changes associated with COVID-19. However, it currently remains poorly understood how brain changes relate to post-COVID fatigue and cognitive deficits. We, therefore, aimed to assess structural brain changes after hospitalization for COVID-19 and their associations with cognitive performance and fatigue. METHODS We analyzed data from n = 57 patients previously hospitalized for COVID-19 (63% male, mean age 52 years) from the prospective, multicentric high-resolution platform of the German National Pandemic Cohort Network (NAPKON-HAP) and n = 57 matched healthy control participants (HC). We assessed cortical thickness and subcortical volumes in high-resolution T1-weighted MRI and their associations with cognitive performance (Montreal Cognitive Assessment) and fatigue (Fatigue Severity Scale). RESULTS Patients exhibited statistically significant reductions of cortical thickness in parahippocampal gyri and the temporal lobe (all p[FDR-corrected] \textless 0.05) as well as reduced hippocampal volumes compared to HC (left, Cohen's d [95% CI] = 0.50 [0.12-0.8]; right d = 0.43 [0.05-0.80]). Higher acute COVID-19 severity was associated with reduced cortical thickness, particularly in the olfactory system. Furthermore, reduced cortical thickness of the temporal poles and the anterior and posterior cingulate gyrus was associated with more severe post-acute fatigue. INTERPRETATION Our results identify long-lasting macrostructural brain changes after moderate to severe COVID-19 that correlate with acute disease severity and long-term fatigue. Early identification and targeted interventions for patients at risk of persistent brain changes are needed. TRIAL REGISTRATION NAPKON-HAP is registered at clinicaltrials.gov (NCT04747366).
A. Ziegler,
A. Kunzler,
S. Voigt-Radloff,
J. Schmitt,
O. Moerer,
S. Scheithauer,
H. Heytens,
C. Apfelbacher and
J. Meerpohl,
"Priorisierung von Forschungsfragen in Gesundheitskrisen – Vorstellung eines Konzeptes, entwickelt in der COVID-19 Pandemie",
Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz,
vol. 68,
no. 1,
pp. 97-104,
Jan.
2025.
| DOI: | 10.1007/s00103-024-03985-4 |
A. Ziegler,
A. Kunzler,
S. Voigt-Radloff,
J. Schmitt,
O. Moerer,
S. Scheithauer,
H. Heytens,
C. Apfelbacher and
J. Meerpohl,
"Priorisierung von Forschungsfragen in Gesundheitskrisen – Vorstellung eines Konzeptes, entwickelt in der COVID-19 Pandemie / Prioritization of research questions in health crises—presentation of a concept developed during the COVID-19 pandemic.",
Bundesgesundheitsblatt - Gesundheitsforschung – Gesundheitsschutz,
2025.
| DOI: | 10.1007/s00103-024-03985-4 |
| Datei: | https://doi.org/10.1007/s00103-024-03985-4 |
S. Nowak,
B. Wulff,
Y. C. Layer,
M. Theis,
A. Isaak,
B. Salam,
W. Block,
D. Kuetting,
C. C. Pieper,
J. A. Luetkens,
U. Attenberger and
A. M. Sprinkart,
"Privacy-ensuring Open-weights Large Language Models Are Competitive with Closed-weights GPT-4o in Extracting Chest Radiography Findings from Free-Text Reports",
Radiology,
vol. 314,
no. 1,
pp. e240895,
Jan.
2025.
Abstract:
Background Large-scale secondary use of clinical databases requires automated tools for retrospective extraction of structured content from free-text radiology reports. Purpose To share data and insights on the application of privacy-preserving open-weights large language models (LLMs) for reporting content extraction with comparison to standard rule-based systems and the closed-weights LLMs from OpenAI. Materials and Methods In this retrospective exploratory study conducted between May 2024 and September 2024, zero-shot prompting of 17 open-weights LLMs was preformed. These LLMs with model weights released under open licenses were compared with rule-based annotation and with OpenAI's GPT-4o, GPT-4o-mini, GPT-4-turbo, and GPT-3.5-turbo on a manually annotated public English chest radiography dataset (Indiana University, 3927 patients and reports). An annotated nonpublic German chest radiography dataset (18 500 reports, 16 844 patients [10 340 male; mean age, 62.6 years ± 21.5 {SD]) was used to compare local fine-tuning of all open-weights LLMs via low-rank adaptation and 4-bit quantization to bidirectional encoder representations from transformers (BERT) with different subsets of reports (from 10 to 14 580). Nonoverlapping 95% CIs of macro-averaged F1 scores were defined as relevant differences. Results For the English reports, the highest zero-shot macro-averaged F1 score was observed for GPT-4o (92.4% [95% CI: 87.9, 95.9]); GPT-4o outperformed the rule-based CheXpert [Stanford University] (73.1% [95% CI: 65.1, 79.7]) but was comparable in performance to several open-weights LLMs (top three: Mistral-Large [Mistral AI], 92.6% [95% CI: 88.2, 96.0]; Llama-3.1-70b [Meta AI], 92.2% [95% CI: 87.1, 95.8]; and Llama-3.1-405b [Meta AI]: 90.3% [95% CI: 84.6, 94.5]). For the German reports, Mistral-Large (91.6% [95% CI: 90.5, 92.7]) had the highest zero-shot macro-averaged F1 score among the six other open-weights LLMs and outperformed the rule-based annotation (74.8% [95% CI: 73.3, 76.1]). Using 1000 reports for fine-tuning, all LLMs (top three: Mistral-Large, 94.3% [95% CI: 93.5, 95.2]; OpenBioLLM-70b [Saama]: 93.9% [95% CI: 92.9, 94.8]; and Mixtral-8×22b [Mistral AI]: 93.8% [95% CI: 92.8, 94.7]) achieved significantly higher macro-averaged F1 score than did BERT (86.7% [95% CI: 85.0, 88.3]); however, the differences were not relevant when 2000 or more reports were used for fine-tuning. Conclusion LLMs have the potential to outperform rule-based systems for zero-shot "out-of-the-box" structuring of report databases, with privacy-ensuring open-weights LLMs being competitive with closed-weights GPT-4o. Additionally, the open-weights LLM outperformed BERT when moderate numbers of reports were used for fine-tuning. Published under a CC BY 4.0 license. Supplemental material is available for this article. See also the editorial by Gee and Yao in this issue.
| DOI: | 10.1148/radiol.240895 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39807977/ |
Abstract:
Background Large-scale secondary use of clinical databases requires automated tools for retrospective extraction of structured content from free-text radiology reports. Purpose To share data and insights on the application of privacy-preserving open-weights large language models (LLMs) for reporting content extraction with comparison to standard rule-based systems and the closed-weights LLMs from OpenAI. Materials and Methods In this retrospective exploratory study conducted between May 2024 and September 2024, zero-shot prompting of 17 open-weights LLMs was preformed. These LLMs with model weights released under open licenses were compared with rule-based annotation and with OpenAI's GPT-4o, GPT-4o-mini, GPT-4-turbo, and GPT-3.5-turbo on a manually annotated public English chest radiography dataset (Indiana University, 3927 patients and reports). An annotated nonpublic German chest radiography dataset (18 500 reports, 16 844 patients [10 340 male; mean age, 62.6 years ± 21.5 {SD]) was used to compare local fine-tuning of all open-weights LLMs via low-rank adaptation and 4-bit quantization to bidirectional encoder representations from transformers (BERT) with different subsets of reports (from 10 to 14 580). Nonoverlapping 95% CIs of macro-averaged F1 scores were defined as relevant differences. Results For the English reports, the highest zero-shot macro-averaged F1 score was observed for GPT-4o (92.4% [95% CI: 87.9, 95.9]); GPT-4o outperformed the rule-based CheXpert [Stanford University] (73.1% [95% CI: 65.1, 79.7]) but was comparable in performance to several open-weights LLMs (top three: Mistral-Large [Mistral AI], 92.6% [95% CI: 88.2, 96.0]; Llama-3.1-70b [Meta AI], 92.2% [95% CI: 87.1, 95.8]; and Llama-3.1-405b [Meta AI]: 90.3% [95% CI: 84.6, 94.5]). For the German reports, Mistral-Large (91.6% [95% CI: 90.5, 92.7]) had the highest zero-shot macro-averaged F1 score among the six other open-weights LLMs and outperformed the rule-based annotation (74.8% [95% CI: 73.3, 76.1]). Using 1000 reports for fine-tuning, all LLMs (top three: Mistral-Large, 94.3% [95% CI: 93.5, 95.2]; OpenBioLLM-70b [Saama]: 93.9% [95% CI: 92.9, 94.8]; and Mixtral-8×22b [Mistral AI]: 93.8% [95% CI: 92.8, 94.7]) achieved significantly higher macro-averaged F1 score than did BERT (86.7% [95% CI: 85.0, 88.3]); however, the differences were not relevant when 2000 or more reports were used for fine-tuning. Conclusion LLMs have the potential to outperform rule-based systems for zero-shot "out-of-the-box" structuring of report databases, with privacy-ensuring open-weights LLMs being competitive with closed-weights GPT-4o. Additionally, the open-weights LLM outperformed BERT when moderate numbers of reports were used for fine-tuning. Published under a CC BY 4.0 license. Supplemental material is available for this article. See also the editorial by Gee and Yao in this issue.
L. Gallée,
C. S. Lisson,
T. Ropinski,
M. Beer and
M. Götz,
"Proto-Caps: interpretable medical image classification using prototype learning and privileged information",
PeerJ. Computer science,
vol. 11,
pp. e2908,
2025.
Abstract:
Explainable artificial intelligence (xAI) is becoming increasingly important as the need for understanding the model's reasoning grows when applying them in high-risk areas. This is especially crucial in the field of medicine, where decision support systems are utilised to make diagnoses or to determine appropriate therapies. Here it is essential to provide intuitive and comprehensive explanations to evaluate the system's correctness. To meet this need, we have developed Proto-Caps, an intrinsically explainable model for image classification. It explains its decisions by providing visual prototypes that resemble specific appearance features. These characteristics are predefined by humans, which on the one hand makes them understandable and on the other hand leads to the model basing its decision on the same features as the human expert. On two public datasets, this method shows better performance compared to existing explainable approaches, despite the additive explainability modality through the visual prototypes. In addition to the performance evaluations, we conducted an analysis of truthfulness by examining the joint information between the target prediction and its explanation output. This was done in order to ensure that the explanation actually reasons the target classification. Through extensive hyperparameter studies, we also found optimal model settings, providing a starting point for further research. Our work emphasises the prospects of combining xAI approaches for greater explainability and demonstrates that incorporating explainability does not necessarily lead to a loss of performance.
| DOI: | 10.7717/peerj-cs.2908 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/40567722/ |
Abstract:
Explainable artificial intelligence (xAI) is becoming increasingly important as the need for understanding the model's reasoning grows when applying them in high-risk areas. This is especially crucial in the field of medicine, where decision support systems are utilised to make diagnoses or to determine appropriate therapies. Here it is essential to provide intuitive and comprehensive explanations to evaluate the system's correctness. To meet this need, we have developed Proto-Caps, an intrinsically explainable model for image classification. It explains its decisions by providing visual prototypes that resemble specific appearance features. These characteristics are predefined by humans, which on the one hand makes them understandable and on the other hand leads to the model basing its decision on the same features as the human expert. On two public datasets, this method shows better performance compared to existing explainable approaches, despite the additive explainability modality through the visual prototypes. In addition to the performance evaluations, we conducted an analysis of truthfulness by examining the joint information between the target prediction and its explanation output. This was done in order to ensure that the explanation actually reasons the target classification. Through extensive hyperparameter studies, we also found optimal model settings, providing a starting point for further research. Our work emphasises the prospects of combining xAI approaches for greater explainability and demonstrates that incorporating explainability does not necessarily lead to a loss of performance.
H. F. Wiegand,
K. Adorjan,
J. Stoffers-Winterling,
S. Scheithauer,
J. Schmitt,
O. Tuescher,
P. Falkai and
K. Lieb,
"Psychische Gesundheit und psychiatrisch-psychotherapeutische Versorgung als Elemente von „pandemic and crisis preparedness“ [Mental health and mental healthcare as elements of pandemic and crisis preparedness]",
Der Nervenarzt,
2025.
| DOI: | 10.1007/s00115-025-01822-w |
| Datei: | https://doi.org/10.1007/s00115-025-01822-w |
M. R. Bujotzek,
Ü. Akünal,
S. Denner,
P. Neher,
M. Zenk,
E. Frodl,
A. Jaiswal,
M. Kim,
N. R. Krekiehn,
M. Nickel,
R. Ruppel,
M. Both,
F. Döllinger,
M. Opitz,
T. Persigehl,
J. Kleesiek,
T. Penzkofer,
K. Maier-Hein,
A. Bucher and
R. Braren,
"Real-world federated learning in radiology: hurdles to overcome and benefits to gain.",
Journal of the American Medical Informatics Association : JAMIA,
Jan.
2025.
Abstract:
Federated Learning (FL) ermöglicht kollaboratives Modelltraining, während Daten lokal gespeichert werden. Derzeit werden die meisten FL-Studien in der Radiologie durch zahlreiche Hürden durchgeführt, die ihre Übersetzung in die Praxis behindern. Die wenigen bestehenden realen FL-Initiativen kommunizieren selten konkrete Maßnahmen, die ergriffen werden, um diese Hürden zu überwinden. Um diese bedeutende Wissenslücke zu überbrücken, schlagen wir einen umfassenden Leitfaden für reale FL in der Radiologie vor. Bei der Umsetzung von real-world FL gibt es keine umfassenden Bewertungen, die FL mit weniger komplexen Alternativen in anspruchsvollen real-world-Einstellungen vergleichen, die wir durch umfangreiche Benchmarking ansprechen. Wir haben unsere eigene FL-Infrastruktur im deutschen Radiologischen Kooperativen Netzwerk (RACOON) entwickelt und ihre Funktionalität durch Ausbildung von FL-Modellen auf Lungenpathologie-Segmentationsaufgaben in sechs Universitätskliniken demonstriert. Während der Gründung unserer FL-Initiative und der Durchführung der umfangreichen Benchmark-Experimente wurden Einblicke gesammelt und in den Leitfaden eingeordnet. Der vorgeschlagene Leitfaden beschreibt wesentliche Schritte, identifizierte Hürden und implementierte Lösungen für erfolgreiche FL-Initiativen, die Echtzeit-Experimente durchführen. Unsere experimentellen Ergebnisse beweisen die praktische Relevanz unseres Leitfadens und zeigen, dass FL weniger komplexe Alternativen in allen Bewertungsszenarien übertrifft. Unsere Ergebnisse rechtfertigen die Bemühungen, die FL in reale Anwendungen zu übersetzen, indem wir eine vorteilhafte Leistung gegenüber alternativen Ansätzen zeigen. Darüber hinaus betonen sie die Bedeutung der strategischen Organisation, das robuste Management von verteilten Daten und Infrastruktur in realen Welteinstellungen. Mit dem vorgeschlagenen Leitfaden wollen wir zukünftige FL-Forscher bei der Umgehung von Fallfällen und der Beschleunigung der Übersetzung von FL in radiologische Anwendungen unterstützen.
| DOI: | 10.1093/jamia/ocae259 |
Abstract:
Federated Learning (FL) ermöglicht kollaboratives Modelltraining, während Daten lokal gespeichert werden. Derzeit werden die meisten FL-Studien in der Radiologie durch zahlreiche Hürden durchgeführt, die ihre Übersetzung in die Praxis behindern. Die wenigen bestehenden realen FL-Initiativen kommunizieren selten konkrete Maßnahmen, die ergriffen werden, um diese Hürden zu überwinden. Um diese bedeutende Wissenslücke zu überbrücken, schlagen wir einen umfassenden Leitfaden für reale FL in der Radiologie vor. Bei der Umsetzung von real-world FL gibt es keine umfassenden Bewertungen, die FL mit weniger komplexen Alternativen in anspruchsvollen real-world-Einstellungen vergleichen, die wir durch umfangreiche Benchmarking ansprechen. Wir haben unsere eigene FL-Infrastruktur im deutschen Radiologischen Kooperativen Netzwerk (RACOON) entwickelt und ihre Funktionalität durch Ausbildung von FL-Modellen auf Lungenpathologie-Segmentationsaufgaben in sechs Universitätskliniken demonstriert. Während der Gründung unserer FL-Initiative und der Durchführung der umfangreichen Benchmark-Experimente wurden Einblicke gesammelt und in den Leitfaden eingeordnet. Der vorgeschlagene Leitfaden beschreibt wesentliche Schritte, identifizierte Hürden und implementierte Lösungen für erfolgreiche FL-Initiativen, die Echtzeit-Experimente durchführen. Unsere experimentellen Ergebnisse beweisen die praktische Relevanz unseres Leitfadens und zeigen, dass FL weniger komplexe Alternativen in allen Bewertungsszenarien übertrifft. Unsere Ergebnisse rechtfertigen die Bemühungen, die FL in reale Anwendungen zu übersetzen, indem wir eine vorteilhafte Leistung gegenüber alternativen Ansätzen zeigen. Darüber hinaus betonen sie die Bedeutung der strategischen Organisation, das robuste Management von verteilten Daten und Infrastruktur in realen Welteinstellungen. Mit dem vorgeschlagenen Leitfaden wollen wir zukünftige FL-Forscher bei der Umgehung von Fallfällen und der Beschleunigung der Übersetzung von FL in radiologische Anwendungen unterstützen.
A. M. Bucher,
J. Dietz,
C. Ehrengut,
L. Müller,
D. Schramm,
A. Akinina,
M. Drechsel,
R. Kloeckner,
M. Sieren,
P. Isfort,
M. Sähn,
M. A. Fink,
D. Móré,
B. Melekh,
F. G. Meinel,
H. Schön,
M. S. May,
L. Siegler,
H. Münzfeld,
R. Ruppel,
T. Penzkofer,
M. Kim,
M. Balzer,
J. Borggrefe,
H. J. Meyer and
A. Surov,
"The prognostic relevance of pleural effusion in patients with COVID-19 - A German multicenter study",
Clinical imaging,
vol. 117,
pp. 110303,
Jan.
2025.
Abstract:
This study evaluates the prognostic significance of pleural effusion (PE) in COVID-19 patients across thirteen centers in Germany, aiming to clarify its role in predicting clinical outcomes. In this retrospective analysis within the RACOON project (Radiological Cooperative Network of the COVID-19 pandemic), 1183 patients (29.3 % women, 70.7 % men) underwent chest CT to assess PE. We investigated PE's association with 30-day mortality, ICU admission, and the need for mechanical ventilation. PE was detected in 31.5 % of patients, showing a significant correlation with 30-day mortality (47.5 % in non-survivors vs. 27.3 % in survivors, p < 0.001), with a hazard ratio of 2.22 (95 % CI 1.65-2.99, p < 0.001). No significant association was found between PE volume or density and mortality. ICU admissions were noted in 46.8 % of patients, while mechanical ventilation was required for 26.7 %. Pleural effusion is present in a significant portion of COVID-19 patients and independently predicts increased 30-day mortality, underscoring its value as a prognostic marker. Its identification, irrespective of volume or density, should be a priority in radiological reports to guide clinical decision-making.
| DOI: | 10.1016/j.clinimag.2024.110303 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39532042/ |
Abstract:
This study evaluates the prognostic significance of pleural effusion (PE) in COVID-19 patients across thirteen centers in Germany, aiming to clarify its role in predicting clinical outcomes. In this retrospective analysis within the RACOON project (Radiological Cooperative Network of the COVID-19 pandemic), 1183 patients (29.3 % women, 70.7 % men) underwent chest CT to assess PE. We investigated PE's association with 30-day mortality, ICU admission, and the need for mechanical ventilation. PE was detected in 31.5 % of patients, showing a significant correlation with 30-day mortality (47.5 % in non-survivors vs. 27.3 % in survivors, p < 0.001), with a hazard ratio of 2.22 (95 % CI 1.65-2.99, p < 0.001). No significant association was found between PE volume or density and mortality. ICU admissions were noted in 46.8 % of patients, while mechanical ventilation was required for 26.7 %. Pleural effusion is present in a significant portion of COVID-19 patients and independently predicts increased 30-day mortality, underscoring its value as a prognostic marker. Its identification, irrespective of volume or density, should be a priority in radiological reports to guide clinical decision-making.
T. Persigehl,
P. Fervers,
A. Bucher,
P. Isfort,
D. Maintz,
T. Penzkofer,
M. Sähn,
T. Vogl,
J. Kottlors and
F. Doellinger,
"The RACOON viral pneumonia score for structured reporting of pre-existing, acute, and post-pneumonic findings on chest CT.",
Frontiers in medicine,
2025.
Abstract:
Der multidimensionale RACOON Viral Pneumonia Score (RVPS) wurde entwickelt, um die Hauptschwächen der etablierten eindimensionalen Brust-Computertomographie (CT)-Scores zu kompensieren. Sie zielte darauf ab, die Schwere der Lungenentzündung zu quantifizieren und die infektiöse Lungenerkrankung von der akuten Phase bis zur post-pneumonischen Sequenz qualitativ zu überwachen. Diese Forschung konzentriert sich auf die ursprüngliche Entwicklung und Bewertung der Anwendbarkeit und der Interreader Zuverlässigkeit des RVPS. Innerhalb des Radiological Cooperative Network (RACOON) wurde das Scoring-System nach mehreren Expertensitzungen entwickelt und in dieser Nachweisstudie mit 8,525 Beobachtungen getestet. In der Untermenge der Interreadervalidierung (7.800 Beobachtungen) applizierten acht blinde Radiologen die RVPS und bewerteten für jede Lungenkeule die folgenden CT-Ergebnisse einzeln: (I) reine Bodenglasundurchlässigkeiten (GGO), (II) GGO und interstitielle Verdickung, (III) Konsolidierungen, (IV) lineare Opazitäten und Retikulationen und (V) fibrotischartige Veränderungen. Das Ausmaß jeder Pathologie wurde auf einer Skala von 0-5 Punkten bewertet, und die Gesamtbeteiligung wurde berechnet. Die Variabilität der Interreader wurde mit Kendalls W bewertet. Die Gesamtinterreadersicherheit des RVPS war ausgezeichnet (Kendalls' W 0.95). CT-Ergebnisse im Zusammenhang mit akuter Lungenentzündung wurden mit guter Einigung erzielt (W 0.81-0.87). Bei der Trennung der Ergebnisse der Kategorie IV vs. Kategorie V (W 0.55-0.69) wurde eine geringe Unsicherheit eingeführt. Der Gesamtumfang der nachinfektiösen Ergebnisse wurde mit guter Einigung bewertet (W 0.79). Die Längsverteilung der Subscores erlaubte eine Differenzierung zwischen akuter Lungenentzündung und post-pneumonischer Sequenz. Diese Studie präsentiert das RVPS als umfassendes Werkzeug für eine zuverlässige Auswertung, Längsüberwachung und strukturierte Dokumentation des Ausmaßes sowie der Qualität der Brust-CT-Ergebnisse bei Infektions-Lungenerkrankungen.
| DOI: | 10.3389/fmed.2025.1578282 |
Abstract:
Der multidimensionale RACOON Viral Pneumonia Score (RVPS) wurde entwickelt, um die Hauptschwächen der etablierten eindimensionalen Brust-Computertomographie (CT)-Scores zu kompensieren. Sie zielte darauf ab, die Schwere der Lungenentzündung zu quantifizieren und die infektiöse Lungenerkrankung von der akuten Phase bis zur post-pneumonischen Sequenz qualitativ zu überwachen. Diese Forschung konzentriert sich auf die ursprüngliche Entwicklung und Bewertung der Anwendbarkeit und der Interreader Zuverlässigkeit des RVPS. Innerhalb des Radiological Cooperative Network (RACOON) wurde das Scoring-System nach mehreren Expertensitzungen entwickelt und in dieser Nachweisstudie mit 8,525 Beobachtungen getestet. In der Untermenge der Interreadervalidierung (7.800 Beobachtungen) applizierten acht blinde Radiologen die RVPS und bewerteten für jede Lungenkeule die folgenden CT-Ergebnisse einzeln: (I) reine Bodenglasundurchlässigkeiten (GGO), (II) GGO und interstitielle Verdickung, (III) Konsolidierungen, (IV) lineare Opazitäten und Retikulationen und (V) fibrotischartige Veränderungen. Das Ausmaß jeder Pathologie wurde auf einer Skala von 0-5 Punkten bewertet, und die Gesamtbeteiligung wurde berechnet. Die Variabilität der Interreader wurde mit Kendalls W bewertet. Die Gesamtinterreadersicherheit des RVPS war ausgezeichnet (Kendalls' W 0.95). CT-Ergebnisse im Zusammenhang mit akuter Lungenentzündung wurden mit guter Einigung erzielt (W 0.81-0.87). Bei der Trennung der Ergebnisse der Kategorie IV vs. Kategorie V (W 0.55-0.69) wurde eine geringe Unsicherheit eingeführt. Der Gesamtumfang der nachinfektiösen Ergebnisse wurde mit guter Einigung bewertet (W 0.79). Die Längsverteilung der Subscores erlaubte eine Differenzierung zwischen akuter Lungenentzündung und post-pneumonischer Sequenz. Diese Studie präsentiert das RVPS als umfassendes Werkzeug für eine zuverlässige Auswertung, Längsüberwachung und strukturierte Dokumentation des Ausmaßes sowie der Qualität der Brust-CT-Ergebnisse bei Infektions-Lungenerkrankungen.
A. Bludau,
A. Jack,
N. Fischer,
J. Dreesman,
C. Drosten,
R. Egelkamp,
L. Ehlkes,
F. Feil,
A. Grundhoff,
H. Grundmann,
P. Kreuzer,
M. Monazahian,
I. Overesch,
D. Schmitt,
M. Troeger,
A. Reiswitz,
J. Weber,
A. Dilthey,
C. Hornberg,
S. Reuter and
S. Scheithauer,
"Use of integrated genomic surveillance by local public health authorities: Recommendations based on a mixed-methods study of current adoption, applications and success factors, Germany, 2023",
Eurosurveillance,
2025.
| DOI: | 10.2807/1560-7917.ES.2025.30.28.2500508 |
| Datei: | https://doi.org/10.2807/1560-7917.ES.2025.30.28.2500508 |
M. E. Liebl,
A. Reisshauer,
D. Loudovici-Krug,
P. Baumbach,
K. S. Appel,
S. Blaschke,
J. Erber,
I. Grewe,
M. Hagen,
E. Heim,
S. M. Pütz,
K. Lehnert,
P. Meybohm,
O. Miljukov,
M. Milovanovic,
S. M. Miranda,
C. Römmele,
P. Tepasse,
J. J. Vehreschild,
N. Weinert,
M. Weigl,
J. Wendel and
C. Lemhöfer,
"Utilization of interdisciplinary in-hospital early rehabilitation in COVID-19 patients - a multicenter cohort study in the National Pandemic Cohort Network (NAPKON) in Germany",
PloS one,
vol. 20,
no. 10,
pp. e0334941,
2025.
Abstract:
BACKGROUND Early rehabilitation in acute hospitals aims to prevent immobilization-related complications and improve the functional capacity of patients with severe or critical illness. Early rehabilitation can be a useful concept to improve functioning in COVID-19 patients. However, literature concerning early in-hospital rehabilitation in COVID-19 patients is scarce. AIM To analyze the utilization of in-hospital interdisciplinary early rehabilitation (IER) in COVID-19 patients and characterize the sample of IER patients. DESIGN Prospective cohort study. SETTING Hospitalized COVID-19 patient cases. POPULATION This study used data from the National Pandemic Cohort Network (NAPKON) in Germany. METHODS IER utilization rates were retrieved. Demographic and clinical data from hospitalized COVID-19 patients who had received IER during the course of their treatment were evaluated. RESULTS Out of the 2,644 patients in the Cross-Sectoral Platform (German abbreviation: SUEP) cohort, 0.79% [95% CI: 0.51% to 1.22%] received IER during their stay in an acute care hospital. Among the subgroup of patients who had previously been treated in intensive care, 2.13% [95% CI: 1.16% to 3.63%] received IER. The most common comorbidities were cardiovascular diseases (66.7%) and neurological/psychiatric diseases (36.1%). The small sample size limited further analyses. CONCLUSION The low rate of early rehabilitation in acute hospitals for COVID-19 patients indicates an unmet need, particularly in severe cases. Structural changes in the health system are needed to close this gap. The WHO and the German Medical Council have recently acknowledged the necessity of early in-hospital rehabilitation and have issued a call for its implementation in acute hospitals.
| DOI: | 10.1371/journal.pone.0334941 |
Abstract:
BACKGROUND Early rehabilitation in acute hospitals aims to prevent immobilization-related complications and improve the functional capacity of patients with severe or critical illness. Early rehabilitation can be a useful concept to improve functioning in COVID-19 patients. However, literature concerning early in-hospital rehabilitation in COVID-19 patients is scarce. AIM To analyze the utilization of in-hospital interdisciplinary early rehabilitation (IER) in COVID-19 patients and characterize the sample of IER patients. DESIGN Prospective cohort study. SETTING Hospitalized COVID-19 patient cases. POPULATION This study used data from the National Pandemic Cohort Network (NAPKON) in Germany. METHODS IER utilization rates were retrieved. Demographic and clinical data from hospitalized COVID-19 patients who had received IER during the course of their treatment were evaluated. RESULTS Out of the 2,644 patients in the Cross-Sectoral Platform (German abbreviation: SUEP) cohort, 0.79% [95% CI: 0.51% to 1.22%] received IER during their stay in an acute care hospital. Among the subgroup of patients who had previously been treated in intensive care, 2.13% [95% CI: 1.16% to 3.63%] received IER. The most common comorbidities were cardiovascular diseases (66.7%) and neurological/psychiatric diseases (36.1%). The small sample size limited further analyses. CONCLUSION The low rate of early rehabilitation in acute hospitals for COVID-19 patients indicates an unmet need, particularly in severe cases. Structural changes in the health system are needed to close this gap. The WHO and the German Medical Council have recently acknowledged the necessity of early in-hospital rehabilitation and have issued a call for its implementation in acute hospitals.
M. Glock,
A. Erdekian,
M. Rueb,
F. Uhl,
R. Husemann,
J. Stoffers-Winterling,
S. Lindner,
L. Hölzel,
K. Lieb,
K. Adorjan and
H. Wiegand,
"Utilization of mental health services during the first year of the COVID-19 pandemic - a systematic review and meta-analysis",
Eur Psychiatry,
2025.
| DOI: | 10.1192/j.eurpsy.2025.10119 |
| Datei: | https://doi.org/10.1192/j.eurpsy.2025.10119 |
[en]
M. Heming,
A. B"orsch,
S. Melnik,
N. Gmahl,
L. M"uller-Miny,
C. Dambietz,
L. Fisch,
T. Kühnel,
T. J. Brix,
A. Janssen,
E. Schumann,
C. C. Gross,
J. Varghese,
T. Hahn,
H. Wiendl and
G. Meyer Zu H"orste,
"Atlas of Cerebrospinal Fluid Immune Cells Across Neurological
Diseases",
Ann Neurol,
vol. 97,
no. 4,
pp. 779—790,
Dez.
2024.
Abstract:
In dieser Studie wurden die Immunzellen in Nervenwasser (Liquor) und Blut von über 8.000 Patientinnen und Patienten untersucht, um Muster zu erkennen, die bei verschiedenen neurologischen Erkrankungen auftreten. Die Forschenden fanden heraus, dass bestimmte Abwehrzellen im Liquor und Blut mit dem Alter zunehmen oder abnehmen und so etwas wie ein „Immun-Alter“ anzeigen können. Mithilfe von Computermodellen konnten vier große Krankheitsgruppen allein anhand der Zellprofile im Liquor und Blut unterschieden werden: gesunde Personen, Autoimmunerkrankungen, Hirnhaut- bzw. Gehirnentzündungen und neurodegenerative Erkrankungen. Diese Einteilung funktionierte auch in weiteren unabhängigen Patientengruppen. Zudem zeigte sich, dass die Methode helfen kann, Erkrankungen wie Multiple Sklerose oder Demenz besser einzuschätzen und die Diagnose zu verbessern.
Abstract:
In dieser Studie wurden die Immunzellen in Nervenwasser (Liquor) und Blut von über 8.000 Patientinnen und Patienten untersucht, um Muster zu erkennen, die bei verschiedenen neurologischen Erkrankungen auftreten. Die Forschenden fanden heraus, dass bestimmte Abwehrzellen im Liquor und Blut mit dem Alter zunehmen oder abnehmen und so etwas wie ein „Immun-Alter“ anzeigen können. Mithilfe von Computermodellen konnten vier große Krankheitsgruppen allein anhand der Zellprofile im Liquor und Blut unterschieden werden: gesunde Personen, Autoimmunerkrankungen, Hirnhaut- bzw. Gehirnentzündungen und neurodegenerative Erkrankungen. Diese Einteilung funktionierte auch in weiteren unabhängigen Patientengruppen. Zudem zeigte sich, dass die Methode helfen kann, Erkrankungen wie Multiple Sklerose oder Demenz besser einzuschätzen und die Diagnose zu verbessern.
V. Gupta,
B. Erdal,
C. Ramirez,
R. Floca,
B. Genereaux,
S. Bryson,
C. Bridge,
J. Kleesiek,
F. Nensa,
R. Braren,
K. Younis,
T. Penzkofer,
A. M. Bucher,
M. M. Qin,
G. Bae,
H. Lee,
M. J. Cardoso,
S. Ourselin,
E. Kerfoot,
R. Choudhury,
R. D. White,
T. Cook,
D. Bericat,
M. Lungren,
R. Haukioja and
H. Shuaib,
"Current State of Community-Driven Radiological AI Deployment in Medical Imaging.",
JMIR AI,
Dez.
2024.
Abstract:
Künstliche Intelligenz (KI) ist bei der Lösung routinemäßiger Alltagsaufgaben üblich. Durch das exponentielle Wachstum im Datenvolumen und der Komplexität der medizinischen Bildgebung nimmt die Arbeitsbelastung der Radiologen stetig zu. KI wurde gezeigt, um die Effizienz in der medizinischen Bilderzeugung, -verarbeitung und -interpretation zu verbessern, und verschiedene solche KI-Modelle wurden in Forschungslaboren weltweit entwickelt. Doch nur wenige davon, wenn überhaupt, finden ihren Weg in den routinemäßigen klinischen Gebrauch, eine Diskrepanz, die die Trennung zwischen AI-Forschung und erfolgreicher AI-Übersetzung widerspiegelt. Ziel dieses Papiers ist es, einen Überblick über den Schnittpunkt von KI- und medizinischen Bildgebungslandschaften zu geben. Außerdem möchten wir die Leser über die Bedeutung der Verwendung von Standards in ihrem Radiologie-Workflow und die Herausforderungen im Zusammenhang mit der Bereitstellung von AI-Modellen im klinischen Workflow informieren. Der Schwerpunkt dieses Papiers liegt darin, den bestehenden Zustand des Radiologie-Workflows zu untersuchen und die Herausforderungen zu identifizieren, die die Implementierung von KI in Krankenhauseinstellungen behindern. Dieser Bericht spiegelt umfangreiche wöchentliche Diskussionen und praktische Problemlösungen wider, die über mehrere Jahre von Branchenexperten, bildgebenden Informatikern, Wissenschaftlern und Klinikern gesammelt wurden. Um ein tieferes Verständnis der Anforderungen für die Bereitstellung von KI-Modellen zu gewinnen, führen wir eine Taxonomie von KI-Verwendungsfällen ein, ergänzt durch reale Fälle der KI-Modellintegration in Krankenhäusern. Wir werden auch erklären, wie die Notwendigkeit der KI-Integration in Radiologie mit dem Medical Open Network for AI (MONAI) angesprochen werden kann. MONAI ist ein Open-Source-Konsortium zur Bereitstellung reproduzierbarer Deep Learning-Lösungen und Integrationstools für die Radiologiepraxis in Krankenhäusern.
| DOI: | 10.2196/55833 |
Abstract:
Künstliche Intelligenz (KI) ist bei der Lösung routinemäßiger Alltagsaufgaben üblich. Durch das exponentielle Wachstum im Datenvolumen und der Komplexität der medizinischen Bildgebung nimmt die Arbeitsbelastung der Radiologen stetig zu. KI wurde gezeigt, um die Effizienz in der medizinischen Bilderzeugung, -verarbeitung und -interpretation zu verbessern, und verschiedene solche KI-Modelle wurden in Forschungslaboren weltweit entwickelt. Doch nur wenige davon, wenn überhaupt, finden ihren Weg in den routinemäßigen klinischen Gebrauch, eine Diskrepanz, die die Trennung zwischen AI-Forschung und erfolgreicher AI-Übersetzung widerspiegelt. Ziel dieses Papiers ist es, einen Überblick über den Schnittpunkt von KI- und medizinischen Bildgebungslandschaften zu geben. Außerdem möchten wir die Leser über die Bedeutung der Verwendung von Standards in ihrem Radiologie-Workflow und die Herausforderungen im Zusammenhang mit der Bereitstellung von AI-Modellen im klinischen Workflow informieren. Der Schwerpunkt dieses Papiers liegt darin, den bestehenden Zustand des Radiologie-Workflows zu untersuchen und die Herausforderungen zu identifizieren, die die Implementierung von KI in Krankenhauseinstellungen behindern. Dieser Bericht spiegelt umfangreiche wöchentliche Diskussionen und praktische Problemlösungen wider, die über mehrere Jahre von Branchenexperten, bildgebenden Informatikern, Wissenschaftlern und Klinikern gesammelt wurden. Um ein tieferes Verständnis der Anforderungen für die Bereitstellung von KI-Modellen zu gewinnen, führen wir eine Taxonomie von KI-Verwendungsfällen ein, ergänzt durch reale Fälle der KI-Modellintegration in Krankenhäusern. Wir werden auch erklären, wie die Notwendigkeit der KI-Integration in Radiologie mit dem Medical Open Network for AI (MONAI) angesprochen werden kann. MONAI ist ein Open-Source-Konsortium zur Bereitstellung reproduzierbarer Deep Learning-Lösungen und Integrationstools für die Radiologiepraxis in Krankenhäusern.
M. Theis,
L. Garajová,
B. Salam,
S. Nowak,
W. Block,
U. I. Attenberger,
D. Kütting,
J. A. Luetkens and
A. M. Sprinkart,
"Deep learning for opportunistic, end-to-end automated assessment of epicardial adipose tissue in pre-interventional, ECG-gated spiral computed tomography.",
Insights into imaging,
Dez.
2024.
Abstract:
In jüngster Zeit wurde epikardiales Fettgewebe (EAT) mit CT als unabhängiger Mortalitätsvorhersager bei Patienten mit verschiedenen Herzerkrankungen identifiziert. Unser Ziel war es, eine tiefgreifende Lernpipeline für eine robuste automatische EAT-Bewertung in CT zu entwickeln. Kontrastverstärkte EKG-verstärkte Herz- und Thorako-Abdominalspirale CT-Bildgebung von 1502 Patienten, die einen transcatheter aortic Ventilersatz (TAVR) erlitten haben. Die Selektion auf Aortenventil (AV)-Ebene und EAT-Segmentierung erfolgte manuell als Bodenwahrheit. Für die Schichtextraktion wurden zwei Ansätze verglichen: Ein Regressionsmodell mit einem 2D-Konvolutional-Neuralnetzwerk (CNN) und einem 3D CNN unter Verwendung von Verstärkungslernen (RL). Die Leistungsauswertung basiert auf einer mittleren absoluten z-Abweichung auf der manuell ausgewählten AV-Ebene (Δz). Für die Gewebesegmentierung wurde ein 2D U-Net auf Einzel-Slice-Bilder auf AV-Ebene trainiert und mit Dice-Score im Vergleich zur Open-Source-Körper- und Organanalyse (BOA). Für die End-to-End-Auswertung wurden überlegene Methoden ausgewählt, bei denen der mittlere absolute Unterschied (MAD) von EAT-Bereich und Gewebedichte verglichen wurde. 95 % Vertrauensintervalle (CI) wurden für alle Metriken bewertet. Die Slice-Extraktion mit RL war etwas genauer (Δz: RL 1,8 mm (95% CI: [1.6, 2.0]), 2D CNN 2,0 mm (95% CI: [1.8, 2.3])). Für die EAT-Segmentierung auf AV-Ebene hat das 2D U-Net BOA deutlich übertroffen (Dice-Score: 2D U-Net 91.3% (95% CI: [90.7, 91.8]), BOA 85.6% (95% CI: [84.7, 86.5]). Die End-to-End-Bewertung ergab eine hohe Übereinstimmung zwischen automatischen und manuellen Messungen der EAT (MAD-Bereich: 1,1 cm<sup>2</sup> (95% CI: [1.0, 1.3]), MAD-Dichte: 2.2 Hounsfield Einheiten (95% CI: [2.0, 2.5]). Wir schlagen eine Methode zur robusten automatischen EAT-Bewertung in Spiral-CT-Scans vor, die eine opportunistische Auswertung in der klinischen Routine ermöglicht. Da entzündliche Veränderungen im epikardialen Fettgewebe (EAT) mit einem erhöhten Risiko von Herzerkrankungen verbunden sind, kann die automatisierte Auswertung als Grundlage für die Entwicklung automatisierter Herz-Kreislauf-Risikobewertungstools dienen, die für eine effiziente, groß angelegte Bewertung in opportunistischen Einstellungen unerlässlich sind. Tiefe Lernmethoden zur automatischen Beurteilung von epikardialen Fettgewebe (EAT) haben großes Potenzial. Ein 2-stufiger Ansatz mit Scheibenextraktion und Gewebesegmentierung ermöglicht eine robuste automatisierte Auswertung von EAT. End-to-End-Automatisierung ermöglicht umfangreiche Forschung über den Wert von EAT für die Ergebnisanalyse.
| DOI: | 10.1186/s13244-024-01875-6 |
Abstract:
In jüngster Zeit wurde epikardiales Fettgewebe (EAT) mit CT als unabhängiger Mortalitätsvorhersager bei Patienten mit verschiedenen Herzerkrankungen identifiziert. Unser Ziel war es, eine tiefgreifende Lernpipeline für eine robuste automatische EAT-Bewertung in CT zu entwickeln. Kontrastverstärkte EKG-verstärkte Herz- und Thorako-Abdominalspirale CT-Bildgebung von 1502 Patienten, die einen transcatheter aortic Ventilersatz (TAVR) erlitten haben. Die Selektion auf Aortenventil (AV)-Ebene und EAT-Segmentierung erfolgte manuell als Bodenwahrheit. Für die Schichtextraktion wurden zwei Ansätze verglichen: Ein Regressionsmodell mit einem 2D-Konvolutional-Neuralnetzwerk (CNN) und einem 3D CNN unter Verwendung von Verstärkungslernen (RL). Die Leistungsauswertung basiert auf einer mittleren absoluten z-Abweichung auf der manuell ausgewählten AV-Ebene (Δz). Für die Gewebesegmentierung wurde ein 2D U-Net auf Einzel-Slice-Bilder auf AV-Ebene trainiert und mit Dice-Score im Vergleich zur Open-Source-Körper- und Organanalyse (BOA). Für die End-to-End-Auswertung wurden überlegene Methoden ausgewählt, bei denen der mittlere absolute Unterschied (MAD) von EAT-Bereich und Gewebedichte verglichen wurde. 95 % Vertrauensintervalle (CI) wurden für alle Metriken bewertet. Die Slice-Extraktion mit RL war etwas genauer (Δz: RL 1,8 mm (95% CI: [1.6, 2.0]), 2D CNN 2,0 mm (95% CI: [1.8, 2.3])). Für die EAT-Segmentierung auf AV-Ebene hat das 2D U-Net BOA deutlich übertroffen (Dice-Score: 2D U-Net 91.3% (95% CI: [90.7, 91.8]), BOA 85.6% (95% CI: [84.7, 86.5]). Die End-to-End-Bewertung ergab eine hohe Übereinstimmung zwischen automatischen und manuellen Messungen der EAT (MAD-Bereich: 1,1 cm<sup>2</sup> (95% CI: [1.0, 1.3]), MAD-Dichte: 2.2 Hounsfield Einheiten (95% CI: [2.0, 2.5]). Wir schlagen eine Methode zur robusten automatischen EAT-Bewertung in Spiral-CT-Scans vor, die eine opportunistische Auswertung in der klinischen Routine ermöglicht. Da entzündliche Veränderungen im epikardialen Fettgewebe (EAT) mit einem erhöhten Risiko von Herzerkrankungen verbunden sind, kann die automatisierte Auswertung als Grundlage für die Entwicklung automatisierter Herz-Kreislauf-Risikobewertungstools dienen, die für eine effiziente, groß angelegte Bewertung in opportunistischen Einstellungen unerlässlich sind. Tiefe Lernmethoden zur automatischen Beurteilung von epikardialen Fettgewebe (EAT) haben großes Potenzial. Ein 2-stufiger Ansatz mit Scheibenextraktion und Gewebesegmentierung ermöglicht eine robuste automatisierte Auswertung von EAT. End-to-End-Automatisierung ermöglicht umfangreiche Forschung über den Wert von EAT für die Ergebnisanalyse.
M. Sayed,
S. Saba-Sadiya,
B. Wichtlhuber,
J. Dietz,
M. Neitzel,
L. Keller,
G. Roig and
A. M. Bucher,
"Evaluating Medical Image Segmentation Models Using Augmentation.",
Tomography (Ann Arbor, Mich.),
Dez.
2024.
Abstract:
Medizinische Bildsegmentierung ist ein wesentlicher Schritt sowohl in der klinischen als auch in der Forschung, und automatisierte Segmentierungsmodelle - wie TotalSegmentator- sind allgegenwärtig geworden. Allerdings bleiben robuste Verfahren zur Validierung der Genauigkeit dieser Modelle begrenzt, und oft ist eine manuelle Inspektion erforderlich, bevor die von diesen Modellen erzeugten Segmentierungsmasken verwendet werden können. Um diese Lücke zu lösen, haben wir ein neuartiges Validierungskonzept für Segmentierungsmodelle entwickelt, das die Datenvergrößerung zur Beurteilung der Modellkonsistenz nutzt. Wir produzierten Segmentierungsmasken für die Original- und Augmented-Scans, und wir berechneten die Ausrichtungsmetriken zwischen diesen Segmentierungsmasken. Unsere Ergebnisse zeigen eine starke Korrelation zwischen der Segmentierungsqualität des Originalscans und der durchschnittlichen Ausrichtung zwischen den Masken des Originals und erweiterten CT-Scans. Diese Ergebnisse wurden durch die Unterstützung von Metriken, einschließlich des Varianzkoeffizienten und der durchschnittlichen symmetrischen Oberflächendistanz, validiert, was darauf hindeutet, dass die Übereinstimmung mit augmented-scan-Segmentationsmasken ein gültiger Proxy für die Segmentierungsqualität ist. Insgesamt bietet unser Rahmen eine Pipeline zur Auswertung der Segmentierungsleistung, ohne sich auf manuell markierte Bodenwahrheitsdaten zu verlassen und eine Grundlage für zukünftige Fortschritte bei der automatisierten medizinischen Bildanalyse zu schaffen.
| DOI: | 10.3390/tomography10120150 |
Abstract:
Medizinische Bildsegmentierung ist ein wesentlicher Schritt sowohl in der klinischen als auch in der Forschung, und automatisierte Segmentierungsmodelle - wie TotalSegmentator- sind allgegenwärtig geworden. Allerdings bleiben robuste Verfahren zur Validierung der Genauigkeit dieser Modelle begrenzt, und oft ist eine manuelle Inspektion erforderlich, bevor die von diesen Modellen erzeugten Segmentierungsmasken verwendet werden können. Um diese Lücke zu lösen, haben wir ein neuartiges Validierungskonzept für Segmentierungsmodelle entwickelt, das die Datenvergrößerung zur Beurteilung der Modellkonsistenz nutzt. Wir produzierten Segmentierungsmasken für die Original- und Augmented-Scans, und wir berechneten die Ausrichtungsmetriken zwischen diesen Segmentierungsmasken. Unsere Ergebnisse zeigen eine starke Korrelation zwischen der Segmentierungsqualität des Originalscans und der durchschnittlichen Ausrichtung zwischen den Masken des Originals und erweiterten CT-Scans. Diese Ergebnisse wurden durch die Unterstützung von Metriken, einschließlich des Varianzkoeffizienten und der durchschnittlichen symmetrischen Oberflächendistanz, validiert, was darauf hindeutet, dass die Übereinstimmung mit augmented-scan-Segmentationsmasken ein gültiger Proxy für die Segmentierungsqualität ist. Insgesamt bietet unser Rahmen eine Pipeline zur Auswertung der Segmentierungsleistung, ohne sich auf manuell markierte Bodenwahrheitsdaten zu verlassen und eine Grundlage für zukünftige Fortschritte bei der automatisierten medizinischen Bildanalyse zu schaffen.
A. T. Hoffmann,
R. Kobbe,
R. Denz,
C. Maier,
N. Toepfner,
N. Timmesfeld,
A. Petersmann,
K. Giesbrecht,
O. Hovardovska,
J. J. Vehreschild,
M. Scherer,
S. M. N. Miranda,
L. Mitrov,
A. Friedrichs,
A. Caliebe,
K. E. Skipiol,
S. Holzwarth,
Y. Kaur,
A. Schlegtendal,
L. Hojenski,
A. Ruß,
M. J. G. T. Vehreschild and
F. Brinkmann,
"Health and socio-demographic background of Ukrainian minors and their families in Germany - challenges for refugee medicine : A cross-sectional study from the German Network University Medicine (NUM)",
European journal of pediatrics,
vol. 184,
no. 1,
pp. 64,
Dez.
2024.
Abstract:
In 2022, over 1,000,000 people from Ukraine fled to Germany, mostly women and children. The aim of this study was to determine health status and socio-demographic background of Ukrainian refugee minors in Germany and to compare that to German minors. In this study, Ukrainian refugees of all ages, who voluntarily made contact with the study centres via flyers or refugee shelters, were interviewed with the help of trained interpreters from 09-12/2022. We assessed data from minors and their families on socio-economic status, general health perception, current and pre-existing infectious and non-contagious diseases, and vaccination status. The data for the minors were collected by interviewing the accompanying adults. In addition, a physical examination and serological screening for infectious and vaccine-preventable diseases were performed. Overall, 392 minors and accompanying adults (358) were included. Minors' general and mental health were reported as "at least good" in 83% (316) and 80% (304), respectively. In 16% (63), infectious or other underlying diseases were recorded. Tuberculosis infections (7, 1.8%) and hepatitis C (2, 0.5%) were found through the serological tests. HIV could only be detected in one previously known case. Self-reported vaccinations against measles and varicella, for example, did not match serological findings (protection against measles 304; 84%; varicella 230; 64%). Accompanying adults often rate the general health and well-being of Ukrainian refugee minors as rather poor. Frequently, self-reported vaccinations and preexisting diseases did not match serology results; therefore, Ukrainian refugee minors without formal vaccination certificate should be offered all recommended vaccinations and be generously screened for hepatitis B, C and HIV in addition to tuberculosis. • Infectious diseases (TB, hepatitis B/C, HIV) are more common among Ukrainian minors and vaccine hesitancy is more widespread than in many host countries and require appropriate medical care. • Displacement and war worsen medical care and have negative impact on mental health.. • Although intrafamilial spread of infectious diseases was rare (in this cohort), perceived general health of Ukrainian minors is rather poor. • Semi-structured interviews-even with interpreters-are often insufficient to collect valid medical information.
| DOI: | 10.1007/s00431-024-05847-2 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39636479/ |
Abstract:
In 2022, over 1,000,000 people from Ukraine fled to Germany, mostly women and children. The aim of this study was to determine health status and socio-demographic background of Ukrainian refugee minors in Germany and to compare that to German minors. In this study, Ukrainian refugees of all ages, who voluntarily made contact with the study centres via flyers or refugee shelters, were interviewed with the help of trained interpreters from 09-12/2022. We assessed data from minors and their families on socio-economic status, general health perception, current and pre-existing infectious and non-contagious diseases, and vaccination status. The data for the minors were collected by interviewing the accompanying adults. In addition, a physical examination and serological screening for infectious and vaccine-preventable diseases were performed. Overall, 392 minors and accompanying adults (358) were included. Minors' general and mental health were reported as "at least good" in 83% (316) and 80% (304), respectively. In 16% (63), infectious or other underlying diseases were recorded. Tuberculosis infections (7, 1.8%) and hepatitis C (2, 0.5%) were found through the serological tests. HIV could only be detected in one previously known case. Self-reported vaccinations against measles and varicella, for example, did not match serological findings (protection against measles 304; 84%; varicella 230; 64%). Accompanying adults often rate the general health and well-being of Ukrainian refugee minors as rather poor. Frequently, self-reported vaccinations and preexisting diseases did not match serology results; therefore, Ukrainian refugee minors without formal vaccination certificate should be offered all recommended vaccinations and be generously screened for hepatitis B, C and HIV in addition to tuberculosis. • Infectious diseases (TB, hepatitis B/C, HIV) are more common among Ukrainian minors and vaccine hesitancy is more widespread than in many host countries and require appropriate medical care. • Displacement and war worsen medical care and have negative impact on mental health.. • Although intrafamilial spread of infectious diseases was rare (in this cohort), perceived general health of Ukrainian minors is rather poor. • Semi-structured interviews-even with interpreters-are often insufficient to collect valid medical information.
D. Wolf,
T. Payer,
C. S. Lisson,
C. G. Lisson,
M. Beer,
M. Götz and
T. Ropinski,
"Less is More: Selective reduction of CT data for self-supervised pre-training of deep learning models with contrastive learning improves downstream classification performance",
Computers in biology and medicine,
vol. 183,
pp. 109242,
Dez.
2024.
Abstract:
Self-supervised pre-training of deep learning models with contrastive learning is a widely used technique in image analysis. Current findings indicate a strong potential for contrastive pre-training on medical images. However, further research is necessary to incorporate the particular characteristics of these images. We hypothesize that the similarity of medical images hinders the success of contrastive learning in the medical imaging domain. To this end, we investigate different strategies based on deep embedding, information theory, and hashing in order to identify and reduce redundancy in medical pre-training datasets. The effect of these different reduction strategies on contrastive learning is evaluated on two pre-training datasets and several downstream classification tasks. In all of our experiments, dataset reduction leads to a considerable performance gain in downstream tasks, e.g., an AUC score improvement from 0.78 to 0.83 for the COVID CT Classification Grand Challenge, 0.97 to 0.98 for the OrganSMNIST Classification Challenge and 0.73 to 0.83 for a brain hemorrhage classification task. Furthermore, pre-training is up to nine times faster due to the dataset reduction. In conclusion, the proposed approach highlights the importance of dataset quality and provides a transferable approach to improve contrastive pre-training for classification downstream tasks on medical images.
| DOI: | 10.1016/j.compbiomed.2024.109242 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39388839/ |
Abstract:
Self-supervised pre-training of deep learning models with contrastive learning is a widely used technique in image analysis. Current findings indicate a strong potential for contrastive pre-training on medical images. However, further research is necessary to incorporate the particular characteristics of these images. We hypothesize that the similarity of medical images hinders the success of contrastive learning in the medical imaging domain. To this end, we investigate different strategies based on deep embedding, information theory, and hashing in order to identify and reduce redundancy in medical pre-training datasets. The effect of these different reduction strategies on contrastive learning is evaluated on two pre-training datasets and several downstream classification tasks. In all of our experiments, dataset reduction leads to a considerable performance gain in downstream tasks, e.g., an AUC score improvement from 0.78 to 0.83 for the COVID CT Classification Grand Challenge, 0.97 to 0.98 for the OrganSMNIST Classification Challenge and 0.73 to 0.83 for a brain hemorrhage classification task. Furthermore, pre-training is up to nine times faster due to the dataset reduction. In conclusion, the proposed approach highlights the importance of dataset quality and provides a transferable approach to improve contrastive pre-training for classification downstream tasks on medical images.
[English]
Z. Rong,
H. Mai,
G. Ebert,
S. Kapoor,
V. G. Puelles,
J. Czogalla,
S. Hu,
J. Su,
D. Prtvar,
I. Singh,
J. Schädler,
C. Delbridge,
H. Steinke,
H. Frenzel,
K. Schmidt,
C. Braun,
G. Bruch,
V. Ruf,
K. Sühs,
M. Nemati,
F. Hopfner,
S. Ulukaya,
D. Jeridi,
D. Mistretta,
O. S. Caliskan,
J. M. Wettengel,
F. Cherif,
Z. I. Kolabas,
M. Molbay,
I. Horvath,
S. Zhao,
N. Krahmer,
A. Ö. Yildirim,
S. Ussar,
J. Herms,
T. B. Huber,
S. Tahirovic,
S. M. Schwarzmaier,
N. Plesnila,
G. Höglinger,
B. Ondruschka,
I. Bechmann,
U. Protzer,
M. Elsner,
H. S. Bhatia,
F. Hellal and
A. Erturk,
"Persistence of spike protein at the skull-meninges-brain axis may contribute to the neurological sequelae of COVID-19",
Cell Host & Microbe,
vol. 32,
no. 12,
pp. 2112-2130,
Dez.
2024.
| DOI: | 10.1016/j.chom.2024.11.007 |
| Datei: | https://www.cell.com/cell-host-microbe/abstract/S1931-3128(24)00438-4 |
H. Meyer,
C. Ehrengut,
A. Aghayev,
M. Hinnerichs,
D. Schramm,
F. G. Meinel,
J. Borggrefe and
A. Surov,
"Pleural and pericardial effusions as prognostic factors in patients with acute pulmonary embolism: a multicenter study",
Emergency radiology,
vol. 31,
no. 6,
pp. 815-821,
Dez.
2024.
Abstract:
The prognostic role of pleural and pericardial effusion in patients with acute pulmonary embolism (PE) is still unclear with a trend for worse clinical outcome. The aim of the present study was to demonstrate the prognostic role of pleural and pericardial effusion in patients with acute PE in a large multicentre setting. The investigated patient sampled was retrospectively comprised of 1082 patients (494 female, 45.7%) with a mean age of 63.8 years ± 15.8. In every case, contrast enhanced computed tomography (CT) pulmonalis angiography was analyzed to diagnose and quantify the pleural and pericardial effusion. The 30-day mortality was the primary endpoint of this study. A total of 127 patients (11.7%) died within the 30-day observation period. Pleural effusion was identified in 438 patients (40.5%) and pericardial effusion was identified in 196 patients (18.1%). The presence of pleural effusion was associated with 30-day mortality, HR = 2.78 (95%CI1.89-4.0), p < 0.001 (univariable analysis), and HR = 2.52 (95%CI1.69-3.76), p < 0.001 (multivariable analysis). The pleural effusion width and density were not associated with 30-day mortality. The presence of pericardial effusion was not associated with 30-day mortality in multivariable analysis, HR = 1.28 (95%CI 0.80-2.03), p = 0.29. Pleural effusion is a common finding in patients with acute pulmonary embolism, occurring in 40.5% of cases, and is a prognostic imaging finding associated with 30-day mortality. The presence of pleural effusion alone, regardless of volume or density, has been shown to be prognostic and should be included in CT reports. The prognostic role of pericardial effusion is limited.
| DOI: | 10.1007/s10140-024-02281-7 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39210199/ |
Abstract:
The prognostic role of pleural and pericardial effusion in patients with acute pulmonary embolism (PE) is still unclear with a trend for worse clinical outcome. The aim of the present study was to demonstrate the prognostic role of pleural and pericardial effusion in patients with acute PE in a large multicentre setting. The investigated patient sampled was retrospectively comprised of 1082 patients (494 female, 45.7%) with a mean age of 63.8 years ± 15.8. In every case, contrast enhanced computed tomography (CT) pulmonalis angiography was analyzed to diagnose and quantify the pleural and pericardial effusion. The 30-day mortality was the primary endpoint of this study. A total of 127 patients (11.7%) died within the 30-day observation period. Pleural effusion was identified in 438 patients (40.5%) and pericardial effusion was identified in 196 patients (18.1%). The presence of pleural effusion was associated with 30-day mortality, HR = 2.78 (95%CI1.89-4.0), p < 0.001 (univariable analysis), and HR = 2.52 (95%CI1.69-3.76), p < 0.001 (multivariable analysis). The pleural effusion width and density were not associated with 30-day mortality. The presence of pericardial effusion was not associated with 30-day mortality in multivariable analysis, HR = 1.28 (95%CI 0.80-2.03), p = 0.29. Pleural effusion is a common finding in patients with acute pulmonary embolism, occurring in 40.5% of cases, and is a prognostic imaging finding associated with 30-day mortality. The presence of pleural effusion alone, regardless of volume or density, has been shown to be prognostic and should be included in CT reports. The prognostic role of pericardial effusion is limited.
A. Schlegtendal,
C. Maier,
J. Stein,
J. Höpner,
A. Petersmann,
D. Drinka,
R. Berner,
T. Lücke,
N. Toepfner and
F. Brinkmann,
"Post-coronavirus disease 2019-associated symptoms among children and adolescents in the SARS-CoV-2 Omicron era.",
European journal of pediatrics,
Dez.
2024.
Abstract:
Mangel an Kontrollgruppe(n) und Selektionsbias waren die Hauptkritiken früherer Studien, die die Prävalenz des post-coronavirus-Krankheit 2019 (COVID-19)-Syndroms (PCS) untersuchten. Es gibt unzureichende Daten zu pädiatrischen PCS, insbesondere in der SARS-CoV-2 Omicron-Ära. Als solche untersuchte unsere Studie PCS-assoziierte Symptome in einer repräsentativen kontrollangepassten Kohorte. Im Rahmen des Projekts "Immunebridge" der Deutschen Netzwerkuniversitätsmedizin (NUM) wurden zwischen Juli und Oktober 2022 Kinder und Jugendliche rekrutiert. Kinder mit Polymerase-Kettenreaktion bestätigte SARS-CoV-2 Infektion in 2022 (COVID-19 Gruppe) wurden mit denen ohne Geschichte der SARS-CoV-2 Infektion und negativ für SARS-CoV-2 Antikörper verglichen. Zu den Abfragen gehören Impfungen, Lebensqualität (QoL) und psychische und körperliche Symptome, die in den letzten drei Monaten möglicherweise mit PCS verbunden sind. Aus den Antworten wurde ein zusätzlicher Verbundwerkstoff "physikalische Leistung" geschaffen. Die Anzahl der Kinder mit ≥ 1 PCS-Symptom(en) war zwischen den COVID-19 (n = 114 [62.1%]) und Kontrollgruppen (n = 66 [64.9%]) vergleichbar. Konzentrationsstörungen wurden häufiger in der COVID-19 Gruppe gemeldet (12,3 % gegenüber 1,5 %; p = 0,012) und "physische Leistung" wurde deutlich beeinträchtigt (p = 0,016) unabhängig von Alter, Geschlecht und SARS-CoV-2 Impfung. Die Häufigkeiten anderer Symptome waren in beiden Gruppen ähnlich. Die COVID-19 Gruppe bewertet ihre Fitness so schlechter, mit ansonsten gleichen QoL-Ratings in Bezug auf allgemeine und geistige Gesundheit. Fazit Kinder mit und ohne vorherige Infektionen waren in den meisten PCS-assoziierten Symptomen nicht unterschiedlich. Ausnahmen enthielten körperliche Leistungsfähigkeit und kognitive Probleme, die nach Omicron-Infektion stärker beeinträchtigt als in Kontrollen. • Vor allem durch zu wenige kontrollierte Studien ist das Wissen über die Prävalenz einzelner Symptome im pädiatrischen post-COVID-19-Syndrom (PCS) für die Omicron-Ära schlecht. • In einer repräsentativen kontrollangepassten Kohorte unterscheiden sich die meisten elterlich gemeldeten PCS-assoziierten Symptome und die Lebensqualität bei Kindern und Jugendlichen mit einer PCR-geprüften SARS-CoV-2 Infektion nicht von denen ohne Infektion. • Ausnahmen waren körperliche Leistungsfähigkeit und kognitive Probleme, die nach SARS-CoV-2-Omicron-Infektion offenbar stärker beeinträchtigt wurden als in den Kontrollpersonen.
| DOI: | 10.1007/s00431-024-05919-3 |
Abstract:
Mangel an Kontrollgruppe(n) und Selektionsbias waren die Hauptkritiken früherer Studien, die die Prävalenz des post-coronavirus-Krankheit 2019 (COVID-19)-Syndroms (PCS) untersuchten. Es gibt unzureichende Daten zu pädiatrischen PCS, insbesondere in der SARS-CoV-2 Omicron-Ära. Als solche untersuchte unsere Studie PCS-assoziierte Symptome in einer repräsentativen kontrollangepassten Kohorte. Im Rahmen des Projekts "Immunebridge" der Deutschen Netzwerkuniversitätsmedizin (NUM) wurden zwischen Juli und Oktober 2022 Kinder und Jugendliche rekrutiert. Kinder mit Polymerase-Kettenreaktion bestätigte SARS-CoV-2 Infektion in 2022 (COVID-19 Gruppe) wurden mit denen ohne Geschichte der SARS-CoV-2 Infektion und negativ für SARS-CoV-2 Antikörper verglichen. Zu den Abfragen gehören Impfungen, Lebensqualität (QoL) und psychische und körperliche Symptome, die in den letzten drei Monaten möglicherweise mit PCS verbunden sind. Aus den Antworten wurde ein zusätzlicher Verbundwerkstoff "physikalische Leistung" geschaffen. Die Anzahl der Kinder mit ≥ 1 PCS-Symptom(en) war zwischen den COVID-19 (n = 114 [62.1%]) und Kontrollgruppen (n = 66 [64.9%]) vergleichbar. Konzentrationsstörungen wurden häufiger in der COVID-19 Gruppe gemeldet (12,3 % gegenüber 1,5 %; p = 0,012) und "physische Leistung" wurde deutlich beeinträchtigt (p = 0,016) unabhängig von Alter, Geschlecht und SARS-CoV-2 Impfung. Die Häufigkeiten anderer Symptome waren in beiden Gruppen ähnlich. Die COVID-19 Gruppe bewertet ihre Fitness so schlechter, mit ansonsten gleichen QoL-Ratings in Bezug auf allgemeine und geistige Gesundheit. Fazit Kinder mit und ohne vorherige Infektionen waren in den meisten PCS-assoziierten Symptomen nicht unterschiedlich. Ausnahmen enthielten körperliche Leistungsfähigkeit und kognitive Probleme, die nach Omicron-Infektion stärker beeinträchtigt als in Kontrollen. • Vor allem durch zu wenige kontrollierte Studien ist das Wissen über die Prävalenz einzelner Symptome im pädiatrischen post-COVID-19-Syndrom (PCS) für die Omicron-Ära schlecht. • In einer repräsentativen kontrollangepassten Kohorte unterscheiden sich die meisten elterlich gemeldeten PCS-assoziierten Symptome und die Lebensqualität bei Kindern und Jugendlichen mit einer PCR-geprüften SARS-CoV-2 Infektion nicht von denen ohne Infektion. • Ausnahmen waren körperliche Leistungsfähigkeit und kognitive Probleme, die nach SARS-CoV-2-Omicron-Infektion offenbar stärker beeinträchtigt wurden als in den Kontrollpersonen.
T. Penzkofer,
"Prostate MRI: what to consider when shopping for AI tools.",
European radiology,
Dez.
2024.
Abstract:
Industriefokusierte Software Tipps.
| DOI: | 10.1007/s00330-024-10867-5 |
Abstract:
Industriefokusierte Software Tipps.
T. Penzkofer,
"Prostate-MRI reporting should be done with the aid of AI systems: Pros.",
European radiology,
Dez.
2024.
Abstract:
Industriefokusierte Software Tipps // KI Tipps.
| DOI: | 10.1007/s00330-024-10909-y |
Abstract:
Industriefokusierte Software Tipps // KI Tipps.
K. Steeg,
E. Bohrer,
S. B. Schäfer,
V. D. Vu,
J. Scherberich,
A. G. Windfelder and
G. A. Krombach,
"Re-identification of anonymised MRI head images with publicly available software: investigation of the current risk to patient privacy.",
EClinicalMedicine,
Dez.
2024.
Abstract:
Gesichtserkennungssoftware (FRS) wurde historisch als Mangel an der Fähigkeit empfunden, Personen aus medizinischen Querschnittsbildern zu identifizieren. Die Verwendung solcher Daten zu Identifizierungszwecken wurde aufgrund der erheblichen Rechenleistung und der speziellen technischen Expertise, die sie benötigen, als unlösbar angesehen. Die jüngsten Fortschritte in der auf künstlicher Intelligenz basierenden (AI-basierten) Software und Open-Source-Tools haben diese Anwendungen jedoch weit verbreitet und einfach zu bedienen und neue Datenschutzbedenken zu erhöhen. Dieses Konzept wurde als Querschnittsstudie konzipiert und umfasste Teilnehmer mit einer verifizierten Online-Präsenz. An diesen Teilnehmern wurden Standard-Magnetresonanztomographie (MRI)-Kopfscans durchgeführt, aus denen mittels freier und öffentlich verfügbarer Software dreidimensionale Rendering-Bilder (3DR) erstellt wurden. Diese Bilder wurden für Gesichtssuche durch kostenlose und öffentlich verfügbare FRS verwendet. Auf die 3DR-Bilder wurden unterschiedliche Kopforientierungen und Frisuren angewendet, um zu beurteilen, ob die FRS-Ergebnisse nicht-gesichtsmäßig beeinflusst wurden. Alle Ergebnisse wurden zwischen dem 10. Februar 2024 und dem 1. März 2024 erzielt. Gesichtssuche von 3DR-Bildern in einer Datenbank mit mehr als 800 Millionen Bildern aus dem World Wide Web (WWW) ergaben richtige Spiele für 50% der Teilnehmer in weniger als 10 min. Die benutzerfreundliche Software benötigt minimale Rechenkenntnisse oder Ressourcen, so dass dieser Prozess weit zugänglich ist. Modifizierende Elemente wie Frisuren oder die Orientierung des 3DR, um tatsächliche Fotografien der Teilnehmer besser ähneln, verbesserte FRS-Spiele. Aktuelle bestehende FRS können Personen aus MRI-Kopf-Scans schnell und genau identifizieren. Dies stellt ein erhebliches Datenschutzrisiko für Teilnehmer an eingeschriebenen klinischen Studien dar und unterstreicht den dringenden Bedarf an verbesserten Datenschutzmaßnahmen und erhöhter Sensitivität, um die Vertraulichkeit der Teilnehmer zu gewährleisten. Für diese Studie gab es keine Finanzierungsquelle.
| DOI: | 10.1016/j.eclinm.2024.102930 |
Abstract:
Gesichtserkennungssoftware (FRS) wurde historisch als Mangel an der Fähigkeit empfunden, Personen aus medizinischen Querschnittsbildern zu identifizieren. Die Verwendung solcher Daten zu Identifizierungszwecken wurde aufgrund der erheblichen Rechenleistung und der speziellen technischen Expertise, die sie benötigen, als unlösbar angesehen. Die jüngsten Fortschritte in der auf künstlicher Intelligenz basierenden (AI-basierten) Software und Open-Source-Tools haben diese Anwendungen jedoch weit verbreitet und einfach zu bedienen und neue Datenschutzbedenken zu erhöhen. Dieses Konzept wurde als Querschnittsstudie konzipiert und umfasste Teilnehmer mit einer verifizierten Online-Präsenz. An diesen Teilnehmern wurden Standard-Magnetresonanztomographie (MRI)-Kopfscans durchgeführt, aus denen mittels freier und öffentlich verfügbarer Software dreidimensionale Rendering-Bilder (3DR) erstellt wurden. Diese Bilder wurden für Gesichtssuche durch kostenlose und öffentlich verfügbare FRS verwendet. Auf die 3DR-Bilder wurden unterschiedliche Kopforientierungen und Frisuren angewendet, um zu beurteilen, ob die FRS-Ergebnisse nicht-gesichtsmäßig beeinflusst wurden. Alle Ergebnisse wurden zwischen dem 10. Februar 2024 und dem 1. März 2024 erzielt. Gesichtssuche von 3DR-Bildern in einer Datenbank mit mehr als 800 Millionen Bildern aus dem World Wide Web (WWW) ergaben richtige Spiele für 50% der Teilnehmer in weniger als 10 min. Die benutzerfreundliche Software benötigt minimale Rechenkenntnisse oder Ressourcen, so dass dieser Prozess weit zugänglich ist. Modifizierende Elemente wie Frisuren oder die Orientierung des 3DR, um tatsächliche Fotografien der Teilnehmer besser ähneln, verbesserte FRS-Spiele. Aktuelle bestehende FRS können Personen aus MRI-Kopf-Scans schnell und genau identifizieren. Dies stellt ein erhebliches Datenschutzrisiko für Teilnehmer an eingeschriebenen klinischen Studien dar und unterstreicht den dringenden Bedarf an verbesserten Datenschutzmaßnahmen und erhöhter Sensitivität, um die Vertraulichkeit der Teilnehmer zu gewährleisten. Für diese Studie gab es keine Finanzierungsquelle.
J. Kottlors,
P. Fervers,
M. F. Froelich,
J. Grunz,
C. Booz,
A. Iuga,
D. Maintz,
C. Heneweer,
T. Persigehl and
N. Große Hokamp,
"The worldwide COVID-19 pandemic caused a decline in sonographic examinations - is this a continuing trend?",
RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin,
Dez.
2024.
Abstract:
Aufgrund der steigenden Anzahl an COVID-19-Infektionen seit Frühjahr 2020 hat sich der Patient-Pflege-Workflow in Deutschland verändert. Zur Minimierung der Gesichtsbelichtung und zur Verringerung des Infektionsrisikos wurden nicht zeitkritische elektive medizinische Verfahren verschoben. Da Ultraschalluntersuchungen nicht zeitkritische Wahlprüfungen umfassen und oft durch andere bildgebende Modalitäten ersetzt werden können, die keinen direkten Patientenkontakt erfordern, ist die Anzahl der Untersuchungen deutlich zurückgegangen. Ziel dieser Studie ist es, die Basiszahl der Ultraschalluntersuchungen in den Jahren vor, während und in der frühen post-pandemischen Periode der COVID-19 Pandemie (seit Januar 2015 bis September 2023) zu quantifizieren und die Anzahl der Untersuchungen an verschiedenen deutschen Universitätskliniken zu messen. Die Anzahl der Untersuchungen wurde anhand einer webbasierten Datenbank an allen teilnehmenden Kliniken zu den angegebenen Zeitpunkten bewertet. N = 288 562 Sonographische Untersuchungen von vier Standorten wurden in die vorliegende Untersuchung einbezogen. Von Januar 2020 bis Juni 2020 wurde eine deutlich niedrigere Anzahl von Untersuchungen von n = 591.21 vs. 698.43 (p = 0,01) pro Monat und inkl. Zentrum durchgeführt. Auch ohne die anfängliche Pandemie bis Juni 2020 wurden deutlich weniger Ultraschalluntersuchungen im Vergleich zu den Vor-Paridem-Jahren 648.1 vs. 698.4 (p < 0,05), pro Monat und inklusive Zentrum durchgeführt, wobei hier Unterschiede zwischen den einzelnen Zentren beobachtet wurden. In der späten Phase der Pandemie (n = 681.96) und in der post-pandemischen Phase (wie durch die WHO-Kriterien vom Mai 2023 definiert; n = 739.95) kehrte die Anzahl der sonographischen Untersuchungen auf die vor-pandemische Ebene zurück. Der Rückgang der durch die COVID-19 Pandemie verursachten sonographischen Untersuchungen war zunächst weitgehend absichtlich und kann quantitativ dargestellt werden. Nach einem anfänglichen abrupten Rückgang der sonographischen Untersuchungen konnte die Vor-Parademie für eine lange Zeit nicht erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. In der post-pandemischen Phase wurde die Vor-pandemik wieder erreicht. Die Gründe für eine längere Reduzierung der Ultraschalluntersuchungen werden in diesem Artikel diskutiert. · Während der Pandemie wurden deutlich weniger Ultraschalluntersuchungen in den eingeschlossenen Zentren durchgeführt.. · Die Anzahl der Untersuchungen konnte für eine lange Zeit nicht auf die Vor-Parade-Ebene erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. · Die Identifizierung der Ursachen für die sonographische Prüfungsreduktion ist entscheidend für die pandemische Bereitschaft, die Qualität und Kontinuität der Gesundheitsversorgung für alle Patienten zu gewährleisten. · Der lang anhaltende Rückgang der sonographischen Untersuchungen während der Pandemie stellt keinen dauerhaften Trend dar, wie sich die Rückkehr zu vor-pandemischen Ebenen bemerkbar macht. · Kottlors J, Fervers P, Froelich M et al. Die weltweite COVID-19 Pandemie verursachte einen Rückgang der sonographischen Untersuchungen - ist das ein anhaltender Trend?. Fürtschr Röntgenstr 2024; 196: 1246 - 1252.
| DOI: | 10.1055/a-2263-1632 |
Abstract:
Aufgrund der steigenden Anzahl an COVID-19-Infektionen seit Frühjahr 2020 hat sich der Patient-Pflege-Workflow in Deutschland verändert. Zur Minimierung der Gesichtsbelichtung und zur Verringerung des Infektionsrisikos wurden nicht zeitkritische elektive medizinische Verfahren verschoben. Da Ultraschalluntersuchungen nicht zeitkritische Wahlprüfungen umfassen und oft durch andere bildgebende Modalitäten ersetzt werden können, die keinen direkten Patientenkontakt erfordern, ist die Anzahl der Untersuchungen deutlich zurückgegangen. Ziel dieser Studie ist es, die Basiszahl der Ultraschalluntersuchungen in den Jahren vor, während und in der frühen post-pandemischen Periode der COVID-19 Pandemie (seit Januar 2015 bis September 2023) zu quantifizieren und die Anzahl der Untersuchungen an verschiedenen deutschen Universitätskliniken zu messen. Die Anzahl der Untersuchungen wurde anhand einer webbasierten Datenbank an allen teilnehmenden Kliniken zu den angegebenen Zeitpunkten bewertet. N = 288 562 Sonographische Untersuchungen von vier Standorten wurden in die vorliegende Untersuchung einbezogen. Von Januar 2020 bis Juni 2020 wurde eine deutlich niedrigere Anzahl von Untersuchungen von n = 591.21 vs. 698.43 (p = 0,01) pro Monat und inkl. Zentrum durchgeführt. Auch ohne die anfängliche Pandemie bis Juni 2020 wurden deutlich weniger Ultraschalluntersuchungen im Vergleich zu den Vor-Paridem-Jahren 648.1 vs. 698.4 (p < 0,05), pro Monat und inklusive Zentrum durchgeführt, wobei hier Unterschiede zwischen den einzelnen Zentren beobachtet wurden. In der späten Phase der Pandemie (n = 681.96) und in der post-pandemischen Phase (wie durch die WHO-Kriterien vom Mai 2023 definiert; n = 739.95) kehrte die Anzahl der sonographischen Untersuchungen auf die vor-pandemische Ebene zurück. Der Rückgang der durch die COVID-19 Pandemie verursachten sonographischen Untersuchungen war zunächst weitgehend absichtlich und kann quantitativ dargestellt werden. Nach einem anfänglichen abrupten Rückgang der sonographischen Untersuchungen konnte die Vor-Parademie für eine lange Zeit nicht erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. In der post-pandemischen Phase wurde die Vor-pandemik wieder erreicht. Die Gründe für eine längere Reduzierung der Ultraschalluntersuchungen werden in diesem Artikel diskutiert. · Während der Pandemie wurden deutlich weniger Ultraschalluntersuchungen in den eingeschlossenen Zentren durchgeführt.. · Die Anzahl der Untersuchungen konnte für eine lange Zeit nicht auf die Vor-Parade-Ebene erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. · Die Identifizierung der Ursachen für die sonographische Prüfungsreduktion ist entscheidend für die pandemische Bereitschaft, die Qualität und Kontinuität der Gesundheitsversorgung für alle Patienten zu gewährleisten. · Der lang anhaltende Rückgang der sonographischen Untersuchungen während der Pandemie stellt keinen dauerhaften Trend dar, wie sich die Rückkehr zu vor-pandemischen Ebenen bemerkbar macht. · Kottlors J, Fervers P, Froelich M et al. Die weltweite COVID-19 Pandemie verursachte einen Rückgang der sonographischen Untersuchungen - ist das ein anhaltender Trend?. Fürtschr Röntgenstr 2024; 196: 1246 - 1252.
A. M. Bucher,
J. Egger,
J. Dietz,
R. Strecker,
T. Hilbert,
E. Frodl,
M. Wenzel,
T. Penzkofer,
B. Hamm,
F. K. Chun,
T. Vogl,
J. Kleesiek and
M. Beeres,
"Value of MRI - T2 Mapping to Differentiate Clinically Significant Prostate Cancer.",
Journal of imaging informatics in medicine,
Dez.
2024.
Abstract:
Die standardisierte Berichterstattung der multiparametrischen Prostata MRI (mpMRI) ist weit verbreitet und folgt internationalen Standards (Pi-RADS). Allerdings sind quantitative Messungen von mpMRI nicht weit vergleichbar. Obwohl T2 Mapping-Sequenzen wiederholbare quantitative Bildmessungen liefern und zuverlässige bildgebende Biomarker aus mpMRI extrahieren können, sind sie oft zeitaufwendig. Wir untersuchten daher den Wert quantitativer Messungen auf einer hoch beschleunigten T2-Mapping-Sequenz, um eine Schwelle zu schaffen, um Gutign von malignen Läsionen zu unterscheiden. Dazu haben wir eine neuartige, hoch beschleunigte T2-Mapping-Forschungssequenz ausgewertet, die eine hochauflösende Bildaufnahme mit kurzen Akquisitionszeiten in der klinischen Praxis ermöglicht. In dieser retrospektiven Einzelzentrumsstudie umfassten wir 54 Patienten mit klinisch angedeutetem MRT des Prostata- und Biopsie bestätigten Karzinoms (n = 37) oder Ausschluss von Karzinom (n = 17). Alle Patienten hatten einen Standard der Pflegebiopsie der Prostata erhalten, deren Ergebnisse verwendet wurden, um die Anwesenheit von malignen Läsionen zu bestätigen oder auszuschließen. Wir nutzten die linearen Mischeffekte Modell-fit von REML, um die Differenz zwischen Mittelwerten von Krebsgewebe und gesundem Gewebe zu bestimmen. Wir fanden eine gute Differenzierung zwischen malignen Läsionen und normal auftretendem Gewebe in der peripheren Zone basierend auf dem mittleren T2-Wert. Insbesondere betrug der mittlere T2-Wert für Gewebe ohne maligne Läsionen (151,7 ms [95% CI: 146,9-156,5 ms] im Vergleich zu 80,9 ms für maligne Läsionen [95% CI: 67.9-79,1 ms]; p < 0,001). Auf der Grundlage dieser Bewertung wird eine Grenze von 109,2 ms vorgeschlagen. Zwar wurde eine signifikante Korrelation zwischen T2 -Werten der Peripheriezone und PI-RADS-Scores beobachtet (p = 0,0194). Es wurde jedoch keine Korrelation zwischen dem Gleason Score und der T2 Relaxationszeit gefunden. Mit REML fanden wir einen Unterschied von -82,7 ms bei Mittelwerten zwischen Krebsgewebe und gesundem Gewebe. Wir haben einen Cut-off-Wert von 109,2 ms ermittelt, um genau zwischen malignen und nicht malignen Prostataregionen zu unterscheiden. Die Hinzufügung von T2 Mapping-Sequenzen zur Routineabbildung könnte eine automatisierte Läsionserkennung und eine kontrastfreie multiparametrische MRT der Prostata ermöglichen.
| DOI: | 10.1007/s10278-024-01150-6 |
Abstract:
Die standardisierte Berichterstattung der multiparametrischen Prostata MRI (mpMRI) ist weit verbreitet und folgt internationalen Standards (Pi-RADS). Allerdings sind quantitative Messungen von mpMRI nicht weit vergleichbar. Obwohl T2 Mapping-Sequenzen wiederholbare quantitative Bildmessungen liefern und zuverlässige bildgebende Biomarker aus mpMRI extrahieren können, sind sie oft zeitaufwendig. Wir untersuchten daher den Wert quantitativer Messungen auf einer hoch beschleunigten T2-Mapping-Sequenz, um eine Schwelle zu schaffen, um Gutign von malignen Läsionen zu unterscheiden. Dazu haben wir eine neuartige, hoch beschleunigte T2-Mapping-Forschungssequenz ausgewertet, die eine hochauflösende Bildaufnahme mit kurzen Akquisitionszeiten in der klinischen Praxis ermöglicht. In dieser retrospektiven Einzelzentrumsstudie umfassten wir 54 Patienten mit klinisch angedeutetem MRT des Prostata- und Biopsie bestätigten Karzinoms (n = 37) oder Ausschluss von Karzinom (n = 17). Alle Patienten hatten einen Standard der Pflegebiopsie der Prostata erhalten, deren Ergebnisse verwendet wurden, um die Anwesenheit von malignen Läsionen zu bestätigen oder auszuschließen. Wir nutzten die linearen Mischeffekte Modell-fit von REML, um die Differenz zwischen Mittelwerten von Krebsgewebe und gesundem Gewebe zu bestimmen. Wir fanden eine gute Differenzierung zwischen malignen Läsionen und normal auftretendem Gewebe in der peripheren Zone basierend auf dem mittleren T2-Wert. Insbesondere betrug der mittlere T2-Wert für Gewebe ohne maligne Läsionen (151,7 ms [95% CI: 146,9-156,5 ms] im Vergleich zu 80,9 ms für maligne Läsionen [95% CI: 67.9-79,1 ms]; p < 0,001). Auf der Grundlage dieser Bewertung wird eine Grenze von 109,2 ms vorgeschlagen. Zwar wurde eine signifikante Korrelation zwischen T2 -Werten der Peripheriezone und PI-RADS-Scores beobachtet (p = 0,0194). Es wurde jedoch keine Korrelation zwischen dem Gleason Score und der T2 Relaxationszeit gefunden. Mit REML fanden wir einen Unterschied von -82,7 ms bei Mittelwerten zwischen Krebsgewebe und gesundem Gewebe. Wir haben einen Cut-off-Wert von 109,2 ms ermittelt, um genau zwischen malignen und nicht malignen Prostataregionen zu unterscheiden. Die Hinzufügung von T2 Mapping-Sequenzen zur Routineabbildung könnte eine automatisierte Läsionserkennung und eine kontrastfreie multiparametrische MRT der Prostata ermöglichen.
S. Kugai,
B. Aretz,
Y. Krumpholtz,
M. Schmidt,
D. Süssle,
L. Steyer,
A. Henkel,
K. Bender,
F. Girrbach,
S. Stehr,
K. Balzer and
B. Weltermann,
"Innovative Regional Services and Heterogeneous Communication Channels: Results from the Nationwide German egePan Project for Pandemic Management",
Healthcare,
vol. 21,
no. 21,
pp. 2192,
Nov.
2024.
| DOI: | 10.3390/healthcare12212192 |
T. Hoffmann,
U. Teichgräber,
B. Lassen-Schmidt,
D. Renz,
L. B. Brüheim,
M. Krämer,
P. Oelzner,
J. Böttcher,
F. Güttler,
G. Wolf and
A. Pfeil,
"Artificial intelligence-based quantification of pulmonary HRCT (AIqpHRCT) for the evaluation of interstitial lung disease in patients with inflammatory rheumatic diseases.",
Rheumatology international,
Nov.
2024.
Abstract:
Die hochauflösende berechnete Tomographie (HRCT) ist wichtig für die Diagnose der interstitiellen Lungenerkrankung (ILD) bei entzündlichen rheumatischen Erkrankungen (IRD)-Patienten. Die visuelle ILD-Bewertung über HRCT hat jedoch oft eine hohe Interreader-Variabilität. Künstliche Intelligenz (KI)-basierte Techniken für quantitative Bildanalyse versprechen genauere Diagnose- und Prognoseinformationen. Diese Studie bewertete die Zuverlässigkeit der künstlichen Intelligenz-basierten Quantifizierung von pulmonären HRCT (AIqpHRCT) bei IRD-ILD-Patienten und überprüfte IRD-ILD-Quantifizierung mit AIqpHRCT im klinischen Umfeld. Die Reproduzierbarkeit von AIqpHRCT wurde für jedes typische HRCT-Muster (Bodenglas-Optik [GGO], unspezifische interstitielle Lungenentzündung [NSIP], übliche interstitielle Lungenentzündung [UIP], Granuloma) überprüft. Zusätzlich wurden 50 HRCT-Datensätze von 50 IRD-ILD-Patienten mit AIqpHRCT analysiert und mit klinischen Daten und Lungenfunktionsparametern korreliert. AIqpHRCT präsentierte eine 100%ige Vereinbarung (Koeffizient der Variation = 0,00%, Intraklasse-Korrelationskoeffizient = 1.000) über die Detektion des unterschiedlichen HRCT-Musters. Darüber hinaus zeigten AIqpHRCT-Daten eine Zunahme der ILD von 10,7 ± 28,3 % (vermittelt = 1,3 %) in GGO auf 18,9 ± 12,4 % (vermittelt = 18,0 %) im UIP-Muster. Das Ausmaß der Fibrose korrelierte mit FVC (ρ=-0.501), DC (ρ=-0.622) und DLCO (ρ=-0.693) (p < 0,001) negativ. GGO gemessen von AIqpHRCT auch signifikant negativ mit DLCO (ρ=-0.699), DC (ρ=-0.580) und FVC (ρ=-0.423) korreliert. Erstmals zeigt die Studie, dass AIpqHRCT eine hoch zuverlässige Methode zur Quantifizierung von Lungenparenchymalen Veränderungen in HRCT-Bildern von IRD-ILD-Patienten bietet. Ferner ergab die AIqpHRCT-Methode signifikante Zusammenhänge zwischen dem Ausmaß der ILD- und Lungenfunktionsparameter. Dies unterstreicht das Potenzial von AIpqHRCT, die Genauigkeit der ILD-Diagnostik und Prognose in klinischen Einstellungen zu verbessern, letztlich das Patientenmanagement und die Ergebnisse zu verbessern.
| DOI: | 10.1007/s00296-024-05715-0 |
Abstract:
Die hochauflösende berechnete Tomographie (HRCT) ist wichtig für die Diagnose der interstitiellen Lungenerkrankung (ILD) bei entzündlichen rheumatischen Erkrankungen (IRD)-Patienten. Die visuelle ILD-Bewertung über HRCT hat jedoch oft eine hohe Interreader-Variabilität. Künstliche Intelligenz (KI)-basierte Techniken für quantitative Bildanalyse versprechen genauere Diagnose- und Prognoseinformationen. Diese Studie bewertete die Zuverlässigkeit der künstlichen Intelligenz-basierten Quantifizierung von pulmonären HRCT (AIqpHRCT) bei IRD-ILD-Patienten und überprüfte IRD-ILD-Quantifizierung mit AIqpHRCT im klinischen Umfeld. Die Reproduzierbarkeit von AIqpHRCT wurde für jedes typische HRCT-Muster (Bodenglas-Optik [GGO], unspezifische interstitielle Lungenentzündung [NSIP], übliche interstitielle Lungenentzündung [UIP], Granuloma) überprüft. Zusätzlich wurden 50 HRCT-Datensätze von 50 IRD-ILD-Patienten mit AIqpHRCT analysiert und mit klinischen Daten und Lungenfunktionsparametern korreliert. AIqpHRCT präsentierte eine 100%ige Vereinbarung (Koeffizient der Variation = 0,00%, Intraklasse-Korrelationskoeffizient = 1.000) über die Detektion des unterschiedlichen HRCT-Musters. Darüber hinaus zeigten AIqpHRCT-Daten eine Zunahme der ILD von 10,7 ± 28,3 % (vermittelt = 1,3 %) in GGO auf 18,9 ± 12,4 % (vermittelt = 18,0 %) im UIP-Muster. Das Ausmaß der Fibrose korrelierte mit FVC (ρ=-0.501), DC (ρ=-0.622) und DLCO (ρ=-0.693) (p < 0,001) negativ. GGO gemessen von AIqpHRCT auch signifikant negativ mit DLCO (ρ=-0.699), DC (ρ=-0.580) und FVC (ρ=-0.423) korreliert. Erstmals zeigt die Studie, dass AIpqHRCT eine hoch zuverlässige Methode zur Quantifizierung von Lungenparenchymalen Veränderungen in HRCT-Bildern von IRD-ILD-Patienten bietet. Ferner ergab die AIqpHRCT-Methode signifikante Zusammenhänge zwischen dem Ausmaß der ILD- und Lungenfunktionsparameter. Dies unterstreicht das Potenzial von AIpqHRCT, die Genauigkeit der ILD-Diagnostik und Prognose in klinischen Einstellungen zu verbessern, letztlich das Patientenmanagement und die Ergebnisse zu verbessern.
L. Canalini,
E. G. Becker,
F. Risch,
S. Bette,
S. Hellbrueck,
J. Becker,
K. Rippel,
C. Scheurig-Muenkler,
T. Kroencke and
J. A. Decker,
"Radiomics Feature Stability in True and Virtual Non-Contrast Reconstructions from Cardiac Photon-Counting Detector CT Datasets.",
Diagnostics (Basel, Switzerland),
Nov.
2024.
Abstract:
<b>Objectives</b>: Virtuelle Nichtkontrast (VNC)-Serie rekonstruiert aus kontrastverstärkten Herzinfarkten, die mit Photonenzähler CT (PCD-CT)-Systemen erworben wurden, haben das Potenzial, echte Nichtkontrast (TNC)-Serie zu ersetzen. Es ist jedoch ein quantitativer Vergleich der Bildeigenschaften von TNC- und VNC-Daten erforderlich, um zu bestimmen, inwieweit sie austauschbar sind. Diese Arbeit wertet die Bildähnlichkeit zwischen VNC und TNC-Rekonstruktionen quantitativ aus, indem die Stabilität von Multi-Klassen-Radiomics-Funktionen gemessen wird, die in intra-Patient-TNC- und VNC-Rekonstruktionen extrahiert werden. <b>Methods</b>: TNC und VNC Serie von 84 Patienten wurden rückwirkend gesammelt. Für jeden Patienten wurden das Myokard- und Epikardipos-Gewebe (EAT) in beiden VNC- und TNC-Rekonstruktionen halbautomatisch segmentiert und in jeder Maske 105 Radiomics-Features extrahiert. Intra-feature Korrelationspunkte wurden mit dem Intra-Klasse Korrelationskoeffizienten (ICC) berechnet. Stabile Merkmale wurden mit einem ICC über 0,75 definiert. <b>Results</b>: Im Myokard wurden 41 stabile Features identifiziert, und die drei mit dem höchsten ICC waren gglrlm GrayLevelVariance mit ICC3 von 0.98 [0.97, 0.99], ngtdm Strength mit ICC3 von 0.97 [0.95, 0.98], firstorder Variance mit ICC3 von 0.96 [0.94, 0.98]. Für das epikardiale Fett wurden 40 stabile Eigenschaften gefunden, und die drei höchsten Range sind Firstorder Median mit ICC3 von 0.96 [0.93, 0.97], firstorder RootMeanSquared mit ICC3 von 0.95 [0.92, 0.97], firstorder Mean mit ICC3 von 0.95 [0.92, 0.97]. Insgesamt 24 Merkmale (22,8%; 24/105) zeigten Stabilität in beiden anatomischen Strukturen. <b>Ausschlüsse </b>: Die signifikanten Unterschiede in der Korrelation von Radiomics-Features in VNC- und TNC-Volumen des Myokards und Epicardie-Fetts deuteten darauf hin, dass sich die beiden Rekonstruktionen mehr als ursprünglich angenommen unterscheiden können. Dies deutet darauf hin, dass sie nicht austauschbar sind, und solche Unterschiede könnten klinische Auswirkungen haben. Daher sollte bei der Auswahl von VNC als Ersatz für TNC in der Radiomikroforschung darauf geachtet werden, eine genaue und zuverlässige Analyse zu gewährleisten. Darüber hinaus können die beobachteten Variationen die klinischen Arbeitsabläufe beeinflussen, wo eine präzise Gewebecharakterisierung für die Diagnose- und Behandlungsplanung kritisch ist.
| DOI: | 10.3390/diagnostics14222483 |
Abstract:
<b>Objectives</b>: Virtuelle Nichtkontrast (VNC)-Serie rekonstruiert aus kontrastverstärkten Herzinfarkten, die mit Photonenzähler CT (PCD-CT)-Systemen erworben wurden, haben das Potenzial, echte Nichtkontrast (TNC)-Serie zu ersetzen. Es ist jedoch ein quantitativer Vergleich der Bildeigenschaften von TNC- und VNC-Daten erforderlich, um zu bestimmen, inwieweit sie austauschbar sind. Diese Arbeit wertet die Bildähnlichkeit zwischen VNC und TNC-Rekonstruktionen quantitativ aus, indem die Stabilität von Multi-Klassen-Radiomics-Funktionen gemessen wird, die in intra-Patient-TNC- und VNC-Rekonstruktionen extrahiert werden. <b>Methods</b>: TNC und VNC Serie von 84 Patienten wurden rückwirkend gesammelt. Für jeden Patienten wurden das Myokard- und Epikardipos-Gewebe (EAT) in beiden VNC- und TNC-Rekonstruktionen halbautomatisch segmentiert und in jeder Maske 105 Radiomics-Features extrahiert. Intra-feature Korrelationspunkte wurden mit dem Intra-Klasse Korrelationskoeffizienten (ICC) berechnet. Stabile Merkmale wurden mit einem ICC über 0,75 definiert. <b>Results</b>: Im Myokard wurden 41 stabile Features identifiziert, und die drei mit dem höchsten ICC waren gglrlm GrayLevelVariance mit ICC3 von 0.98 [0.97, 0.99], ngtdm Strength mit ICC3 von 0.97 [0.95, 0.98], firstorder Variance mit ICC3 von 0.96 [0.94, 0.98]. Für das epikardiale Fett wurden 40 stabile Eigenschaften gefunden, und die drei höchsten Range sind Firstorder Median mit ICC3 von 0.96 [0.93, 0.97], firstorder RootMeanSquared mit ICC3 von 0.95 [0.92, 0.97], firstorder Mean mit ICC3 von 0.95 [0.92, 0.97]. Insgesamt 24 Merkmale (22,8%; 24/105) zeigten Stabilität in beiden anatomischen Strukturen. <b>Ausschlüsse </b>: Die signifikanten Unterschiede in der Korrelation von Radiomics-Features in VNC- und TNC-Volumen des Myokards und Epicardie-Fetts deuteten darauf hin, dass sich die beiden Rekonstruktionen mehr als ursprünglich angenommen unterscheiden können. Dies deutet darauf hin, dass sie nicht austauschbar sind, und solche Unterschiede könnten klinische Auswirkungen haben. Daher sollte bei der Auswahl von VNC als Ersatz für TNC in der Radiomikroforschung darauf geachtet werden, eine genaue und zuverlässige Analyse zu gewährleisten. Darüber hinaus können die beobachteten Variationen die klinischen Arbeitsabläufe beeinflussen, wo eine präzise Gewebecharakterisierung für die Diagnose- und Behandlungsplanung kritisch ist.
J. Erley,
C. M. Jahnke,
S. Schüttler,
I. Molwitz,
H. Chen,
M. Meyer,
K. Muellerleile,
E. Cavus,
G. K. Lund,
S. Blankenberg,
G. Adam and
E. Tahir,
"Sex-specific ventricular morphology, function, and tissue characteristics in arterial hypertension: a magnetic resonance study of the Hamburg city health cohort.",
European radiology,
Nov.
2024.
Abstract:
Zur Bestimmung des Einflusses der arteriellen Hypertonie (AHT), des Geschlechts und der Wechselwirkung zwischen links- und rechtsventrikulärer (LV, RV) Morphologie, Funktion und Gewebeeigenschaften. Die Hamburg City Health Study (HCHS) ist eine bevölkerungsbasierte, prospektive, monozentrische Studie. 1972 Individuen ohne eine Geschichte von Herzerkrankungen / Interventionen wurden 3 T Herz-MR-Bildgebung (CMR). Allgemeine lineare Modelle wurden durchgeführt, einschließlich AHT, Sex (und die Interaktion wenn signifikant), Alter, Körpermasse Index, Geburtsort, Diabetes mellitus, Rauchen, Hyperlipoproteinämie, Atrialfibrillation, und Medikamente. Von 1972 Fächern litten 68% unter AHT. 42% mit AHT und 49% Kontrollen waren weiblich. Frauen zeigten insgesamt eine höhere Ejektionsfraktion (EF) (LV: Regressionskoeffizient +2,4% [95% Vertrauensintervall: 1,7; 3,1]), geringere Volumina und LV-Masse (-19,8% [-21.3; -18,5]) und verlängerte native Septum T1 (+22.1 ms [18,3; 25,9])/T2-Relaxationszeiten (+1.1 ms [0,9; 1,31)]) (alle männlichen p Themen mit AHT zeigten eine höhere EF (LV: +1,2% [0.3; 2.0], p = 0,009) und LV-Masse (+6,6% [4,3; 9,0], p < 0,001) als Kontrollen. Die Interaktion zwischen Sex und AHT beeinflusste das Mapping. Nach Ausschluss von Segmenten mit LGE zeigten Männchen (-0.7 ms [-1.0; -0.3 |) und Weibchen mit AHT (-1.1 ms [-1.6; -0.6]) kürzere T2 Relaxationszeiten als die sex-respektiven Kontrollen (p < 0,001), die Wirkung war jedoch bei Frauen stärker. In den HCHS zeigten weibliche und männliche Subjekte mit AHT ebenfalls eine höhere EF- und LV-Masse als Kontrollen, unabhängig von Sex. Unterschiede in den Gewebeeigenschaften zwischen Subjekten mit AHT und Kontrollen schienen jedoch sexspezifisch zu sein. Die Wechselwirkung zwischen Sex und Herzrisikofaktoren ist ein unterschätzter Faktor, der beim Vergleich von Gewebeeigenschaften zwischen hypertensiven Subjekten und Kontrollen und bei der Festlegung von Cutoff-Werten für normale und pathologische Relaxationszeiten berücksichtigt werden sollte. Es gibt sexabhängige Unterschiede in der arteriellen Hypertonie, aber es ist unklar, ob kardiale MR-Parameter sexspezifisch sind. Unterschiede bei Herz-MR-Parametern zwischen hypertensiven Subjekten und gesunden Kontrollen schienen sex-spezifisch für Gewebeeigenschaften zu sein. Sex muss beim Vergleich von Gewebeeigenschaften bei Patienten mit arterieller Hypertonie mit gesunden Kontrollen berücksichtigt werden.
| DOI: | 10.1007/s00330-024-10797-2 |
Abstract:
Zur Bestimmung des Einflusses der arteriellen Hypertonie (AHT), des Geschlechts und der Wechselwirkung zwischen links- und rechtsventrikulärer (LV, RV) Morphologie, Funktion und Gewebeeigenschaften. Die Hamburg City Health Study (HCHS) ist eine bevölkerungsbasierte, prospektive, monozentrische Studie. 1972 Individuen ohne eine Geschichte von Herzerkrankungen / Interventionen wurden 3 T Herz-MR-Bildgebung (CMR). Allgemeine lineare Modelle wurden durchgeführt, einschließlich AHT, Sex (und die Interaktion wenn signifikant), Alter, Körpermasse Index, Geburtsort, Diabetes mellitus, Rauchen, Hyperlipoproteinämie, Atrialfibrillation, und Medikamente. Von 1972 Fächern litten 68% unter AHT. 42% mit AHT und 49% Kontrollen waren weiblich. Frauen zeigten insgesamt eine höhere Ejektionsfraktion (EF) (LV: Regressionskoeffizient +2,4% [95% Vertrauensintervall: 1,7; 3,1]), geringere Volumina und LV-Masse (-19,8% [-21.3; -18,5]) und verlängerte native Septum T1 (+22.1 ms [18,3; 25,9])/T2-Relaxationszeiten (+1.1 ms [0,9; 1,31)]) (alle männlichen p Themen mit AHT zeigten eine höhere EF (LV: +1,2% [0.3; 2.0], p = 0,009) und LV-Masse (+6,6% [4,3; 9,0], p < 0,001) als Kontrollen. Die Interaktion zwischen Sex und AHT beeinflusste das Mapping. Nach Ausschluss von Segmenten mit LGE zeigten Männchen (-0.7 ms [-1.0; -0.3 |) und Weibchen mit AHT (-1.1 ms [-1.6; -0.6]) kürzere T2 Relaxationszeiten als die sex-respektiven Kontrollen (p < 0,001), die Wirkung war jedoch bei Frauen stärker. In den HCHS zeigten weibliche und männliche Subjekte mit AHT ebenfalls eine höhere EF- und LV-Masse als Kontrollen, unabhängig von Sex. Unterschiede in den Gewebeeigenschaften zwischen Subjekten mit AHT und Kontrollen schienen jedoch sexspezifisch zu sein. Die Wechselwirkung zwischen Sex und Herzrisikofaktoren ist ein unterschätzter Faktor, der beim Vergleich von Gewebeeigenschaften zwischen hypertensiven Subjekten und Kontrollen und bei der Festlegung von Cutoff-Werten für normale und pathologische Relaxationszeiten berücksichtigt werden sollte. Es gibt sexabhängige Unterschiede in der arteriellen Hypertonie, aber es ist unklar, ob kardiale MR-Parameter sexspezifisch sind. Unterschiede bei Herz-MR-Parametern zwischen hypertensiven Subjekten und gesunden Kontrollen schienen sex-spezifisch für Gewebeeigenschaften zu sein. Sex muss beim Vergleich von Gewebeeigenschaften bei Patienten mit arterieller Hypertonie mit gesunden Kontrollen berücksichtigt werden.
S. Starck,
V. Sideri-Lampretsa,
J. J. M. Ritter,
V. A. Zimmer,
R. Braren,
T. T. Mueller and
D. Rueckert,
"Using UK Biobank data to establish population-specific atlases from whole body MRI.",
Communications medicine,
Nov.
2024.
Abstract:
Zuverlässige Referenzdaten in der medizinischen Bildgebung sind weitgehend nicht verfügbar. Die Entwicklung von Werkzeugen, die den Vergleich einzelner Patientendaten mit Referenzdaten ermöglichen, hat ein hohes Potenzial, die Diagnoseabbildung zu verbessern. Bevölkerungsatlasen sind ein häufig verwendetes Werkzeug in der medizinischen Bildgebung, um dies zu erleichtern. Bei der Arbeit mit hoch heterogenen Datensätzen, wie Ganzkörperbildern, die signifikante anatomische Variationen aufweisen, wird der Aufbau solcher Atlas besonders schwierig. In dieser Arbeit schlagen wir eine Pipeline zur Erzeugung eines standardisierten Ganzkörperatlas für eine hoch heterogene Bevölkerung vor, indem wir die Bevölkerung in anatomisch sinnvolle Untergruppen unterteilen. Mit Magnetresonanzbildern aus dem UK Biobank-Datensatz schaffen wir sechs Ganzkörperatlasen, die einen gesunden Bevölkerungsdurchschnitt darstellen. Wir beunruhigen sie auch, und so erhalten wir eine realistische Darstellung der Bevölkerung. Neben den anatomischen Atlasen erzeugen wir probabilistische Atlasen, die die Verteilungen von Bauchfett (visceral und subkutan) und fünf Bauchorgane über die Bevölkerung (Liber, Milz, Pankreas, linke und rechte Nieren) erfassen. Unsere Pipeline erzeugt effektiv hochwertige, realistische Ganzkörperatlasen mit klinischer Anwendbarkeit. Die probabilistischen Atlasen zeigen Unterschiede in der Fettverteilung zwischen Probanden mit medizinischen Bedingungen wie Diabetes und Herz-Kreislauf-Erkrankungen und gesunden Probanden im Atlasraum. Mit dieser Arbeit stellen wir die konstruierten anatomischen und Label Atlas öffentlich zur Verfügung, mit der Erwartung, dass sie die medizinische Forschung mit Ganzkörper-MR-Bildern unterstützen werden.
| DOI: | 10.1038/s43856-024-00670-0 |
Abstract:
Zuverlässige Referenzdaten in der medizinischen Bildgebung sind weitgehend nicht verfügbar. Die Entwicklung von Werkzeugen, die den Vergleich einzelner Patientendaten mit Referenzdaten ermöglichen, hat ein hohes Potenzial, die Diagnoseabbildung zu verbessern. Bevölkerungsatlasen sind ein häufig verwendetes Werkzeug in der medizinischen Bildgebung, um dies zu erleichtern. Bei der Arbeit mit hoch heterogenen Datensätzen, wie Ganzkörperbildern, die signifikante anatomische Variationen aufweisen, wird der Aufbau solcher Atlas besonders schwierig. In dieser Arbeit schlagen wir eine Pipeline zur Erzeugung eines standardisierten Ganzkörperatlas für eine hoch heterogene Bevölkerung vor, indem wir die Bevölkerung in anatomisch sinnvolle Untergruppen unterteilen. Mit Magnetresonanzbildern aus dem UK Biobank-Datensatz schaffen wir sechs Ganzkörperatlasen, die einen gesunden Bevölkerungsdurchschnitt darstellen. Wir beunruhigen sie auch, und so erhalten wir eine realistische Darstellung der Bevölkerung. Neben den anatomischen Atlasen erzeugen wir probabilistische Atlasen, die die Verteilungen von Bauchfett (visceral und subkutan) und fünf Bauchorgane über die Bevölkerung (Liber, Milz, Pankreas, linke und rechte Nieren) erfassen. Unsere Pipeline erzeugt effektiv hochwertige, realistische Ganzkörperatlasen mit klinischer Anwendbarkeit. Die probabilistischen Atlasen zeigen Unterschiede in der Fettverteilung zwischen Probanden mit medizinischen Bedingungen wie Diabetes und Herz-Kreislauf-Erkrankungen und gesunden Probanden im Atlasraum. Mit dieser Arbeit stellen wir die konstruierten anatomischen und Label Atlas öffentlich zur Verfügung, mit der Erwartung, dass sie die medizinische Forschung mit Ganzkörper-MR-Bildern unterstützen werden.
A. Kombeiz,
J. Bienzeisler,
R. W. Majeed,
R. Röhrig and
A. R. Group,
"Designing a User-Friendly Data Request Management System for a Growing Health Data Network – A Case Study in the AKTIN Registry"
in Studies in Health Technology and Informatics, Stoicu-Tivadar, Lăcrămioara and Benis, Arriel and Deserno, Thomas M. and Bolboacă, Sorana D. and Saranto, Kaija and Crişan-Vida, Mihaela and Gallos, Parisis and Chirila, Oana S. and Weber, Patrick and Mihalaş, George and Tamburis, Oscar, Eds.
IOS Press,
Nov.
2024.
Abstract:
The AKTIN Emergency Department Registry, a German health data network, faces operational challenges due to rapid growth. Manual data request processes have become inefficient, hindering timely research and straining personnel. To address these challenges, we undertook a user-centered analysis utilizing Design Thinking principles to identify pain points and functional requirements in current data request creation and management processes. Future work will prioritize iterative implementation of the created concepts with continuous user engagement and rigorous software validation.
| DOI: | 10.3233/SHTI241065 |
| ISBN: | 978-1-64368-554-0 |
| Datei: | https://ebooks.iospress.nl/doi/10.3233/SHTI241065 |
Abstract:
The AKTIN Emergency Department Registry, a German health data network, faces operational challenges due to rapid growth. Manual data request processes have become inefficient, hindering timely research and straining personnel. To address these challenges, we undertook a user-centered analysis utilizing Design Thinking principles to identify pain points and functional requirements in current data request creation and management processes. Future work will prioritize iterative implementation of the created concepts with continuous user engagement and rigorous software validation.
[eng]
L. Zhou,
M. T. Pereiro,
Y. Li,
M. Derigs,
C. Kuenne,
T. Hielscher,
W. Huang,
B. Kränzlin,
G. Tian,
K. Kobayashi,
G. N. Lu,
K. Roedl,
C. Schmidt,
S. Günther,
M. Looso,
J. Huber,
Y. Xu,
T. Wiech,
J. Sperhake,
D. Wichmann,
H. Gröne and
T. Worzfeld,
"Glucocorticoids induce a maladaptive epithelial stress response to aggravate acute kidney injury",
Science Translational Medicine,
vol. 16,
no. 767,
pp. eadk5005,
Okt.
2024.
Abstract:
Acute kidney injury (AKI) is a frequent and challenging clinical condition associated with high morbidity and mortality and represents a common complication in critically ill patients with COVID-19. In AKI, renal tubular epithelial cells (TECs) are a primary site of damage, and recovery from AKI depends on TEC plasticity. However, the molecular mechanisms underlying adaptation and maladaptation of TECs in AKI remain largely unclear. Here, our study of an autopsy cohort of patients with COVID-19 provided evidence that injury of TECs by myoglobin, released as a consequence of rhabdomyolysis, is a major pathophysiological mechanism for AKI in severe COVID-19. Analyses of human kidney biopsies, mouse models of myoglobinuric and gentamicin-induced AKI, and mouse kidney tubuloids showed that TEC injury resulted in activation of the glucocorticoid receptor by endogenous glucocorticoids, which aggravated tubular damage. The detrimental effect of endogenous glucocorticoids on injured TECs was exacerbated by the administration of a widely clinically used synthetic glucocorticoid, dexamethasone, as indicated by experiments in mouse models of myoglobinuric- and folic acid-induced AKI, human and mouse kidney tubuloids, and human kidney slice cultures. Mechanistically, studies in mouse models of AKI, mouse tubuloids, and human kidney slice cultures demonstrated that glucocorticoid receptor signaling in injured TECs orchestrated a maladaptive transcriptional program to hinder DNA repair, amplify injury-induced DNA double-strand break formation, and dampen mTOR activity and mitochondrial bioenergetics. This study identifies glucocorticoid receptor activation as a mechanism of epithelial maladaptation, which is functionally important for AKI.
| DOI: | 10.1126/scitranslmed.adk5005 |
Abstract:
Acute kidney injury (AKI) is a frequent and challenging clinical condition associated with high morbidity and mortality and represents a common complication in critically ill patients with COVID-19. In AKI, renal tubular epithelial cells (TECs) are a primary site of damage, and recovery from AKI depends on TEC plasticity. However, the molecular mechanisms underlying adaptation and maladaptation of TECs in AKI remain largely unclear. Here, our study of an autopsy cohort of patients with COVID-19 provided evidence that injury of TECs by myoglobin, released as a consequence of rhabdomyolysis, is a major pathophysiological mechanism for AKI in severe COVID-19. Analyses of human kidney biopsies, mouse models of myoglobinuric and gentamicin-induced AKI, and mouse kidney tubuloids showed that TEC injury resulted in activation of the glucocorticoid receptor by endogenous glucocorticoids, which aggravated tubular damage. The detrimental effect of endogenous glucocorticoids on injured TECs was exacerbated by the administration of a widely clinically used synthetic glucocorticoid, dexamethasone, as indicated by experiments in mouse models of myoglobinuric- and folic acid-induced AKI, human and mouse kidney tubuloids, and human kidney slice cultures. Mechanistically, studies in mouse models of AKI, mouse tubuloids, and human kidney slice cultures demonstrated that glucocorticoid receptor signaling in injured TECs orchestrated a maladaptive transcriptional program to hinder DNA repair, amplify injury-induced DNA double-strand break formation, and dampen mTOR activity and mitochondrial bioenergetics. This study identifies glucocorticoid receptor activation as a mechanism of epithelial maladaptation, which is functionally important for AKI.
S. Scheithauer,
J. Hoffmann,
C. Lang,
D. Fenz,
M. Berens,
A. Köster,
I. Panchyrz,
L. Harst,
K. Adorjan,
C. Apfelbacher,
S. Ciesek,
C. Denkinger,
C. Drosten,
M. Geraedts,
R. Hecker,
W. Hoffmann,
A. Karch,
T. Koch,
D. Krefting,
K. Lieb,
J. Meerpohl,
E. Rehfuess,
N. Skoetz,
S. Sopka,
T. von Lengerke,
H. Wiegand and
J. Schmitt,
"Pandemic Preparedness - A Proposal for a Research Infrastructure and its Functionalities for a Resilient Health Research System",
Gesundheitswesen,
vol. S03,
no. 87,
pp. S334-S343,
Okt.
2024.
| DOI: | 10.1055/a-2365-9179 |
A. Surov,
S. Zimmermann,
M. Hinnerichs,
H. Meyer,
A. Aghayev and
J. Borggrefe,
"Radiomics parameters of epicardial adipose tissue predict mortality in acute pulmonary embolism.",
Respiratory research,
Okt.
2024.
Abstract:
Eine genaue Vorhersage der kurzfristigen Sterblichkeit im akuten Lungenembolismus (APE) ist sehr wichtig. Ziel der vorliegenden Studie war es, die prognostische Rolle von Radiomikwerten des epikardialen Fettgewebes (EAT) in APE zu analysieren. Insgesamt wurden 508 Patienten in die Studie aufgenommen, 209 weiblich (42.1%), mittleres Alter, 64.7 ± 14.8 Jahre. 4,6% und 12,4% starben (7- bzw. 30-Tage-Sterblichkeit). Zur externen Validierung wurde eine Kohorte von 186 Patienten weiter analysiert. 20,2% bzw. 27,7% starben (7- bzw. 30-Tage-Sterblichkeit). CTPA wurde bei der Zulassung für jeden Patienten vor jeder vorherigen Behandlung auf Multi-Slice CT Scanner durchgeführt. Ein ausgebildeter Radiologe, der den Patientenergebnissen verblendet wurde, segmentierte die EAT auf einem dedizierten Arbeitsplatz mit ImageJ-Software. Die Extraktion von radiomischen Funktionen wurde mit der pyradiomics-Bibliothek angewendet. Nach Korrektur der Korrelation zwischen den Merkmalen und der Feature-Reinigung durch zufälligen Wald und Feature-Ranking, haben wir Feature-Signaturen mit 247 Merkmalen jedes Patienten implementiert. Insgesamt wurden 26 Merkmalskombinationen mit unterschiedlichen Merkmalsklassenkombinationen identifiziert. Patienten wurden zufällig einem Training und einer Validierungskohorte mit einem Verhältnis von 7:3 zugeordnet. Wir charakterisierten zwei Modelle (30-Tag und 7-Tage-Sterblichkeit). Die Modelle enthalten eine Kombination aus 13 Merkmalen von sieben verschiedenen Bildmerkmalklassen. Wir haben die charakterisierten Modelle auf eine Validierungskohorte (n = 169) montiert, um die Genauigkeit unserer Modelle zu testen. Wir beobachteten einen AUC von 0.776 (CI 0.671-0.881) und einen AUC von 0.724 (CI 0.628-0.820) zur Vorhersage von 30-tägiger Sterblichkeit bzw. 7-tägiger Sterblichkeit. Der Gesamtprozentsatz der korrekten Vorhersage betrug dabei 88% und 79% der Validierungskohorten. Schließlich betrug der AUC in einem unabhängigen externen Validierungskohort 0,721 (CI 0.633-0.808) bzw. 0.750 (CI 0.657-0.842). Radiomics-Parameter von EAT sind stark mit Mortalität bei Patienten mit APE verbunden. Nicht anwendbar.
| DOI: | 10.1186/s12931-024-02977-x |
Abstract:
Eine genaue Vorhersage der kurzfristigen Sterblichkeit im akuten Lungenembolismus (APE) ist sehr wichtig. Ziel der vorliegenden Studie war es, die prognostische Rolle von Radiomikwerten des epikardialen Fettgewebes (EAT) in APE zu analysieren. Insgesamt wurden 508 Patienten in die Studie aufgenommen, 209 weiblich (42.1%), mittleres Alter, 64.7 ± 14.8 Jahre. 4,6% und 12,4% starben (7- bzw. 30-Tage-Sterblichkeit). Zur externen Validierung wurde eine Kohorte von 186 Patienten weiter analysiert. 20,2% bzw. 27,7% starben (7- bzw. 30-Tage-Sterblichkeit). CTPA wurde bei der Zulassung für jeden Patienten vor jeder vorherigen Behandlung auf Multi-Slice CT Scanner durchgeführt. Ein ausgebildeter Radiologe, der den Patientenergebnissen verblendet wurde, segmentierte die EAT auf einem dedizierten Arbeitsplatz mit ImageJ-Software. Die Extraktion von radiomischen Funktionen wurde mit der pyradiomics-Bibliothek angewendet. Nach Korrektur der Korrelation zwischen den Merkmalen und der Feature-Reinigung durch zufälligen Wald und Feature-Ranking, haben wir Feature-Signaturen mit 247 Merkmalen jedes Patienten implementiert. Insgesamt wurden 26 Merkmalskombinationen mit unterschiedlichen Merkmalsklassenkombinationen identifiziert. Patienten wurden zufällig einem Training und einer Validierungskohorte mit einem Verhältnis von 7:3 zugeordnet. Wir charakterisierten zwei Modelle (30-Tag und 7-Tage-Sterblichkeit). Die Modelle enthalten eine Kombination aus 13 Merkmalen von sieben verschiedenen Bildmerkmalklassen. Wir haben die charakterisierten Modelle auf eine Validierungskohorte (n = 169) montiert, um die Genauigkeit unserer Modelle zu testen. Wir beobachteten einen AUC von 0.776 (CI 0.671-0.881) und einen AUC von 0.724 (CI 0.628-0.820) zur Vorhersage von 30-tägiger Sterblichkeit bzw. 7-tägiger Sterblichkeit. Der Gesamtprozentsatz der korrekten Vorhersage betrug dabei 88% und 79% der Validierungskohorten. Schließlich betrug der AUC in einem unabhängigen externen Validierungskohort 0,721 (CI 0.633-0.808) bzw. 0.750 (CI 0.657-0.842). Radiomics-Parameter von EAT sind stark mit Mortalität bei Patienten mit APE verbunden. Nicht anwendbar.