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.
H. Li,
H. Liu,
H. Busch,
R. Grimm,
H. Huisman,
A. Tong,
D. Winkel,
T. Penzkofer,
I. Shabunin,
M. H. Choi,
Q. Yang,
D. Szolar,
S. Shea,
F. Coakley,
M. Harisinghani,
I. Oguz,
D. Comaniciu,
A. Kamen and
B. Lou,
"Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets.",
Radiology. Artificial intelligence,
Sep.
2024.
Abstract:
Zweck Um zu ermitteln, ob die ununterbrochene Domänenanpassung (UDA)-Methode mit generierten Bildern die Leistung eines überwachten Lernmodells (SL) für Prostatakrebs (PCa)-Erkennung mit multisite biparametric (bp) MRI-Datensätzen verbessert. Materialien und Methoden Diese retrospektive Studie umfasste Daten von 5150 Patienten (14 191 Proben), die in neun verschiedenen Bildgebungszentren gesammelt wurden. Ein neuartiges UDA-Verfahren mit einem einheitlichen Generativmodell wurde zur PCa-Detektion unter Verwendung von Multisite bpMRI-Datensätzen entwickelt. Diese Methode übersetzt diffusionsgewichtete Bildgebung (DWI) Akquisitionen, einschließlich scheinbarer Diffusionskoeffizient (ADC) und einzelne diffusionsgewichtete (DW)-Bilder, die mit verschiedenen <i>b</i>-Werten erfasst werden, um die Art der Bilder, die unter Verwendung von <i>b</i>-Werten, die von Prostate Imaging Reporting and Data System (PI-RADS)-Richtlinien empfohlen werden, anzupassen. Die generierten ADC- und DW-Bilder ersetzen die Originalbilder für die PCa-Erkennung. Zur Auswertung wurde ein unabhängiger Satz von 1692 Testfällen (2393 Proben) verwendet. Als primäre Metrik wurde die Fläche unter der Empfänger-Betriebskennlinie (AUC) verwendet und über Bootstrapping eine statistische Analyse durchgeführt. Ergebnisse Für alle Testfälle betrugen die AUC-Werte für die Basislinie SL und UDA-Methoden 0,73 bzw. 0,79 (<i>P</i> < .001), für PCa-Läsionen mit PI-RADS-Score von 3 oder mehr und 0,77 bzw. 0,80 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. In den 361 Testfällen unter der ungünstigsten Bildaufnahmeeinstellung betrugen die AUC-Werte für die Basislinie SL und UDA 0,49 und 0,76 (<i>P</i> < .001) für Läsionen mit PI-RADS-Scores von 3 oder mehr und 0,50 und 0,77 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. Fazit UDA mit generierten Bildern verbesserte die Leistung von SL-Methoden in der PCa-Leseerkennung über Multisite-Datensätze mit verschiedenen <i>b</i>-Werten, insbesondere für Bilder, die mit signifikanten Abweichungen vom PI-RADS-recommended DWI-Protokoll (z.B. mit einem extrem hohen <i>b</i>-Wert) erfasst wurden. <b>Keywords:</b> Prostate Cancer Detection, Multisite, Unsupervised Domain Adaptation, Diffusion-weighted Imaging, <i>b</i> Wert <i>Supplementalmaterial ist für diesen Artikel verfügbar.</i> © RSNA, 2024.
| DOI: | 10.1148/ryai.230521 |
Abstract:
Zweck Um zu ermitteln, ob die ununterbrochene Domänenanpassung (UDA)-Methode mit generierten Bildern die Leistung eines überwachten Lernmodells (SL) für Prostatakrebs (PCa)-Erkennung mit multisite biparametric (bp) MRI-Datensätzen verbessert. Materialien und Methoden Diese retrospektive Studie umfasste Daten von 5150 Patienten (14 191 Proben), die in neun verschiedenen Bildgebungszentren gesammelt wurden. Ein neuartiges UDA-Verfahren mit einem einheitlichen Generativmodell wurde zur PCa-Detektion unter Verwendung von Multisite bpMRI-Datensätzen entwickelt. Diese Methode übersetzt diffusionsgewichtete Bildgebung (DWI) Akquisitionen, einschließlich scheinbarer Diffusionskoeffizient (ADC) und einzelne diffusionsgewichtete (DW)-Bilder, die mit verschiedenen <i>b</i>-Werten erfasst werden, um die Art der Bilder, die unter Verwendung von <i>b</i>-Werten, die von Prostate Imaging Reporting and Data System (PI-RADS)-Richtlinien empfohlen werden, anzupassen. Die generierten ADC- und DW-Bilder ersetzen die Originalbilder für die PCa-Erkennung. Zur Auswertung wurde ein unabhängiger Satz von 1692 Testfällen (2393 Proben) verwendet. Als primäre Metrik wurde die Fläche unter der Empfänger-Betriebskennlinie (AUC) verwendet und über Bootstrapping eine statistische Analyse durchgeführt. Ergebnisse Für alle Testfälle betrugen die AUC-Werte für die Basislinie SL und UDA-Methoden 0,73 bzw. 0,79 (<i>P</i> < .001), für PCa-Läsionen mit PI-RADS-Score von 3 oder mehr und 0,77 bzw. 0,80 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. In den 361 Testfällen unter der ungünstigsten Bildaufnahmeeinstellung betrugen die AUC-Werte für die Basislinie SL und UDA 0,49 und 0,76 (<i>P</i> < .001) für Läsionen mit PI-RADS-Scores von 3 oder mehr und 0,50 und 0,77 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. Fazit UDA mit generierten Bildern verbesserte die Leistung von SL-Methoden in der PCa-Leseerkennung über Multisite-Datensätze mit verschiedenen <i>b</i>-Werten, insbesondere für Bilder, die mit signifikanten Abweichungen vom PI-RADS-recommended DWI-Protokoll (z.B. mit einem extrem hohen <i>b</i>-Wert) erfasst wurden. <b>Keywords:</b> Prostate Cancer Detection, Multisite, Unsupervised Domain Adaptation, Diffusion-weighted Imaging, <i>b</i> Wert <i>Supplementalmaterial ist für diesen Artikel verfügbar.</i> © RSNA, 2024.
A. Iancu,
J. Bauer,
M. S. May,
H. Prokosch,
A. Dörfler,
M. Uder and
L. A. Kapsner,
"Large-Scale Integration of DICOM Metadata into HL7-FHIR for Medical Research",
Methods of information in medicine,
vol. 63,
no. 3-04,
pp. 77-84,
Sep.
2024.
Abstract:
The current gap between the availability of routine imaging data and its provisioning for medical research hinders the utilization of radiological information for secondary purposes. To address this, the German Medical Informatics Initiative (MII) has established frameworks for harmonizing and integrating clinical data across institutions, including the integration of imaging data into research repositories, which can be expanded to routine imaging data. This project aims to address this gap by developing a large-scale data processing pipeline to extract, convert, and pseudonymize DICOM (Digital Imaging and Communications in Medicine) metadata into "ImagingStudy" Fast Healthcare Interoperability Resources (FHIR) and integrate them into research repositories for secondary use. The data processing pipeline was developed, implemented, and tested at the Data Integration Center of the University Hospital Erlangen. It leverages existing open-source solutions and integrates seamlessly into the hospital's research IT infrastructure. The pipeline automates the extraction, conversion, and pseudonymization processes, ensuring compliance with both local and MII data protection standards. A large-scale evaluation was conducted using the imaging studies acquired by two departments at University Hospital Erlangen within 1 year. Attributes such as modality, examined body region, laterality, and the number of series and instances were analyzed to assess the quality and availability of the metadata. Once established, the pipeline processed a substantial dataset comprising over 150,000 DICOM studies within an operational period of 26 days. Data analysis revealed significant heterogeneity and incompleteness in certain attributes, particularly the DICOM tag "Body Part Examined." Despite these challenges, the pipeline successfully generated valid and standardized FHIR, providing a robust basis for future research. We demonstrated the setup and test of a large-scale end-to-end data processing pipeline that transforms DICOM imaging metadata directly from clinical routine into the Health Level 7-FHIR format, pseudonymizes the resources, and stores them in an FHIR server. We showcased that the derived FHIRs offer numerous research opportunities, for example, feasibility assessments within Bavarian and Germany-wide research infrastructures. Insights from this study highlight the need to extend the "ImagingStudy" FHIR with additional attributes and refine their use within the German MII.
| DOI: | 10.1055/a-2521-4250 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/40233823/ |
Abstract:
The current gap between the availability of routine imaging data and its provisioning for medical research hinders the utilization of radiological information for secondary purposes. To address this, the German Medical Informatics Initiative (MII) has established frameworks for harmonizing and integrating clinical data across institutions, including the integration of imaging data into research repositories, which can be expanded to routine imaging data. This project aims to address this gap by developing a large-scale data processing pipeline to extract, convert, and pseudonymize DICOM (Digital Imaging and Communications in Medicine) metadata into "ImagingStudy" Fast Healthcare Interoperability Resources (FHIR) and integrate them into research repositories for secondary use. The data processing pipeline was developed, implemented, and tested at the Data Integration Center of the University Hospital Erlangen. It leverages existing open-source solutions and integrates seamlessly into the hospital's research IT infrastructure. The pipeline automates the extraction, conversion, and pseudonymization processes, ensuring compliance with both local and MII data protection standards. A large-scale evaluation was conducted using the imaging studies acquired by two departments at University Hospital Erlangen within 1 year. Attributes such as modality, examined body region, laterality, and the number of series and instances were analyzed to assess the quality and availability of the metadata. Once established, the pipeline processed a substantial dataset comprising over 150,000 DICOM studies within an operational period of 26 days. Data analysis revealed significant heterogeneity and incompleteness in certain attributes, particularly the DICOM tag "Body Part Examined." Despite these challenges, the pipeline successfully generated valid and standardized FHIR, providing a robust basis for future research. We demonstrated the setup and test of a large-scale end-to-end data processing pipeline that transforms DICOM imaging metadata directly from clinical routine into the Health Level 7-FHIR format, pseudonymizes the resources, and stores them in an FHIR server. We showcased that the derived FHIRs offer numerous research opportunities, for example, feasibility assessments within Bavarian and Germany-wide research infrastructures. Insights from this study highlight the need to extend the "ImagingStudy" FHIR with additional attributes and refine their use within the German MII.
M. Misailovski,
D. Koller,
S. Blaschke,
M. Berens,
A. Köster,
R. Strobl,
R. Berner,
P. Boor,
M. Eisenmann,
S. Stillfried,
D. Krefting,
M. Krone,
J. Liese,
P. Meybohm,
G. Ulrich- Merzenich,
S. Zenker,
S. Scheithauer and
E. Grill,
"Refining the hospitalization rate: A mixed methods approach to differentiate primary COVID-19 from incidental cases",
Infection Prevention in Practice,
vol. 6,
no. 3,
pp. 100371,
Sep.
2024.
Abstract:
Purpose Until now, the Hospitalization Rate (HR) served as an indicator (among others) for the COVID-19 associated healthcare burden. To ensure that the HR accomplishes its full potential, hospitalizations caused by COVID-19 (primary cases) and hospitalizations of patients with incidental positive SARS-CoV-2 test results (incidental cases) must be differentiated. The aim of this study was to synthesize the existing evidence on differentiation criteria between hospitalizations of primary cases and incidental cases. Methods An online survey of the members of the German Network University Medicine (NUM) was conducted. Additionally, senior clinicians with expertise in COVID-19 care were invited for qualitative, semi-structured interviews. Furthermore, a rapid literature review was undertaken on publications between 03/2020 and 12/2022. Results In the online survey (n=30, response rate 56%), pneumonia and acute upper respiratory tract infections were the most indicative diagnoses for a primary case. In contrast, malignant neoplasms and acute myocardial infarctions were most likely to be associated with incidental cases. According to the experts (n=6), the diagnosis, ward, and type of admission (emergency or elective), low oxygen saturation, need for supplemental oxygen, and initiation of COVID-19 therapy point to a primary case. The literature review found that respiratory syndromes and symptoms, oxygen support, and elevated levels of inflammatory markers were associated with primary cases. Conclusion There are parameters for the differentiation of primary from incidental cases to improve the objective of the HR. Ultimately, an updated HR has the potential to serve as a more accurate indicator of the COVID-19 associated healthcare burden.
| DOI: | 10.1016/j.infpip.2024.100371 |
| Datei: | https://www.sciencedirect.com/science/article/pii/S2590088924000350 |
Abstract:
Purpose Until now, the Hospitalization Rate (HR) served as an indicator (among others) for the COVID-19 associated healthcare burden. To ensure that the HR accomplishes its full potential, hospitalizations caused by COVID-19 (primary cases) and hospitalizations of patients with incidental positive SARS-CoV-2 test results (incidental cases) must be differentiated. The aim of this study was to synthesize the existing evidence on differentiation criteria between hospitalizations of primary cases and incidental cases. Methods An online survey of the members of the German Network University Medicine (NUM) was conducted. Additionally, senior clinicians with expertise in COVID-19 care were invited for qualitative, semi-structured interviews. Furthermore, a rapid literature review was undertaken on publications between 03/2020 and 12/2022. Results In the online survey (n=30, response rate 56%), pneumonia and acute upper respiratory tract infections were the most indicative diagnoses for a primary case. In contrast, malignant neoplasms and acute myocardial infarctions were most likely to be associated with incidental cases. According to the experts (n=6), the diagnosis, ward, and type of admission (emergency or elective), low oxygen saturation, need for supplemental oxygen, and initiation of COVID-19 therapy point to a primary case. The literature review found that respiratory syndromes and symptoms, oxygen support, and elevated levels of inflammatory markers were associated with primary cases. Conclusion There are parameters for the differentiation of primary from incidental cases to improve the objective of the HR. Ultimately, an updated HR has the potential to serve as a more accurate indicator of the COVID-19 associated healthcare burden.
J. Evers,
N. Altschuck,
C. Mehl,
R. Hecker,
O. Steidle,
L. Harst,
L. Rüthrich,
A. Suckow,
J. Schmitt and
M. Geraedts,
"Entwicklung eines Kerndatensatzes von Qualitätsindikatoren für Qualität und Patientensicherheit während Pandemien in Universitätskliniken in Deutschland.",
23. Deutscher Kongress für Versorgungsforschung (DKVF),
Potsdam,
25.-27.09.2024,
Sep.
2024.
| DOI: | 10.3205/24dkvf197 |
T. Hoffmann,
U. Teichgräber,
B. Lassen-Schmidt,
C. Kroegel,
M. Krämer,
M. Förster,
D. Renz,
P. Oelzner,
J. Böttcher,
M. Franz,
G. Wolf,
F. Güttler and
A. Pfeil,
"[Is JAK inhibition an option in the treatment of interstitial lung disease in rheumatoid arthritis?].",
Zeitschrift fur Rheumatologie,
Aug.
2024.
Abstract:
Ein 69-jähriger männlicher Patient mit seropositiver erosiver rheumatoider Arthritis (RA) präsentierte sich in unserer Klinik durch progressive Dyspnea. Hochauflösende berechnete Tomographie (HRCT) und immunologische Bronchioalveolarlavage ergaben Bodenglas-Optik und eine durch interstitielle Lungenerkrankungen (ILD) in RA verursachte lymphozytische Alveolitis. In Anbetracht früherer Behandlungsformen wurde die krankheitsmodifizierende antirheumatische Behandlung (DMARD) auf die Facitinib umgestellt. Die Tofacitinib-Behandlung zeigte eine Verringerung der Bodenglas-Optik durch künstliche Intelligenz-basierte Quantifizierung der Lungen HRCT im Laufe von 6 Monaten, die mit einer Verbesserung der Dyspnea-Symptome verbunden war. Abschließend stellt Tofacitinib eine effektive entzündungshemmende therapeutische Option bei der Behandlung von RA-ILD dar.
| DOI: | 10.1007/s00393-023-01434-2 |
Abstract:
Ein 69-jähriger männlicher Patient mit seropositiver erosiver rheumatoider Arthritis (RA) präsentierte sich in unserer Klinik durch progressive Dyspnea. Hochauflösende berechnete Tomographie (HRCT) und immunologische Bronchioalveolarlavage ergaben Bodenglas-Optik und eine durch interstitielle Lungenerkrankungen (ILD) in RA verursachte lymphozytische Alveolitis. In Anbetracht früherer Behandlungsformen wurde die krankheitsmodifizierende antirheumatische Behandlung (DMARD) auf die Facitinib umgestellt. Die Tofacitinib-Behandlung zeigte eine Verringerung der Bodenglas-Optik durch künstliche Intelligenz-basierte Quantifizierung der Lungen HRCT im Laufe von 6 Monaten, die mit einer Verbesserung der Dyspnea-Symptome verbunden war. Abschließend stellt Tofacitinib eine effektive entzündungshemmende therapeutische Option bei der Behandlung von RA-ILD dar.
M. Manzke,
S. Iseke,
B. Böttcher,
A. Klemenz,
M. Weber and
F. G. Meinel,
"Development and performance evaluation of fully automated deep learning-based models for myocardial segmentation on T1 mapping MRI data.",
Scientific reports,
Aug.
2024.
Abstract:
Um ein tiefes lernbasiertes Modell zu entwickeln, das in der Lage ist, das linke ventrikuläre (LV)-Myokard auf nativen T1-Karten von Herz-MRT in sowohl Long-Achs- als auch Short-Axis-Ausrichtung zu segmentieren. Modelle wurden auf nativen myocardial T1 Karten von 50 gesunden Freiwilligen und 75 Patienten mit manueller Segmentierung als Referenzstandard ausgebildet. Basierend auf einer U-Net-Architektur optimierten wir das Modelldesign systematisch mit zwei unterschiedlichen Trainingsmetriken (Sørensen-Dice Koeffizient = DSC und Intersection-over-Union = IOU), zwei unterschiedlichen Aktivierungsfunktionen (ReLU und LeakyReLU) und verschiedenen Trainingsepochs. Das Training mit DSC-Metrik und einer ReLU-Aktivierungsfunktion über 35 Epochen erreichten die höchste Gesamtleistung (mittlerer Fehler in T1 10,6 ± 17,9 ms, mittlere DSC 0,88 ± 0,07). Grenzen der Übereinstimmung zwischen Modellergebnissen und Bodenwahrheit waren von -35,5 bis + 36,1 ms. Dies war der Vereinbarung zwischen zwei Menschenraten überlegen (-34,7 bis + 59,1 ms). Die Segmentierung war genau für Long-Axis-Ansichten (mittlerer Fehler T1: 6,77 ± 8,3 ms, mittlerer DSC: 0,89 ± 0,03) wie bei Kurzachs-Bildern (mittlerer Fehler ΔT1: 11,6 ± 19,7 ms, mittlerer DSC: 0,88 ± 0,08). Vollautomatische Segmentierung und quantitative Analyse von nativen Myokard-T1-Karten ist sowohl in lang- und kurzachsigen Orientierungen mit sehr hoher Genauigkeit möglich.
| DOI: | 10.1038/s41598-024-69529-7 |
Abstract:
Um ein tiefes lernbasiertes Modell zu entwickeln, das in der Lage ist, das linke ventrikuläre (LV)-Myokard auf nativen T1-Karten von Herz-MRT in sowohl Long-Achs- als auch Short-Axis-Ausrichtung zu segmentieren. Modelle wurden auf nativen myocardial T1 Karten von 50 gesunden Freiwilligen und 75 Patienten mit manueller Segmentierung als Referenzstandard ausgebildet. Basierend auf einer U-Net-Architektur optimierten wir das Modelldesign systematisch mit zwei unterschiedlichen Trainingsmetriken (Sørensen-Dice Koeffizient = DSC und Intersection-over-Union = IOU), zwei unterschiedlichen Aktivierungsfunktionen (ReLU und LeakyReLU) und verschiedenen Trainingsepochs. Das Training mit DSC-Metrik und einer ReLU-Aktivierungsfunktion über 35 Epochen erreichten die höchste Gesamtleistung (mittlerer Fehler in T1 10,6 ± 17,9 ms, mittlere DSC 0,88 ± 0,07). Grenzen der Übereinstimmung zwischen Modellergebnissen und Bodenwahrheit waren von -35,5 bis + 36,1 ms. Dies war der Vereinbarung zwischen zwei Menschenraten überlegen (-34,7 bis + 59,1 ms). Die Segmentierung war genau für Long-Axis-Ansichten (mittlerer Fehler T1: 6,77 ± 8,3 ms, mittlerer DSC: 0,89 ± 0,03) wie bei Kurzachs-Bildern (mittlerer Fehler ΔT1: 11,6 ± 19,7 ms, mittlerer DSC: 0,88 ± 0,08). Vollautomatische Segmentierung und quantitative Analyse von nativen Myokard-T1-Karten ist sowohl in lang- und kurzachsigen Orientierungen mit sehr hoher Genauigkeit möglich.
A. M. Bucher,
A. Koppold,
M. Kettner,
S. Kölzer,
J. Dietz,
E. Frodl,
A. Surov,
D. Pinto Dos Santos,
T. J. Vogl,
M. A. Verhoff,
M. Beeres,
C. Lux and
S. Heinbuch,
"Enhancing Forensic Diagnostics: Structured Reporting of Post-Mortem CT versus Autopsy for Laryngohyoid Complex Fractures in Strangulation.",
Bioengineering (Basel, Switzerland),
Aug.
2024.
Abstract:
Ziel dieser Studie war es, einen standardisierten strukturierten Workflow zu etablieren, um Erkenntnisse aus hochauflösenden, optimierten Rekonstruktionen von nachmortem berechneter Tomographie (pmCT) mit Autopsy-Ergebnissen zum Nachweis von Brüchen des Laryngohyoid-Komplexes in Strangulationsopfern zu vergleichen. Es wurden vierundvierzig Strangulationsfälle ausgewählt und PmCT-Scans des Laryngohyoidkomplexes erhalten. Sowohl pmCT-Scans als auch Autopsieberichte wurden mit einer strukturierten Vorlage analysiert und mit Cohens kappa-Koeffizienten (κ) und dem McNemar-Test verglichen. Die Studie hat auch die Prävalenz von Ossa-Sesamoidea und die Nicht-Fusion der großen und kleinen Hörner des Hyoid-Knochens zwischen beiden diagnostischen Methoden verglichen. Der Bruchnachweis zeigte eine sehr gute Korrelation zwischen Autopsie- und pmCT-Ergebnissen (κ = 0,905), wobei der McNemar-Test keinen statistisch signifikanten Unterschied zwischen den beiden Methoden zeigte. PmCT identifizierte 28 Sesamoidknochen, 45 Nicht-Fusionen der Haupthörner und 47 Nicht-Fusionen der Nebenhörner des Hyoidknochens im Vergleich zu vier, sechs bzw. null, die durch Autopsie identifiziert wurden (<i>p</i> < 0,0001). Autopsie- und pmCT-Ergebnisse korrelieren gut und können komplementär eingesetzt werden. PmCT ist der Autopsie überlegen, Dislokationen zu erkennen und anatomische Variationen im Laryngohyoid-Komplex zu erkennen, die zu Fehlinterpretationen bei der Autopsie führen können. Daher befürworten wir nicht, die Autopsie durch pmCT zu ersetzen, sondern schlagen einen strukturierten Workflow, einschließlich unserer standardisierten Berichtsvorlage, zur Auswertung von Läsionen im Laryngohyoid-Komplex vor.
| DOI: | 10.3390/bioengineering11080807 |
Abstract:
Ziel dieser Studie war es, einen standardisierten strukturierten Workflow zu etablieren, um Erkenntnisse aus hochauflösenden, optimierten Rekonstruktionen von nachmortem berechneter Tomographie (pmCT) mit Autopsy-Ergebnissen zum Nachweis von Brüchen des Laryngohyoid-Komplexes in Strangulationsopfern zu vergleichen. Es wurden vierundvierzig Strangulationsfälle ausgewählt und PmCT-Scans des Laryngohyoidkomplexes erhalten. Sowohl pmCT-Scans als auch Autopsieberichte wurden mit einer strukturierten Vorlage analysiert und mit Cohens kappa-Koeffizienten (κ) und dem McNemar-Test verglichen. Die Studie hat auch die Prävalenz von Ossa-Sesamoidea und die Nicht-Fusion der großen und kleinen Hörner des Hyoid-Knochens zwischen beiden diagnostischen Methoden verglichen. Der Bruchnachweis zeigte eine sehr gute Korrelation zwischen Autopsie- und pmCT-Ergebnissen (κ = 0,905), wobei der McNemar-Test keinen statistisch signifikanten Unterschied zwischen den beiden Methoden zeigte. PmCT identifizierte 28 Sesamoidknochen, 45 Nicht-Fusionen der Haupthörner und 47 Nicht-Fusionen der Nebenhörner des Hyoidknochens im Vergleich zu vier, sechs bzw. null, die durch Autopsie identifiziert wurden (<i>p</i> < 0,0001). Autopsie- und pmCT-Ergebnisse korrelieren gut und können komplementär eingesetzt werden. PmCT ist der Autopsie überlegen, Dislokationen zu erkennen und anatomische Variationen im Laryngohyoid-Komplex zu erkennen, die zu Fehlinterpretationen bei der Autopsie führen können. Daher befürworten wir nicht, die Autopsie durch pmCT zu ersetzen, sondern schlagen einen strukturierten Workflow, einschließlich unserer standardisierten Berichtsvorlage, zur Auswertung von Läsionen im Laryngohyoid-Komplex vor.
T. Rothoeft,
C. Maier,
A. Talarico,
A. Schlegtendal,
B. Lange,
A. Petersmann,
R. Denz,
N. Timmesfeld,
N. Toepfner,
E. Vidal-Blanco,
S. Pfaender,
T. Lücke and
F. Brinkmann,
"Natural and hybrid immunity after SARS-CoV-2 infection in children and adolescents.",
Infection,
Aug.
2024.
Abstract:
Im Gegensatz zu Erwachsenen ist der Immunschutz gegen SARS-CoV-2 bei Kindern und Jugendlichen mit natürlicher oder hybrider Immunität immer noch schlecht verstanden. Ziel dieser Studie war es, verschiedene Immunfächer in verschiedenen Altersgruppen zu analysieren und ob humorale Immunreaktionen mit einer zellulären Immunreaktion korrelieren. 72 Kinder und Jugendliche mit einer früheren SARS-CoV-2 Infektion wurden rekrutiert. 37 wurden mit einem RNA-Impfstoff (BNT162b2) geimpft. Nach einer Infektion durch Messung von Spikeprotein (S), Nucleocapsid (NCP) und Neutralisation von Antikörpern (nAB) wurde die humorale Immunität 3-26 Monate (vermittelt 10 Monate) analysiert. Zelluläre Immunität wurde mit einem SARS-CoV-2-spezifischen Interferon-γ-Release-Assay (IGRA) analysiert. Alle Kinder und Jugendlichen hatten S-Antikörper; Titer waren höher bei denen mit Hybrid-Immunität (14.900 BAU/ml vs. 2118 BAU/ml). NCP-Antikörper wurden in > 90% nachweisbar. Neutralisierende Antikörper (nAB) wurden häufiger (90%) mit höheren Titern (1914 RLU) bei Jugendlichen mit hybrider Immunität als bei Kindern mit natürlicher Immunität (62.5%, 476 RLU) nachgewiesen. Kinder mit natürlicher Immunität waren weniger wahrscheinlich reaktive IGRAs (43,8%) als Jugendliche mit hybrider Immunität (85%). Die von T-Zellen freigesetzte Menge an Interferon-γ war in der natürlichen und hybriden Immunität vergleichbar. Spike-Antikörper sind die zuverlässigsten Marker, um eine Immunreaktion gegen SARS-CoV-2 zu überwachen. Hohe Antikörpertiter von Spike-Antikörpern und nAB korrelierten mit zellulärer Immunität, ein Phänomen, das nur bei Jugendlichen mit hybrider Immunität gefunden wurde. Hybride Immunität ist mit deutlich höheren Antikörpertitern und einer höheren Wahrscheinlichkeit einer zellulären Immunantwort als einer natürlichen Immunität verbunden.
| DOI: | 10.1007/s15010-024-02225-w |
Abstract:
Im Gegensatz zu Erwachsenen ist der Immunschutz gegen SARS-CoV-2 bei Kindern und Jugendlichen mit natürlicher oder hybrider Immunität immer noch schlecht verstanden. Ziel dieser Studie war es, verschiedene Immunfächer in verschiedenen Altersgruppen zu analysieren und ob humorale Immunreaktionen mit einer zellulären Immunreaktion korrelieren. 72 Kinder und Jugendliche mit einer früheren SARS-CoV-2 Infektion wurden rekrutiert. 37 wurden mit einem RNA-Impfstoff (BNT162b2) geimpft. Nach einer Infektion durch Messung von Spikeprotein (S), Nucleocapsid (NCP) und Neutralisation von Antikörpern (nAB) wurde die humorale Immunität 3-26 Monate (vermittelt 10 Monate) analysiert. Zelluläre Immunität wurde mit einem SARS-CoV-2-spezifischen Interferon-γ-Release-Assay (IGRA) analysiert. Alle Kinder und Jugendlichen hatten S-Antikörper; Titer waren höher bei denen mit Hybrid-Immunität (14.900 BAU/ml vs. 2118 BAU/ml). NCP-Antikörper wurden in > 90% nachweisbar. Neutralisierende Antikörper (nAB) wurden häufiger (90%) mit höheren Titern (1914 RLU) bei Jugendlichen mit hybrider Immunität als bei Kindern mit natürlicher Immunität (62.5%, 476 RLU) nachgewiesen. Kinder mit natürlicher Immunität waren weniger wahrscheinlich reaktive IGRAs (43,8%) als Jugendliche mit hybrider Immunität (85%). Die von T-Zellen freigesetzte Menge an Interferon-γ war in der natürlichen und hybriden Immunität vergleichbar. Spike-Antikörper sind die zuverlässigsten Marker, um eine Immunreaktion gegen SARS-CoV-2 zu überwachen. Hohe Antikörpertiter von Spike-Antikörpern und nAB korrelierten mit zellulärer Immunität, ein Phänomen, das nur bei Jugendlichen mit hybrider Immunität gefunden wurde. Hybride Immunität ist mit deutlich höheren Antikörpertitern und einer höheren Wahrscheinlichkeit einer zellulären Immunantwort als einer natürlichen Immunität verbunden.
J. Gehrmann,
D. J. Soenarto,
K. Hidayat,
M. Beyer,
L. Quakulinski,
S. Alkarkoukly,
S. Berressem,
A. Gundert,
M. Butler,
A. Grönke,
S. Lennartz,
T. Persigehl,
T. Zander and
O. Beyan,
"Seeing the primary tumor because of all the trees: Cancer type prediction on low-dimensional data.",
Frontiers in medicine,
Aug.
2024.
Abstract:
Das Cancer of Unknown Primary (CUP)-Syndrom zeichnet sich durch identifizierbare Metastasen aus, während der primäre Tumor verborgen bleibt. In den letzten Jahren wurden verschiedene datengesteuerte Ansätze vorgeschlagen, um den Standort des primären Tumors (LOP) bei CUP-Patienten vorherzusagen, die eine verbesserte Diagnose und ein Ergebnis versprechen. Diese LOP-Prädiktionsansätze verwenden hochdimensionale Eingabedaten wie Bilder oder genetische Daten. Die Verwendung solcher Daten ist jedoch herausfordernd, ressourcenintensiv und damit eine mögliche Translationsbarriere. Anstatt hochdimensionale Daten zu verwenden, analysierten wir die LOP-Prädiktionsleistung niedrigdimensionaler Daten aus der Routinemedizin. Mit unseren Erkenntnissen zeigen wir, dass solche niedrigdimensionalen klinischen Informationen als Eingabedaten für baumbasierte LOP-Prädiktionsmodelle genügen. Das beste Modell erreichte eine mittlere Genauigkeit von 94% und eine mittlere Matthews Korrelationskoeffizient (MCC) Punktzahl von 0,92 in 10-facher geschachtelter Kreuzvalidierung (NCV) bei der Unterscheidung von vier Krebsarten. Bei der Betrachtung von acht Krebsarten erreichte dieses Modell eine mittlere Genauigkeit von 85% und eine mittlere MCC-Score von 0,81. Dies ist vergleichbar mit der Leistung, die durch Ansätze mit hochdimensionalen Eingangsdaten erreicht wird. Darüber hinaus scheint das Verteilungsmuster von Metastasen wichtige Informationen bei der Vorhersage der LOP zu sein.
| DOI: | 10.3389/fmed.2024.1396459 |
Abstract:
Das Cancer of Unknown Primary (CUP)-Syndrom zeichnet sich durch identifizierbare Metastasen aus, während der primäre Tumor verborgen bleibt. In den letzten Jahren wurden verschiedene datengesteuerte Ansätze vorgeschlagen, um den Standort des primären Tumors (LOP) bei CUP-Patienten vorherzusagen, die eine verbesserte Diagnose und ein Ergebnis versprechen. Diese LOP-Prädiktionsansätze verwenden hochdimensionale Eingabedaten wie Bilder oder genetische Daten. Die Verwendung solcher Daten ist jedoch herausfordernd, ressourcenintensiv und damit eine mögliche Translationsbarriere. Anstatt hochdimensionale Daten zu verwenden, analysierten wir die LOP-Prädiktionsleistung niedrigdimensionaler Daten aus der Routinemedizin. Mit unseren Erkenntnissen zeigen wir, dass solche niedrigdimensionalen klinischen Informationen als Eingabedaten für baumbasierte LOP-Prädiktionsmodelle genügen. Das beste Modell erreichte eine mittlere Genauigkeit von 94% und eine mittlere Matthews Korrelationskoeffizient (MCC) Punktzahl von 0,92 in 10-facher geschachtelter Kreuzvalidierung (NCV) bei der Unterscheidung von vier Krebsarten. Bei der Betrachtung von acht Krebsarten erreichte dieses Modell eine mittlere Genauigkeit von 85% und eine mittlere MCC-Score von 0,81. Dies ist vergleichbar mit der Leistung, die durch Ansätze mit hochdimensionalen Eingangsdaten erreicht wird. Darüber hinaus scheint das Verteilungsmuster von Metastasen wichtige Informationen bei der Vorhersage der LOP zu sein.
I. Shahzadi,
A. Zwanenburg,
L. J. Frohwein,
D. Schramm,
H. J. Meyer,
M. Hinnerichs,
C. Moenninghoff,
J. H. Niehoff,
J. R. Kroeger,
J. Borggrefe and
A. Surov,
"Short-term mortality prediction in acute pulmonary embolism: Radiomics values of skeletal muscle and intramuscular adipose tissue.",
Journal of cachexia, sarcopenia and muscle,
Aug.
2024.
Abstract:
Akute Lungenembolie (APE) ist eine potentiell lebensbedrohliche Erkrankung, die die Bedeutung einer genauen Risikoschichtung und Überlebensprognose betont. Die Erforschung von bildgebenden Biomarkern, die das Überleben des Patienten widerspiegeln können, bietet das Potenzial, die Schichtung von APE-Patienten weiter zu verbessern und eine personalisierte Behandlung und frühzeitige Intervention zu ermöglichen. Daher entwickeln wir in dieser Studie rechnerische Tomographie-Pulmonal-Angiographie (CTPA) radiomische Signaturen für die Prognose von 7- und 30-Tage-All-Cause Mortalität bei Patienten mit APE. Diagnostische CTPA-Bilder von 829 Patienten mit APE wurden gesammelt. Zweihundert vierunddreißig Merkmale aus jedem Skelettmuskel (SM), intramuskuläres Fettgewebe (IMAT) und beide Gewebe kombiniert (SM + IMAT) wurden auf der Höhe des Brustwirbels 12 berechnet. Radiomische Signaturen wurden mit 10 mal wiederholter dreifacher Kreuzvalidierung auf den Trainingsdaten für SM, IMAT und SM + IMAT zur Vorhersage von 7- und 30-tägiger Mortalität abgeleitet. Die Leistung der radiomischen Signaturen wurde dann auf ausgehaltenen Testdaten bewertet und mit dem vereinfachten Pulmon-Embolismus-Senverity-Index (sPESI)-Score, einem etablierten Biomarker zur Risikoschichtung in APE, verglichen. Prädiktive Genauigkeit wurde durch den Bereich unter der Empfänger-Betriebskennlinie (AUC) mit einem 95 %-Konfidenzintervall (CI), Empfindlichkeit und Spezifität beurteilt. Die radiomischen Signaturen auf Basis von IMAT und einer Kombination von SM und IMAT (SM + IMAT) erzielten eine moderate Performance für die Vorhersage von 30-tägiger Mortalität auf Testdaten (IMAT: AUC = 0.68, 95% CI [0.57-0.78], Sensitivität = 0.57, Spezifität = 0.73; SM + IMAT: AUC = 0.70, 95% CI [0.60-0.79], Empfindlichkeit = 0.74, Spezifität = 0.74, Spezifität Radiomische Signaturen, die für die Vorhersage der 7-Tage-Gesamtsterblichkeit entwickelt wurden, zeigten eine insgesamt niedrige Leistung. Die klinische Signatur, d.h. sPESI, erreichte im Vergleich zu den radiomischen Signaturen für die Prädiktion von sowohl 7- als auch 30-tägiger Mortalität auf den Testdaten eine etwas bessere Leistung (7 Tage: AUC = 0,73, 95% CI [0.67-0.79], Sensitivität = 0.92, Spezifität = 0.16; 30 Tage: AUC = 0.74, 95% CI [0.66-06). Wir entwickelten und testeten radiomische Signaturen zur Vorhersage von 7- und 30-Tage-All-Cause-Sterblichkeit in APE mit einem multizentrischen retrospektiven Datensatz. Die gegenwärtige Multizentre-Arbeit zeigt, dass aus SM und IMAT gewonnene Radiomik-Parameter bei Patienten mit APE 30-Tage-All-Cause-Sterblichkeit vorhersagen können.
| DOI: | 10.1002/jcsm.13488 |
Abstract:
Akute Lungenembolie (APE) ist eine potentiell lebensbedrohliche Erkrankung, die die Bedeutung einer genauen Risikoschichtung und Überlebensprognose betont. Die Erforschung von bildgebenden Biomarkern, die das Überleben des Patienten widerspiegeln können, bietet das Potenzial, die Schichtung von APE-Patienten weiter zu verbessern und eine personalisierte Behandlung und frühzeitige Intervention zu ermöglichen. Daher entwickeln wir in dieser Studie rechnerische Tomographie-Pulmonal-Angiographie (CTPA) radiomische Signaturen für die Prognose von 7- und 30-Tage-All-Cause Mortalität bei Patienten mit APE. Diagnostische CTPA-Bilder von 829 Patienten mit APE wurden gesammelt. Zweihundert vierunddreißig Merkmale aus jedem Skelettmuskel (SM), intramuskuläres Fettgewebe (IMAT) und beide Gewebe kombiniert (SM + IMAT) wurden auf der Höhe des Brustwirbels 12 berechnet. Radiomische Signaturen wurden mit 10 mal wiederholter dreifacher Kreuzvalidierung auf den Trainingsdaten für SM, IMAT und SM + IMAT zur Vorhersage von 7- und 30-tägiger Mortalität abgeleitet. Die Leistung der radiomischen Signaturen wurde dann auf ausgehaltenen Testdaten bewertet und mit dem vereinfachten Pulmon-Embolismus-Senverity-Index (sPESI)-Score, einem etablierten Biomarker zur Risikoschichtung in APE, verglichen. Prädiktive Genauigkeit wurde durch den Bereich unter der Empfänger-Betriebskennlinie (AUC) mit einem 95 %-Konfidenzintervall (CI), Empfindlichkeit und Spezifität beurteilt. Die radiomischen Signaturen auf Basis von IMAT und einer Kombination von SM und IMAT (SM + IMAT) erzielten eine moderate Performance für die Vorhersage von 30-tägiger Mortalität auf Testdaten (IMAT: AUC = 0.68, 95% CI [0.57-0.78], Sensitivität = 0.57, Spezifität = 0.73; SM + IMAT: AUC = 0.70, 95% CI [0.60-0.79], Empfindlichkeit = 0.74, Spezifität = 0.74, Spezifität Radiomische Signaturen, die für die Vorhersage der 7-Tage-Gesamtsterblichkeit entwickelt wurden, zeigten eine insgesamt niedrige Leistung. Die klinische Signatur, d.h. sPESI, erreichte im Vergleich zu den radiomischen Signaturen für die Prädiktion von sowohl 7- als auch 30-tägiger Mortalität auf den Testdaten eine etwas bessere Leistung (7 Tage: AUC = 0,73, 95% CI [0.67-0.79], Sensitivität = 0.92, Spezifität = 0.16; 30 Tage: AUC = 0.74, 95% CI [0.66-06). Wir entwickelten und testeten radiomische Signaturen zur Vorhersage von 7- und 30-Tage-All-Cause-Sterblichkeit in APE mit einem multizentrischen retrospektiven Datensatz. Die gegenwärtige Multizentre-Arbeit zeigt, dass aus SM und IMAT gewonnene Radiomik-Parameter bei Patienten mit APE 30-Tage-All-Cause-Sterblichkeit vorhersagen können.
B. Lassen-Schmidt,
B. Baessler,
M. Gutberlet,
J. Berger,
J. M. Brendel,
A. M. Bucher,
T. Emrich,
P. Fervers,
J. Kottlors,
P. Kuhl,
M. S. May,
T. Penzkofer,
T. Persigehl,
D. Renz,
M. Sähn,
L. Siegler,
P. Kohlmann,
A. Köhn,
F. Link,
H. Meine,
M. T. Thiemann,
H. K. Hahn and
M. M. Sieren,
"Cooperative AI training for cardiothoracic segmentation in computed tomography: An iterative multi-center annotation approach",
European journal of radiology,
vol. 176,
pp. 111534,
Jul.
2024.
Abstract:
Radiological reporting is transitioning to quantitative analysis, requiring large-scale multi-center validation of biomarkers. A major prerequisite and bottleneck for this task is the voxelwise annotation of image data, which is time-consuming for large cohorts. In this study, we propose an iterative training workflow to support and facilitate such segmentation tasks, specifically for high-resolution thoracic CT data. Our study included 132 thoracic CT scans from clinical practice, annotated by 13 radiologists. In three iterative training experiments, we aimed to improve and accelerate segmentation of the heart and mediastinum. Each experiment started with manual segmentation of 5-25 CT scans, which served as training data for a nnU-Net. Further iterations incorporated AI pre-segmentation and human correction to improve accuracy, accelerate the annotation process, and reduce human involvement over time. Results showed consistent improvement in AI model quality with each iteration. Resampled datasets improved the Dice similarity coefficients for both the heart (DCS 0.91 [0.88; 0.92]) and the mediastinum (DCS 0.95 [0.94; 0.95]). Our AI models reduced human interaction time by 50 % for heart and 70 % for mediastinum segmentation in the most potent iteration. A model trained on only five datasets achieved satisfactory results (DCS > 0.90). The iterative training workflow provides an efficient method for training AI-based segmentation models in multi-center studies, improving accuracy over time and simultaneously reducing human intervention. Future work will explore the use of fewer initial datasets and additional pre-processing methods to enhance model quality.
| DOI: | 10.1016/j.ejrad.2024.111534 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38820951/ |
Abstract:
Radiological reporting is transitioning to quantitative analysis, requiring large-scale multi-center validation of biomarkers. A major prerequisite and bottleneck for this task is the voxelwise annotation of image data, which is time-consuming for large cohorts. In this study, we propose an iterative training workflow to support and facilitate such segmentation tasks, specifically for high-resolution thoracic CT data. Our study included 132 thoracic CT scans from clinical practice, annotated by 13 radiologists. In three iterative training experiments, we aimed to improve and accelerate segmentation of the heart and mediastinum. Each experiment started with manual segmentation of 5-25 CT scans, which served as training data for a nnU-Net. Further iterations incorporated AI pre-segmentation and human correction to improve accuracy, accelerate the annotation process, and reduce human involvement over time. Results showed consistent improvement in AI model quality with each iteration. Resampled datasets improved the Dice similarity coefficients for both the heart (DCS 0.91 [0.88; 0.92]) and the mediastinum (DCS 0.95 [0.94; 0.95]). Our AI models reduced human interaction time by 50 % for heart and 70 % for mediastinum segmentation in the most potent iteration. A model trained on only five datasets achieved satisfactory results (DCS > 0.90). The iterative training workflow provides an efficient method for training AI-based segmentation models in multi-center studies, improving accuracy over time and simultaneously reducing human intervention. Future work will explore the use of fewer initial datasets and additional pre-processing methods to enhance model quality.
[eng]
M. Schwabenland,
D. Hasavci,
S. Frase,
K. Wolf,
N. Deigendesch,
J. M. Buescher,
K. D. Mertz,
B. Ondruschka,
J. Matschke,
M. Glatzel,
S. Frank,
R. Thimme,
J. Beck,
J. A. Hosp,
T. Blank,
B. Bengsch and
M. Prinz,
"High throughput spatial immune mapping reveals an innate immune scar in post-COVID-19 brains",
Acta Neuropathologica,
vol. 148,
no. 1,
pp. 11,
Jul.
2024.
Abstract:
The underlying pathogenesis of neurological sequelae in post-COVID-19 patients remains unclear. Here, we used multidimensional spatial immune phenotyping and machine learning methods on brains from initial COVID-19 survivors to identify the biological correlate associated with previous SARS-CoV-2 challenge. Compared to healthy controls, individuals with post-COVID-19 revealed a high percentage of TMEM119+P2RY12+CD68+Iba1+HLA-DR+CD11c+SCAMP2+ microglia assembled in prototypical cellular nodules. In contrast to acute SARS-CoV-2 cases, the frequency of CD8+ parenchymal T cells was reduced, suggesting an immune shift toward innate immune activation that may contribute to neurological alterations in post-COVID-19 patients.
| DOI: | 10.1007/s00401-024-02770-6 |
Abstract:
The underlying pathogenesis of neurological sequelae in post-COVID-19 patients remains unclear. Here, we used multidimensional spatial immune phenotyping and machine learning methods on brains from initial COVID-19 survivors to identify the biological correlate associated with previous SARS-CoV-2 challenge. Compared to healthy controls, individuals with post-COVID-19 revealed a high percentage of TMEM119+P2RY12+CD68+Iba1+HLA-DR+CD11c+SCAMP2+ microglia assembled in prototypical cellular nodules. In contrast to acute SARS-CoV-2 cases, the frequency of CD8+ parenchymal T cells was reduced, suggesting an immune shift toward innate immune activation that may contribute to neurological alterations in post-COVID-19 patients.
[en]
F. Gaertner,
H. Ishikawa-Ankerhold,
S. Stutte,
W. Fu,
J. Weitz,
A. Dueck,
B. Nelakuditi,
V. Fumagalli,
D. Van Den Heuvel,
L. Belz,
G. Sobirova,
Z. Zhang,
A. Titova,
A. M. Navarro,
K. Pekayvaz,
M. Lorenz,
L. Von Baumgarten,
J. Kranich,
T. Straub,
B. Popper,
V. Zheden,
W. A. Kaufmann,
C. Guo,
G. Piontek,
S. Von Stillfried,
P. Boor,
M. Colonna,
S. Clauß,
C. Schulz,
T. Brocker,
B. Walzog,
C. Scheiermann,
C. Nerlov,
K. Stark,
T. Petzold,
S. Engelhardt,
M. Sixt,
R. Hauschild,
M. Rudelius,
R. A. J. Oostendorp,
M. Iannacone,
M. Heinig and
S. Massberg,
"Plasmacytoid dendritic cells control homeostasis of megakaryopoiesis",
Nature,
vol. 631,
no. 8021,
pp. 645—653,
Jul.
2024.
| DOI: | 10.1038/s41586-024-07671-y |
| Datei: | https://www.nature.com/articles/s41586-024-07671-y |
L. Misera,
G. Müller-Franzes,
D. Truhn and
J. N. Kather,
"Weakly Supervised Deep Learning in Radiology",
Radiology,
vol. 312,
no. 1,
pp. e232085,
Jul.
2024.
Abstract:
Deep learning (DL) is currently the standard artificial intelligence tool for computer-based image analysis in radiology. Traditionally, DL models have been trained with strongly supervised learning methods. These methods depend on reference standard labels, typically applied manually by experts. In contrast, weakly supervised learning is more scalable. Weak supervision comprises situations in which only a portion of the data are labeled (incomplete supervision), labels refer to a whole region or case as opposed to a precisely delineated image region (inexact supervision), or labels contain errors (inaccurate supervision). In many applications, weak labels are sufficient to train useful models. Thus, weakly supervised learning can unlock a large amount of otherwise unusable data for training DL models. One example of this is using large language models to automatically extract weak labels from free-text radiology reports. Here, we outline the key concepts in weakly supervised learning and provide an overview of applications in radiologic image analysis. With more fundamental and clinical translational work, weakly supervised learning could facilitate the uptake of DL in radiology and research workflows by enabling large-scale image analysis and advancing the development of new DL-based biomarkers.
| DOI: | 10.1148/radiol.232085 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/39041937/ |
Abstract:
Deep learning (DL) is currently the standard artificial intelligence tool for computer-based image analysis in radiology. Traditionally, DL models have been trained with strongly supervised learning methods. These methods depend on reference standard labels, typically applied manually by experts. In contrast, weakly supervised learning is more scalable. Weak supervision comprises situations in which only a portion of the data are labeled (incomplete supervision), labels refer to a whole region or case as opposed to a precisely delineated image region (inexact supervision), or labels contain errors (inaccurate supervision). In many applications, weak labels are sufficient to train useful models. Thus, weakly supervised learning can unlock a large amount of otherwise unusable data for training DL models. One example of this is using large language models to automatically extract weak labels from free-text radiology reports. Here, we outline the key concepts in weakly supervised learning and provide an overview of applications in radiologic image analysis. With more fundamental and clinical translational work, weakly supervised learning could facilitate the uptake of DL in radiology and research workflows by enabling large-scale image analysis and advancing the development of new DL-based biomarkers.
K. Appel,
C. Lee,
S. N. Miranda,
D. Maier,
J. Reese,
G. Anton,
T. Bahmer,
S. Ballhausen,
B. Balzuweit,
C. Bellinghausen,
A. Blumentritt,
M. Brechtel,
I. Chaplinskaya-Sobol,
J. Erber,
K. Fiedler,
R. Geisler,
R. Heyder,
T. Illig,
M. Kohls,
L. Krist,
R. Lorbeer,
O. Miljukov,
L. Mitrov,
C. Nürnberger,
C. Pape,
C. Pley,
C. Schäfer,
J. Schaller,
M. Schattschneider,
M. Scherer,
N. Schulze,
D. Stahl,
H. C. Stubbe,
T. Tamminga,
J. J. Tebbe,
M. Vehreschild,
J. J. Vehreschild,
S. Wiedmann and
J. Kollek,
"A precise performance-based reimbursement model for the multi-centre NAPKON cohorts - development and evaluation",
Sci Rep. 2024 Jun 13;14(1):13607,
Jun.
2024.
| DOI: | 10.1038/s41598-024-63945-5 |
| Pubmed: | 38871878 |
C. Stellmach,
S. Hopff,
T. Jaenisch,
S. N. Miranda,
E. Rinaldi,
N. group and
R. Working Groups,
"Creation of Standardized Common Data Elements for Diagnostic Tests in Infectious Disease Studies: Semantic and Syntactic Mapping",
J Med Internet Res. 2024 Jun 10;26:e50049,
Jun.
2024.
| DOI: | 10.2196/50049 |
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,
"AB1491 QUANTIFICATION OF LUNG INVOLVEMENT IN INFLAMMATORY RHEUMATIC DISEASE-INTERSTITIAL LUNG DISEASE (IRD-ILD): A COMPARATIVE STUDY BETWEEN SYMPTOMATIC AND ASYMPTOMATIC PATIENTS USING AI-BASED HRCT ANALYSIS",
Annals of the Rheumatic Diseases,
vol. 83,
pp. 2113-2114,
Jun.
2024.
| DOI: | 10.1136/annrheumdis-2024-eular.2680 |
| Datei: | https://doi.org/10.1136/annrheumdis-2024-eular.2680 |
A. Aghayev,
M. Hinnerichs,
A. Wienke,
H. Meyer and
A. Surov,
"Epicardial adipose tissue as a prognostic marker in acute pulmonary embolism",
Herz,
vol. 49,
no. 3,
pp. 219-223,
Jun.
2024.
Abstract:
Epicardial adipose tissue (EAT) has been established as a quantitative imaging biomarker associated with disease severity in coronary heart disease. Our aim was to use this prognostic marker derived from computed tomography pulmonary angiography (CTPA) for the prediction of mortality and prognosis in patients with acute pulmonary embolism. The clinical database was retrospectively screened for patients with acute pulmonary embolism between 2015 and 2021. Overall, 513 patients (216 female, 42.1%) were included in the analysis. The study end-point was 30-day mortality. Epicardial adipose tissue was measured on the diagnostic CTPA in a semiquantitative manner. The volume and density of EAT were measured for every patient. Overall, 60 patients (10.4%) died within the 30-day observation period. The mean EAT volume was 128.3 ± 65.0 cm3 in survivors and 154.6 ± 84.5 cm3 in nonsurvivors (p = 0.02). The density of EAT was -79.4 ± 8.3 HU in survivors and -76.0 ± 8.4 HU in nonsurvivors (p = 0.86), and EAT density was associated with 30-day mortality (odds ratio [OR] = 1.07; 95% confidence interval [CI]: 1.03; 1.1, p < 0.001) but did not remain statistically significant in multivariable analysis. No association was identified between EAT volume and 30-day mortality (OR = 1.0; 95% CI: 1.0; 1.0, p = 0.48). There might be an association between EAT density and mortality in patients with acute pulmonary embolism. Further studies are needed to elucidate the prognostic relevance of EAT parameters in patients with acute pulmonary embolism.
| DOI: | 10.1007/s00059-023-05210-5 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/37847316/ |
Abstract:
Epicardial adipose tissue (EAT) has been established as a quantitative imaging biomarker associated with disease severity in coronary heart disease. Our aim was to use this prognostic marker derived from computed tomography pulmonary angiography (CTPA) for the prediction of mortality and prognosis in patients with acute pulmonary embolism. The clinical database was retrospectively screened for patients with acute pulmonary embolism between 2015 and 2021. Overall, 513 patients (216 female, 42.1%) were included in the analysis. The study end-point was 30-day mortality. Epicardial adipose tissue was measured on the diagnostic CTPA in a semiquantitative manner. The volume and density of EAT were measured for every patient. Overall, 60 patients (10.4%) died within the 30-day observation period. The mean EAT volume was 128.3 ± 65.0 cm3 in survivors and 154.6 ± 84.5 cm3 in nonsurvivors (p = 0.02). The density of EAT was -79.4 ± 8.3 HU in survivors and -76.0 ± 8.4 HU in nonsurvivors (p = 0.86), and EAT density was associated with 30-day mortality (odds ratio [OR] = 1.07; 95% confidence interval [CI]: 1.03; 1.1, p < 0.001) but did not remain statistically significant in multivariable analysis. No association was identified between EAT volume and 30-day mortality (OR = 1.0; 95% CI: 1.0; 1.0, p = 0.48). There might be an association between EAT density and mortality in patients with acute pulmonary embolism. Further studies are needed to elucidate the prognostic relevance of EAT parameters in patients with acute pulmonary embolism.
T. Donker,
A. Papathanassopoulos,
H. Ghosh,
R. Kociurzynski,
M. Felder,
H. Grundmann and
S. Reuter,
"Estimation of SARS-CoV-2 fitness gains from genomic surveillance data without prior lineage classification",
Proceedings of the National Academy of Sciences,
vol. 121,
no. 25,
pp. e2314262121,
Jun.
2024.
| DOI: | 10.1073/pnas.2314262121 |
R. Ülgüt,
I. Tomsic,
I. Chaberny and
T. von Lengerke,
"Human resource management to assist infection prevention and control professionals: a scoping review",
J Hosp Infect,
vol. 148,
pp. 145-154,
Jun.
2024.
| DOI: | 10.1016/j.jhin.2024.04.004 |
J. Eckstein,
V. Skeries,
G. Pöhler,
N. Babazade,
T. Kaireit,
M. Gutberlet,
N. Kornemann,
S. Hellms,
A. Pfeil,
A. M. Bucher,
G. Hansmann,
P. Beerbaum,
G. Hansen,
F. Wacker,
J. Vogel-Claussen,
M. Wetzke and
D. M. Renz,
"Multiparametric Cardiovascular MRI Assessment of Post-COVID Syndrome in Children in Comparison to Matched Healthy Individuals.",
Investigative radiology,
Jun.
2024.
Abstract:
Das Post-COVID-Syndrom (PCS) kann die Lebensqualität der Patienten und ihrer Familien beeinträchtigen. Insbesondere ist der Grad der Herzbeeinträchtigung bei Kindern mit PCS unbekannt. Ziel dieser Studie war es, mögliche Herzentzündungssequenzen bei Kindern mit PCS im Vergleich zu gesunden Kontrollen zu identifizieren. Diese einzentige, prospektive, intraindividuelle, Beobachtungsstudie bewertet die Herzfunktion, globale und segmentbasierte Stämme und die Gewebecharakterisierung in 29 alters- und sexangepassten Kindern mit PCS und gesunden Kindern mit einer 3 T-Magnetresonanztomographie (MRI). Herz-MRT wurde über 36,4 ± 24,9 Wochen nach-COVID-Infektion durchgeführt. Die Studie Kohorte hat ein durchschnittliches Alter von 14,0 ± 2,8 Jahren, für die die meisten Menschen von Müdigkeit, Konzentrationsstörungen, Dyspnea, Schwindel und Muskelschmerzen erfahren. Kinder mit PSC im Gegensatz zur Kontrollgruppe zeigten eine erhöhte Herzfrequenz (83,7 ± 18,1 Schläge pro Minute vs 75,2 ± 11,2 Schläge pro Minute, P = 0,019), erhöhtes rechtsventrikuläres enddiastolic Volumen (95,2 ± 19,2 ml -2 vs 82,0 ± 21,5 ml -2, P = 0,018) und endsystolisches Volumen (40,3 ± 7,9 ml Basierend auf der aktualisierten Lake Louise Criteria, Myokardinentzündung ist in 20 (69%) Kindern mit PCS. Für globale Stämme wurde kein statistisch signifikanter Unterschied beobachtet. Cardiac MRI ergab geänderte rechtsventrikuläre Volumentrikten und erhöhte T1 und T2 Mapping-Werte bei Kindern mit PCS, suggestiv für eine diffuse myokardial Entzündung, die für die diagnostische Aufarbeitung von PCS bei Kindern nützlich sein kann.
| DOI: | 10.1097/RLI.0000000000001048 |
Abstract:
Das Post-COVID-Syndrom (PCS) kann die Lebensqualität der Patienten und ihrer Familien beeinträchtigen. Insbesondere ist der Grad der Herzbeeinträchtigung bei Kindern mit PCS unbekannt. Ziel dieser Studie war es, mögliche Herzentzündungssequenzen bei Kindern mit PCS im Vergleich zu gesunden Kontrollen zu identifizieren. Diese einzentige, prospektive, intraindividuelle, Beobachtungsstudie bewertet die Herzfunktion, globale und segmentbasierte Stämme und die Gewebecharakterisierung in 29 alters- und sexangepassten Kindern mit PCS und gesunden Kindern mit einer 3 T-Magnetresonanztomographie (MRI). Herz-MRT wurde über 36,4 ± 24,9 Wochen nach-COVID-Infektion durchgeführt. Die Studie Kohorte hat ein durchschnittliches Alter von 14,0 ± 2,8 Jahren, für die die meisten Menschen von Müdigkeit, Konzentrationsstörungen, Dyspnea, Schwindel und Muskelschmerzen erfahren. Kinder mit PSC im Gegensatz zur Kontrollgruppe zeigten eine erhöhte Herzfrequenz (83,7 ± 18,1 Schläge pro Minute vs 75,2 ± 11,2 Schläge pro Minute, P = 0,019), erhöhtes rechtsventrikuläres enddiastolic Volumen (95,2 ± 19,2 ml -2 vs 82,0 ± 21,5 ml -2, P = 0,018) und endsystolisches Volumen (40,3 ± 7,9 ml Basierend auf der aktualisierten Lake Louise Criteria, Myokardinentzündung ist in 20 (69%) Kindern mit PCS. Für globale Stämme wurde kein statistisch signifikanter Unterschied beobachtet. Cardiac MRI ergab geänderte rechtsventrikuläre Volumentrikten und erhöhte T1 und T2 Mapping-Werte bei Kindern mit PCS, suggestiv für eine diffuse myokardial Entzündung, die für die diagnostische Aufarbeitung von PCS bei Kindern nützlich sein kann.
[en]
J. Schädler,
M. Lütgehetmann,
A. S. Schröder,
C. Edler,
K. Püschel,
B. Ondruschka and
A. Fitzek,
"Pilot study in Hamburg on the prevalence of SARS-CoV-2 infections and pandemic survey in the German funeral industry",
Forensic Science, Medicine and Pathology,
vol. 20,
no. 2,
pp. 500—507,
Jun.
2024.
| DOI: | 10.1007/s12024-023-00661-y |
| Datei: | https://doi.org/10.1007/s12024-023-00661-y |
Y. Devaux,
L. Zhang,
A. Lumley,
K. Karaduzovic-Hadziabdic,
V. Mooser,
S. Rousseau,
M. Shoaib,
V. Satagopam,
P. Srivastava,
C. Emanueli,
F. Martelli,
S. Greco,
L. Badimon,
T. Padro,
M. Lustrek,
M. Scholz,
M. Rosolowski,
T. Brandenburger,
J. J. Vehreschild,
B. Lorenz-Depiereux,
M. Dörr,
O. Witzke,
M. Jordan,
B. Benczik,
P. Ferdinandy,
G. Sanchez,
S. Kul,
A. Baker,
G. Fagherazzi,
M. Ollert,
R. Wereski,
N. Mills and
H. Firat,
"Development of a long noncoding RNA-based machine learning model to predict COVID-19 in-hospital mortality",
Nat Commun. 2024 May 20; 15(1):4259.,
Mai
2024.
J. Bienzeisler,
G. Becker,
B. Erdmann,
A. Kombeiz,
R. W. Majeed,
R. Röhrig,
F. Greiner,
R. Otto and
F. Otto-Sobotka,
"The Effects of Displaying the Time Targets of the Manchester Triage System to Emergency Department Personnel: Prospective Crossover Study",
J Med Internet Res,
vol. 26,
Mai
2024.
| DOI: | 10.2196/45593 |
| Pubmed: | 38743464 |
S. Hopff,
K. Appel,
O. Miljukov,
J. Schneider,
S. Bercker,
S. Blaschke,
I. Bröhl,
H. Dashti,
J. Erber,
A. Friedrichs,
R. Geisler,
S. Göpel,
M. Hagen,
F. Hanses,
B. Jensen,
A. Krawczyk,
B. Lorenz-Depiereux,
P. Meybohm,
M. Milovanovic,
L. Mitrov,
C. Nürnberger,
C. Römmele,
C. Schäfer,
C. Scheer,
M. Scherer,
J. Schmidt,
K. Seibel,
S. Sikdar,
J. J. Tebbe,
P. R. Tepasse,
M. Vehreschild,
C. Weismantel,
J. J. Vehreschild,
R. Bals,
N. Büchner,
M. Keul,
W. Obst and
P. Thelen,
"Comparison of post-COVID-19 symptoms in patients infected with the SARS-CoV-2 variants delta and omicron-results of the Cross-Sectoral Platform of the German National Pandemic Cohort Network (NAPKON-SUEP)",
Infection. 2024 May 3,
Mai
2024.
| DOI: | 10.1007/s15010-024-02270-5 |
[en]
M. Weiß,
J. Gutzeit,
K. S. Appel,
T. Bahmer,
M. Beutel,
J. Deckert,
J. Fricke,
S. Hanß,
N. Hettich-Damm,
P. U. Heuschmann,
A. Horn,
K. Jauch-Chara,
M. Kohls,
L. Krist,
B. Lorenz-Depiereux,
C. Otte,
D. Pape,
J. Reese,
S. Schreiber,
S. Störk,
J. J. Vehreschild and
G. Hein,
"Depression and fatigue six months post-COVID-19 disease are
associated with overlapping symptom constellations: A
prospective, multi-center, population-based cohort study",
J. Affect. Disord.,
vol. 352,
pp. 296—305,
Mai
2024.
Elsevier BV.
| DOI: | 10.1016/j.jad.2024.02.041 |
S. Nowak,
H. Schneider,
Y. C. Layer,
M. Theis,
D. Biesner,
W. Block,
B. Wulff,
U. I. Attenberger,
R. Sifa and
A. M. Sprinkart,
"Development of image-based decision support systems utilizing information extracted from radiological free-text report databases with text-based transformers.",
European radiology,
Mai
2024.
Abstract:
Zur Untersuchung des Potenzials und der Einschränkungen der Nutzung von transformatorbasierter Report-Annotation zur Vor-Ort-Entwicklung von bildbasierten diagnostischen Entscheidungsunterstützungssystemen (DDSS). Die Studie umfasste 88,353 Brust-Röntgen von 19,581 intensiven Pflegeeinheiten (ICU) Patienten. Zur Kennzeichnung von sechs typischen Befunden in 17,041 Bildern wurden die entsprechenden Freitextberichte der anwesenden Radiologen von medizinischen Forschungsassistenten ("Gold-Labels") bewertet. Für alle Berichte wurden automatisch generierte "Silber"-Etiketten von auf Gold-Etiketten ausgebildeten Transformatormodellen extrahiert. Zur Untersuchung des Vorteils solcher Silberetiketten wurden die bildbasierten Modelle mit drei Ansätzen geschult: nur mit Goldetiketten (M<sub>G</sub>), zuerst mit Silberetiketten, dann mit Goldetiketten (M<sub>S/G</sub>) und zusammen mit Silber- und Goldetiketten (M<sub>S+G</sub>). Um den Einfluss des investierten Annotationsaufwands zu untersuchen, wurden die Experimente mit unterschiedlichen Zahlen (N) von goldannotierten Berichten zur Ausbildung des Transformators und bildbasierten Modellen wiederholt und auf 2099 goldannotierten Bildern getestet. Wesentliche Unterschiede im makrogemittelten Bereich unter der Empfänger-Betriebskennlinie (AUC) wurden durch nicht überschneidende 95 %-Konfidenzintervalle bewertet. Die Verwendung von silbernen Transformatoren-basierten Etiketten ergab deutlich höhere makrogemittelte AUC als ausschließlich mit Gold-Etiketten (N = 1000: M<sub>G</sub>> 67.8 [66.0-69.6], M<sub>S/G</sub>> 77.9 [76.2-79.6]; N = 14,580: M<sub>G>/sub> 74.5 [72.8-76.2]. Die Ausbildung mit Silber- und Goldetiketten war zusammen mit nur 500 Goldetiketten (M<sub>S+G</sub> 76.4 [74.7-78.0], M<sub>S/G</sub> 75.3 [73.5-77.0]) von Vorteil. Transformerbasierte Annotation hat Potenzial zur Entriegelung von Freitext-Berichtsdatenbanken für die Entwicklung von bildbasierten DDSS. Die Vor-Ort-Entwicklung von bildbasierten DDSS könnte jedoch von anspruchsvolleren Anmerkungspipelines profitieren, einschließlich weiterer Informationen als ein einziger radiologischer Bericht. Mit Hilfe von klinischen Datenbanken zur Vor-Ort-Entwicklung von künstlichen Intelligenz (KI)-basierten Diagnose-Entscheidungsunterstützungssystemen durch textbasierte Transformatoren könnte die Anwendung von KI in der klinischen Praxis durch Umgehung hochregulierter Datenaustausche mit Dritten gefördert werden. Die Datenmenge aus einer Datenbank, die zur Entwicklung von AI-gestützten diagnostischen Entscheidungssystemen verwendet werden kann, ist oft durch die Notwendigkeit einer zeitraubenden Identifizierung von Pathologien durch Radiologen begrenzt. • Die transformatorbasierte Strukturierung von Freitext-Radiologischen Berichten zeigt Potenzial, entsprechende Bilddatenbanken zur Vor-Ort-Entwicklung von bildbasierten Diagnose-Entscheidungsunterstützungssystemen zu entsperren. • Die Qualität der Bildnotationen, die ausschließlich auf den Inhalt eines einzigen Radiologieberichts erzeugt werden, kann jedoch durch potenzielle Ungenauigkeiten und Unvollkommenheiten dieses Berichts begrenzt werden.
| DOI: | 10.1007/s00330-023-10373-0 |
Abstract:
Zur Untersuchung des Potenzials und der Einschränkungen der Nutzung von transformatorbasierter Report-Annotation zur Vor-Ort-Entwicklung von bildbasierten diagnostischen Entscheidungsunterstützungssystemen (DDSS). Die Studie umfasste 88,353 Brust-Röntgen von 19,581 intensiven Pflegeeinheiten (ICU) Patienten. Zur Kennzeichnung von sechs typischen Befunden in 17,041 Bildern wurden die entsprechenden Freitextberichte der anwesenden Radiologen von medizinischen Forschungsassistenten ("Gold-Labels") bewertet. Für alle Berichte wurden automatisch generierte "Silber"-Etiketten von auf Gold-Etiketten ausgebildeten Transformatormodellen extrahiert. Zur Untersuchung des Vorteils solcher Silberetiketten wurden die bildbasierten Modelle mit drei Ansätzen geschult: nur mit Goldetiketten (M<sub>G</sub>), zuerst mit Silberetiketten, dann mit Goldetiketten (M<sub>S/G</sub>) und zusammen mit Silber- und Goldetiketten (M<sub>S+G</sub>). Um den Einfluss des investierten Annotationsaufwands zu untersuchen, wurden die Experimente mit unterschiedlichen Zahlen (N) von goldannotierten Berichten zur Ausbildung des Transformators und bildbasierten Modellen wiederholt und auf 2099 goldannotierten Bildern getestet. Wesentliche Unterschiede im makrogemittelten Bereich unter der Empfänger-Betriebskennlinie (AUC) wurden durch nicht überschneidende 95 %-Konfidenzintervalle bewertet. Die Verwendung von silbernen Transformatoren-basierten Etiketten ergab deutlich höhere makrogemittelte AUC als ausschließlich mit Gold-Etiketten (N = 1000: M<sub>G</sub>> 67.8 [66.0-69.6], M<sub>S/G</sub>> 77.9 [76.2-79.6]; N = 14,580: M<sub>G>/sub> 74.5 [72.8-76.2]. Die Ausbildung mit Silber- und Goldetiketten war zusammen mit nur 500 Goldetiketten (M<sub>S+G</sub> 76.4 [74.7-78.0], M<sub>S/G</sub> 75.3 [73.5-77.0]) von Vorteil. Transformerbasierte Annotation hat Potenzial zur Entriegelung von Freitext-Berichtsdatenbanken für die Entwicklung von bildbasierten DDSS. Die Vor-Ort-Entwicklung von bildbasierten DDSS könnte jedoch von anspruchsvolleren Anmerkungspipelines profitieren, einschließlich weiterer Informationen als ein einziger radiologischer Bericht. Mit Hilfe von klinischen Datenbanken zur Vor-Ort-Entwicklung von künstlichen Intelligenz (KI)-basierten Diagnose-Entscheidungsunterstützungssystemen durch textbasierte Transformatoren könnte die Anwendung von KI in der klinischen Praxis durch Umgehung hochregulierter Datenaustausche mit Dritten gefördert werden. Die Datenmenge aus einer Datenbank, die zur Entwicklung von AI-gestützten diagnostischen Entscheidungssystemen verwendet werden kann, ist oft durch die Notwendigkeit einer zeitraubenden Identifizierung von Pathologien durch Radiologen begrenzt. • Die transformatorbasierte Strukturierung von Freitext-Radiologischen Berichten zeigt Potenzial, entsprechende Bilddatenbanken zur Vor-Ort-Entwicklung von bildbasierten Diagnose-Entscheidungsunterstützungssystemen zu entsperren. • Die Qualität der Bildnotationen, die ausschließlich auf den Inhalt eines einzigen Radiologieberichts erzeugt werden, kann jedoch durch potenzielle Ungenauigkeiten und Unvollkommenheiten dieses Berichts begrenzt werden.
A. M. Bucher,
T. Penzkofer and
M. S. May,
"Editorial for "Magnetic Resonance Imaging-Based Classification Systems for Informing Better Outcomes of Adenomyosis After Ultrasound-Guided High-Intensity Focused Ultrasound Ablating Surgery"",
Journal of magnetic resonance imaging : JMRI,
vol. 59,
no. 5,
pp. 1798-1799,
Mai
2024.
Abstract:
N/A
| DOI: | 10.1002/jmri.28988 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/37702415/ |
Abstract:
N/A
[de]
S. Windeck,
S. Stillfried,
L. Triefenbach,
U. Nienaber,
R. D. Bülow,
R. Röhrig,
B. Ondruschka,
P. Boor and
NATON,
"Entwicklung und Fortschritte des Nationalen Obduktionsnetzwerks (NATON)",
Die Pathologie,
vol. 45,
no. 3,
pp. 203-210,
Mai
2024.
Abstract:
Obduktionen gelten seit langem als der Goldstandard für die Qualitätssicherung in der Medizin. Die COVID-19-Pandemie hat ihr Potenzial für das Verständnis der Pathophysiologie, Therapie und Krankheitsbewältigung wieder in den Fokus gerückt. Im April 2020 wurde das Deutsche Register für COVID-19-Obduktionen (DeRegCOVID) eingerichtet, gefolgt vom Konsortium DEFEAT PANDEMIcs (2020–2021), das sich zum Nationalen Obduktionsnetzwerk (NATON) entwickelte.
| DOI: | 10.1007/s00292-024-01307-8 |
| Datei: | https://doi.org/10.1007/s00292-024-01307-8 |
Abstract:
Obduktionen gelten seit langem als der Goldstandard für die Qualitätssicherung in der Medizin. Die COVID-19-Pandemie hat ihr Potenzial für das Verständnis der Pathophysiologie, Therapie und Krankheitsbewältigung wieder in den Fokus gerückt. Im April 2020 wurde das Deutsche Register für COVID-19-Obduktionen (DeRegCOVID) eingerichtet, gefolgt vom Konsortium DEFEAT PANDEMIcs (2020–2021), das sich zum Nationalen Obduktionsnetzwerk (NATON) entwickelte.
A. M. Bucher,
K. Henzel,
H. J. Meyer,
C. Ehrengut,
L. Müller,
D. Schramm,
A. Akinina,
M. Drechsel,
R. Kloeckner,
P. Isfort,
M. Sähn,
M. Fink,
D. Móré,
B. Melekh,
F. G. Meinel,
F. Dreger,
M. May,
L. Siegler,
H. Münzfeld,
R. Ruppel,
T. Penzkofer,
M. Kim,
M. Balzer,
J. Borggrefe and
A. Surov,
"Pericardial Effusion Predicts Clinical Outcomes in Patients with COVID-19: A Nationwide Multicenter Study",
Academic radiology,
vol. 31,
no. 5,
pp. 1784-1791,
Mai
2024.
Abstract:
The prognostic role of pericardial effusion (PE) in Covid 19 is unclear. The aim of the present study was to estimate the prognostic role of PE in patients with Covid 19 in a large multicentre setting. This retrospective study is a part of the German multicenter project RACOON (Radiological Cooperative Network of the Covid 19 pandemic). The acquired sample comprises 1197 patients, 363 (30.3%) women and 834 (69.7%) men. In every case, chest computed tomography was analyzed for PE. Data about 30-day mortality, need for mechanical ventilation and need for intensive care unit (ICU) admission were collected. Data were evaluated by means of descriptive statistics. Group differences were calculated with Mann-Whitney test and Fisher exact test. Uni-and multivariable regression analyses were performed. Overall, 46.4% of the patients were admitted to ICU, mechanical lung ventilation was performed in 26.6% and 30-day mortality was 24%. PE was identified in 159 patients (13.3%). The presence of PE was associated with 30-day mortality: HR= 1.54, CI 95% (1.05; 2.23), p = 0.02 (univariable analysis), and HR= 1.60, CI 95% (1.03; 2.48), p = 0.03 (multivariable analysis). Furthermore, density of PE was associated with the need for intubation (OR=1.02, CI 95% (1.003; 1.05), p = 0.03) and the need for ICU admission (OR=1.03, CI 95% (1.005; 1.05), p = 0.01) in univariable regression analysis. The presence of PE was associated with 30-day mortality in male patients, HR= 1.56, CI 95%(1.01-2.43), p = 0.04 (multivariable analysis). In female patients, none of PE values predicted clinical outcomes. The prevalence of PE in Covid 19 is 13.3%. PE is an independent predictor of 30-day mortality in male patients with Covid 19. In female patients, PE plays no predictive role.
| DOI: | 10.1016/j.acra.2023.12.003 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38155024/ |
Abstract:
The prognostic role of pericardial effusion (PE) in Covid 19 is unclear. The aim of the present study was to estimate the prognostic role of PE in patients with Covid 19 in a large multicentre setting. This retrospective study is a part of the German multicenter project RACOON (Radiological Cooperative Network of the Covid 19 pandemic). The acquired sample comprises 1197 patients, 363 (30.3%) women and 834 (69.7%) men. In every case, chest computed tomography was analyzed for PE. Data about 30-day mortality, need for mechanical ventilation and need for intensive care unit (ICU) admission were collected. Data were evaluated by means of descriptive statistics. Group differences were calculated with Mann-Whitney test and Fisher exact test. Uni-and multivariable regression analyses were performed. Overall, 46.4% of the patients were admitted to ICU, mechanical lung ventilation was performed in 26.6% and 30-day mortality was 24%. PE was identified in 159 patients (13.3%). The presence of PE was associated with 30-day mortality: HR= 1.54, CI 95% (1.05; 2.23), p = 0.02 (univariable analysis), and HR= 1.60, CI 95% (1.03; 2.48), p = 0.03 (multivariable analysis). Furthermore, density of PE was associated with the need for intubation (OR=1.02, CI 95% (1.003; 1.05), p = 0.03) and the need for ICU admission (OR=1.03, CI 95% (1.005; 1.05), p = 0.01) in univariable regression analysis. The presence of PE was associated with 30-day mortality in male patients, HR= 1.56, CI 95%(1.01-2.43), p = 0.04 (multivariable analysis). In female patients, none of PE values predicted clinical outcomes. The prevalence of PE in Covid 19 is 13.3%. PE is an independent predictor of 30-day mortality in male patients with Covid 19. In female patients, PE plays no predictive role.
J. Stake,
C. Spiekers,
B. H. Akkurt,
W. Heindel,
T. Brix,
M. Mannil and
M. Musigmann,
"Prediction of Seropositivity in Suspected Autoimmune Encephalitis by Use of Radiomics: A Radiological Proof-of-Concept Study.",
Diagnostics (Basel, Switzerland),
Mai
2024.
Abstract:
In dieser Studie haben wir versucht, die Fähigkeiten von Radiomik und maschinellem Lernen bei der Vorhersage von Seropositivität bei Patienten mit vermuteter Autoimmunenzenzenzephalitis (AE) aus MR-Bildern zu bewerten, die bei Symptombeginn erhalten wurden. Bei 83 Patienten, die zwischen 2011 und 2022 mit AE diagnostiziert wurden, wurde die manuelle bilaterale Segmentierung der Amygdala auf vorkontrastierten T2-Bildern mit 3D Slicer Open-Source-Software durchgeführt. Unsere Probe von 83 Patienten enthielt 43 seropositive und 40 seronegative AE-Fälle. Bilder wurden in unserem tertiären Pflegezentrum und in verschiedenen Sekundärpflegezentren in Nordrhein-Westfalen, Deutschland, erhalten. Die Probe wurde zufällig in Trainingsdaten und unabhängige Testdaten aufgeteilt. Insgesamt 107 radiomische Merkmale wurden aus bilateralen Interessengebieten (ROI) gewonnen. Automatisiertes maschinelles Lernen (AutoML) wurde verwendet, um die vielversprechendsten maschinellen Lernalgorithmen zu identifizieren. Die Feature-Auswahl wurde unter Verwendung einer rekursiven Merkmalsbehebung (RFE) durchgeführt und basiert auf der Bestimmung der wichtigsten Merkmale. Ausgewählte Funktionen wurden verwendet, um verschiedene maschinelle Lernalgorithmen auf 100 verschiedenen Datenpartitionen zu trainieren. Anschließend wurde die Leistung auf unabhängigen Testdaten ausgewertet. Unser Radiomics-Ansatz konnte die Anwesenheit von Autoantikörpern in den unabhängigen Testproben mit einem mittleren AUC von 0,90, einer mittleren Genauigkeit von 0,83, einer mittleren Empfindlichkeit von 0,84 und einer mittleren Spezifität von 0,82 vorhersagen, wobei Lasso Regressionsmodelle die vielversprechendsten Ergebnisse liefern. Diese Ergebnisse deuten darauf hin, dass das funktechnische Lernen ein vielversprechendes Werkzeug sein könnte, um die Anwesenheit von Autoantikörpern bei Verdacht auf AE-Patienten vorherzusagen. Angesichts der Auswirkungen der Seropositivität auf die endgültige Diagnose von vermuteten AE-Fällen kann dies die diagnostische Aufarbeitung noch beschleunigen, bevor Ergebnisse aus spezialisierten Labortests gewonnen werden können. Darüber hinaus zeigen unsere Ergebnisse in Verbindung mit den jüngsten Veröffentlichungen, dass die Charakterisierung von AE-Subtypen durch den Einsatz von Radiomikros in Zukunft möglich werden kann, was es den Ärzten ermöglicht, die Behandlung im Geiste der personalisierten Medizin auch vor Abschluss der Laborarbeit zu personalisieren.
| DOI: | 10.3390/diagnostics14111070 |
Abstract:
In dieser Studie haben wir versucht, die Fähigkeiten von Radiomik und maschinellem Lernen bei der Vorhersage von Seropositivität bei Patienten mit vermuteter Autoimmunenzenzenzephalitis (AE) aus MR-Bildern zu bewerten, die bei Symptombeginn erhalten wurden. Bei 83 Patienten, die zwischen 2011 und 2022 mit AE diagnostiziert wurden, wurde die manuelle bilaterale Segmentierung der Amygdala auf vorkontrastierten T2-Bildern mit 3D Slicer Open-Source-Software durchgeführt. Unsere Probe von 83 Patienten enthielt 43 seropositive und 40 seronegative AE-Fälle. Bilder wurden in unserem tertiären Pflegezentrum und in verschiedenen Sekundärpflegezentren in Nordrhein-Westfalen, Deutschland, erhalten. Die Probe wurde zufällig in Trainingsdaten und unabhängige Testdaten aufgeteilt. Insgesamt 107 radiomische Merkmale wurden aus bilateralen Interessengebieten (ROI) gewonnen. Automatisiertes maschinelles Lernen (AutoML) wurde verwendet, um die vielversprechendsten maschinellen Lernalgorithmen zu identifizieren. Die Feature-Auswahl wurde unter Verwendung einer rekursiven Merkmalsbehebung (RFE) durchgeführt und basiert auf der Bestimmung der wichtigsten Merkmale. Ausgewählte Funktionen wurden verwendet, um verschiedene maschinelle Lernalgorithmen auf 100 verschiedenen Datenpartitionen zu trainieren. Anschließend wurde die Leistung auf unabhängigen Testdaten ausgewertet. Unser Radiomics-Ansatz konnte die Anwesenheit von Autoantikörpern in den unabhängigen Testproben mit einem mittleren AUC von 0,90, einer mittleren Genauigkeit von 0,83, einer mittleren Empfindlichkeit von 0,84 und einer mittleren Spezifität von 0,82 vorhersagen, wobei Lasso Regressionsmodelle die vielversprechendsten Ergebnisse liefern. Diese Ergebnisse deuten darauf hin, dass das funktechnische Lernen ein vielversprechendes Werkzeug sein könnte, um die Anwesenheit von Autoantikörpern bei Verdacht auf AE-Patienten vorherzusagen. Angesichts der Auswirkungen der Seropositivität auf die endgültige Diagnose von vermuteten AE-Fällen kann dies die diagnostische Aufarbeitung noch beschleunigen, bevor Ergebnisse aus spezialisierten Labortests gewonnen werden können. Darüber hinaus zeigen unsere Ergebnisse in Verbindung mit den jüngsten Veröffentlichungen, dass die Charakterisierung von AE-Subtypen durch den Einsatz von Radiomikros in Zukunft möglich werden kann, was es den Ärzten ermöglicht, die Behandlung im Geiste der personalisierten Medizin auch vor Abschluss der Laborarbeit zu personalisieren.
[en]
K. S. Appel,
C. Nürnberger,
T. Bahmer,
C. Förster,
M. C. Polidori,
M. Kohls,
T. Kraus,
N. Hettich-Damm,
J. Petersen,
S. Blaschke,
I. Bröhl,
J. Butzmann,
H. Dashti,
J. Deckert,
M. Dreher,
K. Fiedler,
C. Finke,
R. Geisler,
F. Hanses,
S. M. Hopff,
B. O. Jensen,
M. Konik,
K. Lehnert,
S. M. N. Miranda,
L. Mitrov,
O. Miljukov,
J. Reese,
G. Rohde,
M. Scherer,
K. Tausche,
J. J. Tebbe,
J. J. Vehreschild,
F. Voit,
P. Wagner,
M. Weigl,
C. Lemhöfer,
E. Hamelmann,
H. Heidenreich,
C. Hornberg,
N. S. A. Kulamadayil-Heidenreich,
P. Maasjosthusmann,
A. Muna,
M. Ruwe,
C. Stellbrink,
N. Buechner,
Y. Dashti,
C. Tessmer,
B. Laumerich,
I. Silberbaur,
S. Bader,
M. Engelmann,
A. Fuchs,
A. Langer,
B. Maerkl,
H. Messmann,
A. Muzalyova,
C. Roemmele,
R. Berner,
S. Dressen,
T. Koch,
D. Lindemann,
K. Seele,
P. Spieth,
N. Toepfner,
S. V. Bonin,
T. Feldt,
V. Keitel,
A. Killer,
L. Knopp,
T. Luedde,
M. Lutterbeck,
M. Paluschinski,
J. P. V. Pereira,
J. Timm,
D. Kraska,
A. E. Kremer,
M. Leppkes,
J. Mang,
M. F. Neurath,
H. U. Prokosch,
J. Schmid,
M. Vetter,
C. Willam,
K. Wolf,
C. Arendt,
C. Bellinghausen,
S. Cremer,
A. Groh,
A. Gruenewaldt,
Y. Khodamoradi,
S. Klinsing,
M. Vehreschild,
T. Vogl,
A. L. F. Engels,
D. Jarczak,
M. Kerinn,
S. Kluge,
R. Kobbe,
S. Petereit,
C. Schlesner,
T. Zeller,
R. Baber,
S. Bercker,
N. Krug,
S. D. Mueller,
H. Wirtz,
G. Boeckel,
J. A. Meier,
T. Nowacki,
P. R. Tepasse,
R. Vollenberg,
C. Wilms,
E. Dahl,
N. Marx,
D. Mueller-Wieland,
J. Wipperfuerth,
C. Brochhausen-Delius,
R. Burkhardt,
M. Feustel,
O. Haag,
S. Hansch,
M. Malfertheiner,
T. Niedermair,
P. Schuster,
S. Wallner,
W. Barkey,
J. Erber,
L. Fricke,
J. Lieb,
T. Michler,
L. Mueller,
C. Spinner,
C. Winter,
M. Bitzer,
S. Bunk,
S. Göpel,
H. Haeberle,
K. Kienzle,
H. Mahrhofer,
N. Malek,
P. Rosenberger,
C. Struemper,
F. Trauner,
S. Frantz,
A. Frey,
K. Haas,
C. Haertel,
J. Herrmann,
N. Isberner,
J. Liese,
P. Meybohm,
J. Schmidt,
P. Schulze,
F. Brinkmann,
Y. Brueggemann,
T. Gambichler,
K. Hellwig,
T. Luecke,
A. Reinacher-Schick,
W. E. Schmidt,
C. Schuette,
E. Steinmann,
C. Torres Reyes,
A. Hafke,
G. Hermanns,
S. Y. Nussbeck,
M. Santibanez-Santana,
S. Zeh,
L. Brochhagen,
S. Dolff,
C. Elsner,
A. Krawczyk,
R. J. Madel,
M. Otte,
O. Witzke,
K. Becker,
M. Doerr,
N. Piasta,
E. Schaefer,
C. Scheer,
A. Arlt,
F. Griesinger,
U. Guenther,
A. Hamprecht,
K. Juergens,
A. Kluge,
C. Meinhardt,
K. Meinhardt,
A. Petersmann,
R. Prenzel,
M. Brechtel,
M. Laugwitz,
C. Lee,
G. Sauer,
N. Schulze,
K. Seibel,
M. Stecher,
M. Hagen,
S. Sikdar,
C. Weismantel,
L. Wolf,
K. Günther,
J. Haug,
F. Haug,
C. Fiessler,
P. U. Heuschmann,
L. Schmidbauer,
S. Jiru-Hillmann,
T. Bahls,
H. Valentin,
I. Chaplinskaya,
S. Hanß,
D. Krefting,
C. Pape,
M. Rainers,
A. Schoneberg,
N. Weinert,
M. Kraus,
B. Lorenz-Depiereux,
R. Lorbeer,
J. Schaller,
J. Fricke,
L. Krist,
M. Rönnefarth,
S. Schmidt,
T. Bahmer,
A. Hermes,
M. Krawczak,
W. Lieb,
T. Tamminga,
S. Herold,
P. Heuschmann,
R. Heyder,
T. Illig,
M. Witzenrath and
Group,
"Definition of the Post-COVID syndrome using a symptom-based
Post-COVID score in a prospective, multi-center,
cross-sectoral cohort of the German National Pandemic Cohort
Network (NAPKON)",
Infection,
Apr.
2024.
Springer Science and Business Media LLC.
Abstract:
Abstract Purpose The objective examination of the Post-COVID syndrome (PCS) remains difficult due to heterogeneous definitions and clinical phenotypes. The aim of the study was to verify the functionality and correlates of a recently developed PCS score. Methods The PCS score was applied to the prospective, multi-center cross-sectoral cohort (in- and outpatients with SARS-CoV-2 infection) of the "National Pandemic Cohort Network (NAPKON, Germany)". Symptom assessment and patient-reported outcome measure questionnaires were analyzed at 3 and 12 months (3/12MFU) after diagnosis. Scores indicative of PCS severity were compared and correlated to demographic and clinical characteristics as well as quality of life (QoL, EQ-5D-5L). Results Six hundred three patients (mean 54.0 years, 60.6% male, 82.0% hospitalized) were included. Among those, 35.7% (215) had no and 64.3% (388) had mild, moderate, or severe PCS. PCS severity groups differed considering sex and pre-existing respiratory diseases. 3MFU PCS worsened with clinical severity of acute infection (p = .011), and number of comorbidities (p = .004). PCS severity was associated with poor QoL at the 3MFU and 12MFU (p Conclusion The PCS score correlated with patients' QoL and demonstrated to be instructive for clinical characterization and stratification across health care settings. Further studies should critically address the high prevalence, clinical relevance, and the role of comorbidities. Trail registration number The cohort is registered at www.clinicaltrials.gov under NCT04768998.
| DOI: | 10.1007/s15010-024-02226-9 |
Abstract:
Abstract Purpose The objective examination of the Post-COVID syndrome (PCS) remains difficult due to heterogeneous definitions and clinical phenotypes. The aim of the study was to verify the functionality and correlates of a recently developed PCS score. Methods The PCS score was applied to the prospective, multi-center cross-sectoral cohort (in- and outpatients with SARS-CoV-2 infection) of the "National Pandemic Cohort Network (NAPKON, Germany)". Symptom assessment and patient-reported outcome measure questionnaires were analyzed at 3 and 12 months (3/12MFU) after diagnosis. Scores indicative of PCS severity were compared and correlated to demographic and clinical characteristics as well as quality of life (QoL, EQ-5D-5L). Results Six hundred three patients (mean 54.0 years, 60.6% male, 82.0% hospitalized) were included. Among those, 35.7% (215) had no and 64.3% (388) had mild, moderate, or severe PCS. PCS severity groups differed considering sex and pre-existing respiratory diseases. 3MFU PCS worsened with clinical severity of acute infection (p = .011), and number of comorbidities (p = .004). PCS severity was associated with poor QoL at the 3MFU and 12MFU (p Conclusion The PCS score correlated with patients' QoL and demonstrated to be instructive for clinical characterization and stratification across health care settings. Further studies should critically address the high prevalence, clinical relevance, and the role of comorbidities. Trail registration number The cohort is registered at www.clinicaltrials.gov under NCT04768998.
A. Surov,
H. J. Meyer,
C. Ehrengut,
S. Zimmermann,
D. Schramm,
M. Hinnerichs,
C. Bär and
J. Borggrefe,
"Myosteatosis predicts short-term mortality in patients with COVID-19: A multicenter analysis",
Nutrition (Burbank, Los Angeles County, Calif.),
vol. 120,
pp. 112327,
Apr.
2024.
Abstract:
Body composition on computed tomography can predict prognosis in patients with COVID-19. The reported data are based on small retrospective studies. The aim of the present study was to analyze the prognostic relevance of skeletal muscle parameter derived from chest computed tomography for prediction of 30-d mortality in patients with COVID-19 in a multicenter setting. The clinical databases of three centers were screened for patients with COVID-19 between 2020 and 2022. Overall, 447 patients (142 female; 31.7%) were included into the study. The mean age at the time of computed tomography acquisition was 63.8 ± 14.7 y and median age was 65 y. Skeletal muscle area and skeletal muscle density were defined on level T12 of the chest. Overall, 118 patients (26.3%) died within the 30-d observation period. Of the patient sample, 255 patients (57.0%) were admitted to an intensive care unit and 122 patients needed mechanical ventilation (27.3%). The mean skeletal muscle area of all patients was 96.1 ± 27.2 cm² (range = 23.2-200.7 cm²). For skeletal muscle density, the mean was 24.3 ± 11.1 Hounsfield units (range = -5.6 to 55.8 Hounsfield units). In survivors, the mean skeletal muscle density was higher compared with the lethal cases (mean 25.8 ± 11.2 versus 20.1 ± 9.6; P < 0.0001). Presence of myosteatosis was independently associated with 30-d mortality: odds ratio = 2.72 (95% CI, 1.71-4.32); P = 0.0001. Myosteatosis is strongly associated with 30-d mortality in patients COVID-19. Patients with COVID-19 with myosteatosis should be considered a risk group.
| DOI: | 10.1016/j.nut.2023.112327 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38341908/ |
Abstract:
Body composition on computed tomography can predict prognosis in patients with COVID-19. The reported data are based on small retrospective studies. The aim of the present study was to analyze the prognostic relevance of skeletal muscle parameter derived from chest computed tomography for prediction of 30-d mortality in patients with COVID-19 in a multicenter setting. The clinical databases of three centers were screened for patients with COVID-19 between 2020 and 2022. Overall, 447 patients (142 female; 31.7%) were included into the study. The mean age at the time of computed tomography acquisition was 63.8 ± 14.7 y and median age was 65 y. Skeletal muscle area and skeletal muscle density were defined on level T12 of the chest. Overall, 118 patients (26.3%) died within the 30-d observation period. Of the patient sample, 255 patients (57.0%) were admitted to an intensive care unit and 122 patients needed mechanical ventilation (27.3%). The mean skeletal muscle area of all patients was 96.1 ± 27.2 cm² (range = 23.2-200.7 cm²). For skeletal muscle density, the mean was 24.3 ± 11.1 Hounsfield units (range = -5.6 to 55.8 Hounsfield units). In survivors, the mean skeletal muscle density was higher compared with the lethal cases (mean 25.8 ± 11.2 versus 20.1 ± 9.6; P < 0.0001). Presence of myosteatosis was independently associated with 30-d mortality: odds ratio = 2.72 (95% CI, 1.71-4.32); P = 0.0001. Myosteatosis is strongly associated with 30-d mortality in patients COVID-19. Patients with COVID-19 with myosteatosis should be considered a risk group.
F. Brinkmann,
A. Friedrichs,
G. M. Behrens,
P. Behrens,
R. Berner,
A. Caliebe,
C. M. Denkinger,
K. Giesbrecht,
A. Gussew,
A. T. Hoffmann,
L. Hojenski,
O. Hovardovska,
A. Dopfer-Jablonka,
A. J. Kaasch,
R. Kobbe,
M. Kraus,
A. Lindner,
C. Maier,
L. Mitrov,
M. Nauck,
S. N. Miranda,
M. Scherer,
Y. Schmiedel,
D. Stahl,
N. Timmesfeld,
N. Toepfner,
J. Vehreschild,
W. A. Wohlgemuth,
A. Petersmann and
M. J. G. T. Vehreschild,
"Prevalence of infectious diseases, immunity to vaccine-preventable diseases and chronic medical conditions among Ukrainian refugees in Germany - A cross sectional study from the German Network University Medicine (NUM)",
Journal of infection and public health,
vol. 17,
no. 4,
pp. 642-649,
Apr.
2024.
Abstract:
Vulnerability to infectious diseases in refugees is dependent on country of origin, flight routes, and conditions. Information on specific medical needs of different groups of refugees is lacking. We assessed the prevalence of infectious diseases, immunity to vaccine-preventable diseases, and chronic medical conditions in children, adolescents, and adult refugees from Ukraine who arrived in Germany in 2022. Using different media, we recruited Ukrainian refugees at 13 sites between 9-12/2022. An antigen test for acute respiratory syndrome coronavirus type 2 (SARS-CoV-2) infection, serologies for a range of vaccine-preventable diseases, as well as interferon gamma release assays (IGRAs) for tuberculosis (TB), and SARS-CoV-2 were performed. We assessed personal and family history of chronic medical conditions, infectious diseases, vaccination status, and conditions during migration. Overall, 1793 refugees (1401 adults and 392 children/adolescents) were included. Most participants were females (n = 1307; 72·3%) and from Eastern or Southern Ukraine. TB IGRA was positive in 13% (n = 184) of the adults and in 2% (n = 7) of the children. Serology-based immunological response was insufficient in approximately 21% (360/1793) of the participants for measles, 32% (572/1793) for diphtheria, and 74% (1289/1793) for hepatitis B. We show evidence of low serological response to vaccine-preventable infections and increased LTBI prevalence in Ukrainian refugees. These findings should be integrated into guidelines for screening and treatment of infectious diseases in migrants and refugees in Germany and Europe. Furthermore, low immunity for vaccine-preventable diseases in Ukrainians independent of their refugee status, calls for tailor-made communication efforts.
| DOI: | 10.1016/j.jiph.2024.02.003 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38458134/ |
Abstract:
Vulnerability to infectious diseases in refugees is dependent on country of origin, flight routes, and conditions. Information on specific medical needs of different groups of refugees is lacking. We assessed the prevalence of infectious diseases, immunity to vaccine-preventable diseases, and chronic medical conditions in children, adolescents, and adult refugees from Ukraine who arrived in Germany in 2022. Using different media, we recruited Ukrainian refugees at 13 sites between 9-12/2022. An antigen test for acute respiratory syndrome coronavirus type 2 (SARS-CoV-2) infection, serologies for a range of vaccine-preventable diseases, as well as interferon gamma release assays (IGRAs) for tuberculosis (TB), and SARS-CoV-2 were performed. We assessed personal and family history of chronic medical conditions, infectious diseases, vaccination status, and conditions during migration. Overall, 1793 refugees (1401 adults and 392 children/adolescents) were included. Most participants were females (n = 1307; 72·3%) and from Eastern or Southern Ukraine. TB IGRA was positive in 13% (n = 184) of the adults and in 2% (n = 7) of the children. Serology-based immunological response was insufficient in approximately 21% (360/1793) of the participants for measles, 32% (572/1793) for diphtheria, and 74% (1289/1793) for hepatitis B. We show evidence of low serological response to vaccine-preventable infections and increased LTBI prevalence in Ukrainian refugees. These findings should be integrated into guidelines for screening and treatment of infectious diseases in migrants and refugees in Germany and Europe. Furthermore, low immunity for vaccine-preventable diseases in Ukrainians independent of their refugee status, calls for tailor-made communication efforts.
J. Li,
A. Dada,
B. Puladi,
J. Kleesiek and
J. Egger,
"ChatGPT in healthcare: A taxonomy and systematic review",
Computer methods and programs in biomedicine,
vol. 245,
pp. 108013,
Mä.
2024.
Abstract:
The recent release of ChatGPT, a chat bot research project/product of natural language processing (NLP) by OpenAI, stirs up a sensation among both the general public and medical professionals, amassing a phenomenally large user base in a short time. This is a typical example of the 'productization' of cutting-edge technologies, which allows the general public without a technical background to gain firsthand experience in artificial intelligence (AI), similar to the AI hype created by AlphaGo (DeepMind Technologies, UK) and self-driving cars (Google, Tesla, etc.). However, it is crucial, especially for healthcare researchers, to remain prudent amidst the hype. This work provides a systematic review of existing publications on the use of ChatGPT in healthcare, elucidating the 'status quo' of ChatGPT in medical applications, for general readers, healthcare professionals as well as NLP scientists. The large biomedical literature database PubMed is used to retrieve published works on this topic using the keyword 'ChatGPT'. An inclusion criterion and a taxonomy are further proposed to filter the search results and categorize the selected publications, respectively. It is found through the review that the current release of ChatGPT has achieved only moderate or 'passing' performance in a variety of tests, and is unreliable for actual clinical deployment, since it is not intended for clinical applications by design. We conclude that specialized NLP models trained on (bio)medical datasets still represent the right direction to pursue for critical clinical applications.
| DOI: | 10.1016/j.cmpb.2024.108013 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38262126/ |
Abstract:
The recent release of ChatGPT, a chat bot research project/product of natural language processing (NLP) by OpenAI, stirs up a sensation among both the general public and medical professionals, amassing a phenomenally large user base in a short time. This is a typical example of the 'productization' of cutting-edge technologies, which allows the general public without a technical background to gain firsthand experience in artificial intelligence (AI), similar to the AI hype created by AlphaGo (DeepMind Technologies, UK) and self-driving cars (Google, Tesla, etc.). However, it is crucial, especially for healthcare researchers, to remain prudent amidst the hype. This work provides a systematic review of existing publications on the use of ChatGPT in healthcare, elucidating the 'status quo' of ChatGPT in medical applications, for general readers, healthcare professionals as well as NLP scientists. The large biomedical literature database PubMed is used to retrieve published works on this topic using the keyword 'ChatGPT'. An inclusion criterion and a taxonomy are further proposed to filter the search results and categorize the selected publications, respectively. It is found through the review that the current release of ChatGPT has achieved only moderate or 'passing' performance in a variety of tests, and is unreliable for actual clinical deployment, since it is not intended for clinical applications by design. We conclude that specialized NLP models trained on (bio)medical datasets still represent the right direction to pursue for critical clinical applications.
[en]
J. Schädler,
A. T. Azeke,
B. Ondruschka,
S. Steurer,
M. Lütgehetmann,
A. Fitzek and
D. Möbius,
"Concordance between MITS and conventional autopsies for pathological and virological diagnoses",
International Journal of Legal Medicine,
vol. 138,
no. 2,
pp. 431-442,
Mä.
2024.
| DOI: | 10.1007/s00414-023-03088-w |
| Datei: | https://doi.org/10.1007/s00414-023-03088-w |
S. Tayebi Arasteh,
A. Ziller,
C. Kuhl,
M. Makowski,
S. Nebelung,
R. Braren,
D. Rueckert,
D. Truhn and
G. Kaissis,
"Preserving fairness and diagnostic accuracy in private large-scale AI models for medical imaging.",
Communications medicine,
Mä.
2024.
Abstract:
Künstliche Intelligenz (KI) Modelle werden zunehmend im medizinischen Bereich eingesetzt. Da medizinische Daten jedoch sehr empfindlich sind, sind besondere Vorsichtsmaßnahmen erforderlich, um ihren Schutz zu gewährleisten. Der Goldstandard für die Privatsphärenerhaltung ist die Einführung von Differential Privacy (DP) zur Modellbildung. Vorangegangene Arbeiten zeigen, dass DP negative Auswirkungen auf die Modellgenauigkeit und Fairness hat, die in der Medizin nicht akzeptabel sind und eine wesentliche Barriere für die weit verbreitete Verwendung von Datenschutz-Schutztechniken darstellen. In dieser Arbeit haben wir die Wirkung der datenschutzerhaltenden Ausbildung von KI-Modellen hinsichtlich Genauigkeit und Fairness im Vergleich zu nicht-privater Ausbildung bewertet. Wir verwendeten zwei Datensätze: (1) Ein großer Datensatz (N = 193,311) von hochqualitativen klinischen Brust-Radiographen und (2) ein Datensatz (N = 1625) von 3D-Abdominal-Computertomographie (CT)-Bildern, mit der Aufgabe, das Vorhandensein von Pankreas-Kanal-Adenokarzinom (PDAC) zu klassifizieren. Beide wurden rückwirkend gesammelt und manuell von erfahrenen Radiologen markiert. Wir verglichen dann nicht-private tief konvolutionale neuronale Netzwerke (CNNs) und datenschutz- (DP)-Modelle in Bezug auf die als Bereich unter der Empfänger-Betriebskennlinie (AUROC) gemessenen Privacy-utility-Trade-offs und Privacy-Fairness-Trade-offs, gemessen als Pearson's r oder Statistical Parity Difference. Wir finden, dass, während die schutzbedürftige Ausbildung weniger Genauigkeit liefert, es weitgehend nicht verstärkt Diskriminierung von Alter, Geschlecht oder Mitmorbidität. Wir finden jedoch einen Hinweis darauf, dass schwierige Diagnosen und Untergruppen stärkere Leistungseingriffe im privaten Training erleiden. Unsere Studie zeigt, dass - unter den herausfordernden realistischen Umständen eines realen klinischen Datensatzes - die schutzbedürftige Ausbildung diagnostischen Tiefenlernmodellen mit ausgezeichneter Diagnosegenauigkeit und Fairness möglich ist.
| DOI: | 10.1038/s43856-024-00462-6 |
Abstract:
Künstliche Intelligenz (KI) Modelle werden zunehmend im medizinischen Bereich eingesetzt. Da medizinische Daten jedoch sehr empfindlich sind, sind besondere Vorsichtsmaßnahmen erforderlich, um ihren Schutz zu gewährleisten. Der Goldstandard für die Privatsphärenerhaltung ist die Einführung von Differential Privacy (DP) zur Modellbildung. Vorangegangene Arbeiten zeigen, dass DP negative Auswirkungen auf die Modellgenauigkeit und Fairness hat, die in der Medizin nicht akzeptabel sind und eine wesentliche Barriere für die weit verbreitete Verwendung von Datenschutz-Schutztechniken darstellen. In dieser Arbeit haben wir die Wirkung der datenschutzerhaltenden Ausbildung von KI-Modellen hinsichtlich Genauigkeit und Fairness im Vergleich zu nicht-privater Ausbildung bewertet. Wir verwendeten zwei Datensätze: (1) Ein großer Datensatz (N = 193,311) von hochqualitativen klinischen Brust-Radiographen und (2) ein Datensatz (N = 1625) von 3D-Abdominal-Computertomographie (CT)-Bildern, mit der Aufgabe, das Vorhandensein von Pankreas-Kanal-Adenokarzinom (PDAC) zu klassifizieren. Beide wurden rückwirkend gesammelt und manuell von erfahrenen Radiologen markiert. Wir verglichen dann nicht-private tief konvolutionale neuronale Netzwerke (CNNs) und datenschutz- (DP)-Modelle in Bezug auf die als Bereich unter der Empfänger-Betriebskennlinie (AUROC) gemessenen Privacy-utility-Trade-offs und Privacy-Fairness-Trade-offs, gemessen als Pearson's r oder Statistical Parity Difference. Wir finden, dass, während die schutzbedürftige Ausbildung weniger Genauigkeit liefert, es weitgehend nicht verstärkt Diskriminierung von Alter, Geschlecht oder Mitmorbidität. Wir finden jedoch einen Hinweis darauf, dass schwierige Diagnosen und Untergruppen stärkere Leistungseingriffe im privaten Training erleiden. Unsere Studie zeigt, dass - unter den herausfordernden realistischen Umständen eines realen klinischen Datensatzes - die schutzbedürftige Ausbildung diagnostischen Tiefenlernmodellen mit ausgezeichneter Diagnosegenauigkeit und Fairness möglich ist.
[en]
J. Radke,
J. Meinhardt,
T. Aschman,
R. L. Chua,
V. Farztdinov,
S. Lukassen,
F. W. Ten,
E. Friebel,
N. Ishaque,
J. Franz,
V. H. Huhle,
R. Mothes,
K. Peters,
C. Thomas,
S. Schneeberger,
E. Schumann,
L. Kawelke,
J. Jünger,
V. Horst,
S. Streit,
R. Manitius,
P. Körtvélyessy,
S. Vielhaber,
D. Reinhold,
A. E. Hauser,
A. Osterloh,
P. Enghard,
J. Ihlow,
S. Elezkurtaj,
D. Horst,
F. Kurth,
M. Müller,
N. C. Gassen,
J. Melchert,
K. Jechow,
B. Timmermann,
C. Fernandez-Zapata,
C. Böttcher,
W. Stenzel,
E. Krüger,
M. Landthaler,
E. Wyler,
V. Corman,
C. Stadelmann,
M. Ralser,
R. Eils,
F. L. Heppner,
M. Mülleder,
C. Conrad and
H. Radbruch,
"Proteomic and transcriptomic profiling of brainstem, cerebellum
and olfactory tissues in early- and late-phase COVID-19",
Nature Neuroscience,
vol. 27,
no. 3,
pp. 409–420,
Mä.
2024.
| DOI: | 10.1038/s41593-024-01573-y |
P. Thiam,
C. Kloth,
D. Blaich,
A. Liebold,
M. Beer and
H. A. Kestler,
"Segmentation-based cardiomegaly detection based on semi-supervised estimation of cardiothoracic ratio.",
Scientific reports,
Mä.
2024.
Abstract:
Die erfolgreiche Integration von neuronalen Netzwerken in eine klinische Umgebung ist trotz großer Erfolge, die durch künstliche Intelligenz in anderen Bereichen erzielt werden, noch unüblich. Dies ist vor allem auf die schwarze Box-Charakteristik der optimierten Modelle und die unbestimmte Verallgemeinerungsfähigkeit der geschulten Architekturen zurückzuführen. Die aktuelle Arbeit befasst sich mit beiden Problemen im Bereich der Radiologie, indem sie sich auf die Entwicklung einer effektiven und interpretierbaren Kardiomegalie-Detektionsarchitektur basierend auf Segmentierungsmodellen konzentriert. Die Architektur besteht aus zwei unterschiedlichen neuronalen Netzwerken, die die Segmentierung sowohl von kardialen als auch von thorakalen Gebieten eines Radiographen durchführen. Die jeweiligen Segmentierungsausgänge werden anschließend zur Schätzung des Kardiothorakalverhältnisses verwendet und das entsprechende Röntgenbild wird als Kardiomegalie basierend auf einer vorgegebenen Schwelle eingestuft. Durch die Knappheit von pixel-level-markierten Brust-Radiographen werden beide Segmentierungsmodelle halbüberwacht optimiert. Dies führt zu einer erheblichen Reduzierung der Kosten für die manuelle Anmerkung. Die resultierenden Segmentierungsausgänge verbessern die Interpretationsfähigkeit der endgültigen Klassifizierungsergebnisse der Architektur deutlich. Die Verallgemeinerungsfähigkeit der Architektur wird in einer Kreuzdomäneneinstellung beurteilt. Die Bewertung zeigt die Wirksamkeit der semi-supervisierten Optimierung der Segmentierungsmodelle und die Robustheit der anschließenden Klassifizierungsarchitektur.
| DOI: | 10.1038/s41598-024-56079-1 |
Abstract:
Die erfolgreiche Integration von neuronalen Netzwerken in eine klinische Umgebung ist trotz großer Erfolge, die durch künstliche Intelligenz in anderen Bereichen erzielt werden, noch unüblich. Dies ist vor allem auf die schwarze Box-Charakteristik der optimierten Modelle und die unbestimmte Verallgemeinerungsfähigkeit der geschulten Architekturen zurückzuführen. Die aktuelle Arbeit befasst sich mit beiden Problemen im Bereich der Radiologie, indem sie sich auf die Entwicklung einer effektiven und interpretierbaren Kardiomegalie-Detektionsarchitektur basierend auf Segmentierungsmodellen konzentriert. Die Architektur besteht aus zwei unterschiedlichen neuronalen Netzwerken, die die Segmentierung sowohl von kardialen als auch von thorakalen Gebieten eines Radiographen durchführen. Die jeweiligen Segmentierungsausgänge werden anschließend zur Schätzung des Kardiothorakalverhältnisses verwendet und das entsprechende Röntgenbild wird als Kardiomegalie basierend auf einer vorgegebenen Schwelle eingestuft. Durch die Knappheit von pixel-level-markierten Brust-Radiographen werden beide Segmentierungsmodelle halbüberwacht optimiert. Dies führt zu einer erheblichen Reduzierung der Kosten für die manuelle Anmerkung. Die resultierenden Segmentierungsausgänge verbessern die Interpretationsfähigkeit der endgültigen Klassifizierungsergebnisse der Architektur deutlich. Die Verallgemeinerungsfähigkeit der Architektur wird in einer Kreuzdomäneneinstellung beurteilt. Die Bewertung zeigt die Wirksamkeit der semi-supervisierten Optimierung der Segmentierungsmodelle und die Robustheit der anschließenden Klassifizierungsarchitektur.
[en]
M. Harries,
V. Jaeger,
I. Rodiah,
M. J. Hassenstein,
J. Ortmann,
M. Dreier,
I. von Holt,
M. Brinkmann,
A. Dulovic,
D. Gornyk,
O. Hovardovska,
C. Kuczewski,
M. A. Kurosinski,
M. Schlotz,
N. Schneiderhan-Marra,
M. Strengert,
G. Krause,
M. Sester,
F. Klein,
A. Petersmann,
A. Karch and
B. Lange,
"Bridging the gap - estimation of 2022/2023 SARS-CoV-2 healthcare burden in Germany based on multidimensional data from a rapid epidemic panel",
International Journal of Infectious Diseases,
vol. 139,
pp. 50-58,
Feb.
2024.
| DOI: | 10.1016/j.ijid.2023.11.014 |
D. Truhn,
S. Tayebi Arasteh,
O. L. Saldanha,
G. Müller-Franzes,
F. Khader,
P. Quirke,
N. P. West,
R. Gray,
G. G. A. Hutchins,
J. A. James,
M. B. Loughrey,
M. Salto-Tellez,
H. Brenner,
A. Brobeil,
T. Yuan,
J. Chang-Claude,
M. Hoffmeister,
S. Foersch,
T. Han,
S. Keil,
M. Schulze-Hagen,
P. Isfort,
P. Bruners,
G. Kaissis,
C. Kuhl,
S. Nebelung and
J. N. Kather,
"Encrypted federated learning for secure decentralized collaboration in cancer image analysis",
Medical image analysis,
vol. 92,
pp. 103059,
Feb.
2024.
Abstract:
Artificial intelligence (AI) has a multitude of applications in cancer research and oncology. However, the training of AI systems is impeded by the limited availability of large datasets due to data protection requirements and other regulatory obstacles. Federated and swarm learning represent possible solutions to this problem by collaboratively training AI models while avoiding data transfer. However, in these decentralized methods, weight updates are still transferred to the aggregation server for merging the models. This leaves the possibility for a breach of data privacy, for example by model inversion or membership inference attacks by untrusted servers. Somewhat-homomorphically-encrypted federated learning (SHEFL) is a solution to this problem because only encrypted weights are transferred, and model updates are performed in the encrypted space. Here, we demonstrate the first successful implementation of SHEFL in a range of clinically relevant tasks in cancer image analysis on multicentric datasets in radiology and histopathology. We show that SHEFL enables the training of AI models which outperform locally trained models and perform on par with models which are centrally trained. In the future, SHEFL can enable multiple institutions to co-train AI models without forsaking data governance and without ever transmitting any decryptable data to untrusted servers.
| DOI: | 10.1016/j.media.2023.103059 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38104402/ |
Abstract:
Artificial intelligence (AI) has a multitude of applications in cancer research and oncology. However, the training of AI systems is impeded by the limited availability of large datasets due to data protection requirements and other regulatory obstacles. Federated and swarm learning represent possible solutions to this problem by collaboratively training AI models while avoiding data transfer. However, in these decentralized methods, weight updates are still transferred to the aggregation server for merging the models. This leaves the possibility for a breach of data privacy, for example by model inversion or membership inference attacks by untrusted servers. Somewhat-homomorphically-encrypted federated learning (SHEFL) is a solution to this problem because only encrypted weights are transferred, and model updates are performed in the encrypted space. Here, we demonstrate the first successful implementation of SHEFL in a range of clinically relevant tasks in cancer image analysis on multicentric datasets in radiology and histopathology. We show that SHEFL enables the training of AI models which outperform locally trained models and perform on par with models which are centrally trained. In the future, SHEFL can enable multiple institutions to co-train AI models without forsaking data governance and without ever transmitting any decryptable data to untrusted servers.
S. Tayebi Arasteh,
L. Misera,
J. N. Kather,
D. Truhn and
S. Nebelung,
"Enhancing diagnostic deep learning via self-supervised pretraining on large-scale, unlabeled non-medical images.",
European radiology experimental,
Feb.
2024.
Abstract:
Pretraining markierte Datensätze, wie ImageNet, sind zu einem technischen Standard in der fortgeschrittenen medizinischen Bildanalyse geworden. Das Erscheinen von selbstüberwachtem Lernen (SSL), das unmarkierte Daten nutzt, um robuste Features zu lernen, bietet jedoch die Möglichkeit, den intensiven Etikettierungsprozess zu umgehen. In dieser Studie untersuchten wir, ob SSL für die Vorschulung auf nicht-medizinischen Bildern auf Brust-Radiographen angewendet werden kann und wie es mit überwachten Vorschulungen auf nicht-medizinischen Bildern und auf medizinischen Bildern vergleicht. Wir nutzten einen Vision-Transformator und initialisierten seine Gewichte auf der Grundlage der folgenden: (i) SSL-Vorschulung auf nicht-medizinischen Bildern (DINOv2), (ii) überwachtes Lernen (SL) Vorschulung auf nicht-medizinischen Bildern (ImageNet-Datensatz) und (iii) SL-Vorschulung auf Brust-Radiographen aus der MIMIC-CXR-Datenbank, dem größten markierten öffentlichen Datensatz von Brustradiographen. Wir testeten unseren Ansatz auf über 800.000 Brust-Radiographen aus 6 großen globalen Datensätzen, die mehr als 20 unterschiedliche Abbildungsergebnisse diagnostizieren. Die Leistung wurde mit dem Bereich unter der Empfänger-Betriebskennlinie quantifiziert und mit Bootstrapping für statistische Bedeutung ausgewertet. Die SSL-Vorschulung auf nicht-medizinischen Bildern hat nicht nur ImageNet-basierte Vorschulung (p < 0,001 für alle Datensätze) übertroffen, sondern in bestimmten Fällen auch SL auf dem MIMIC-CXR-Datensatz überschritten. Unsere Erkenntnisse legen nahe, dass die Auswahl der richtigen Vorschulstrategie, insbesondere mit SSL, für die Verbesserung der Diagnosegenauigkeit von künstlicher Intelligenz in der medizinischen Bildgebung entscheidend sein kann. Indem wir das Versprechen von SSL in der Brustbildanalyse demonstrieren, unterstreichen wir einen transformativen Wandel hin zu effizienteren und präziseren AI-Modellen in der medizinischen Bildgebung. Selbstbetreutes Lernen unterstreicht einen Paradigmenwechsel zur Verbesserung der AI-getriebenen Genauigkeit und Effizienz in der medizinischen Bildgebung. Die breitere Anwendung des selbsterweiterten Lernens in der medizinischen Bildgebung erfordert eine tiefere Erkundung, insbesondere in Kontexten, in denen umfassende notierte Datensätze begrenzt sind.
| DOI: | 10.1186/s41747-023-00411-3 |
Abstract:
Pretraining markierte Datensätze, wie ImageNet, sind zu einem technischen Standard in der fortgeschrittenen medizinischen Bildanalyse geworden. Das Erscheinen von selbstüberwachtem Lernen (SSL), das unmarkierte Daten nutzt, um robuste Features zu lernen, bietet jedoch die Möglichkeit, den intensiven Etikettierungsprozess zu umgehen. In dieser Studie untersuchten wir, ob SSL für die Vorschulung auf nicht-medizinischen Bildern auf Brust-Radiographen angewendet werden kann und wie es mit überwachten Vorschulungen auf nicht-medizinischen Bildern und auf medizinischen Bildern vergleicht. Wir nutzten einen Vision-Transformator und initialisierten seine Gewichte auf der Grundlage der folgenden: (i) SSL-Vorschulung auf nicht-medizinischen Bildern (DINOv2), (ii) überwachtes Lernen (SL) Vorschulung auf nicht-medizinischen Bildern (ImageNet-Datensatz) und (iii) SL-Vorschulung auf Brust-Radiographen aus der MIMIC-CXR-Datenbank, dem größten markierten öffentlichen Datensatz von Brustradiographen. Wir testeten unseren Ansatz auf über 800.000 Brust-Radiographen aus 6 großen globalen Datensätzen, die mehr als 20 unterschiedliche Abbildungsergebnisse diagnostizieren. Die Leistung wurde mit dem Bereich unter der Empfänger-Betriebskennlinie quantifiziert und mit Bootstrapping für statistische Bedeutung ausgewertet. Die SSL-Vorschulung auf nicht-medizinischen Bildern hat nicht nur ImageNet-basierte Vorschulung (p < 0,001 für alle Datensätze) übertroffen, sondern in bestimmten Fällen auch SL auf dem MIMIC-CXR-Datensatz überschritten. Unsere Erkenntnisse legen nahe, dass die Auswahl der richtigen Vorschulstrategie, insbesondere mit SSL, für die Verbesserung der Diagnosegenauigkeit von künstlicher Intelligenz in der medizinischen Bildgebung entscheidend sein kann. Indem wir das Versprechen von SSL in der Brustbildanalyse demonstrieren, unterstreichen wir einen transformativen Wandel hin zu effizienteren und präziseren AI-Modellen in der medizinischen Bildgebung. Selbstbetreutes Lernen unterstreicht einen Paradigmenwechsel zur Verbesserung der AI-getriebenen Genauigkeit und Effizienz in der medizinischen Bildgebung. Die breitere Anwendung des selbsterweiterten Lernens in der medizinischen Bildgebung erfordert eine tiefere Erkundung, insbesondere in Kontexten, in denen umfassende notierte Datensätze begrenzt sind.
D. Soll,
P. Bischoff,
A. Frisch,
M. Jensen,
Z. Karadeniz,
M. T. Mogl,
D. Horst,
T. Penzkofer,
J. Spranger,
U. Keilholz and
K. Mai,
"First effectiveness data of lenvatinib and pembrolizumab as first-line therapy in advanced anaplastic thyroid cancer: a retrospective cohort study.",
BMC endocrine disorders,
Feb.
2024.
Abstract:
Anaplastischer Schilddrüsenkrebs (ATC) ist ein seltener und aggressiver Neoplasm. Wir haben noch keine wirksamen Behandlungsoptionen, so dass Überlebensraten sehr niedrig bleiben. Hier haben wir die Aktivität der Kombination von Lenvatinib und Pembrolizumab als systemische Erstlinientherapie in ATC bewertet. In einer retrospektiven Analyse untersuchten wir die Aktivität und Verträglichkeit von kombiniertem Lenvatinib (Startddosis 14 bis 24 mg täglich) und Pembrolizumab (200 mg alle drei Wochen) als Erstlinientherapie in einem institutionellen Kohort von ATC-Patienten. Fünf Patienten mit metastasierendem ATC erhielten Lenvatinib und Pembrolizumab als systemische Erstlinientherapie. Das mediane progressionsfreie Überleben betrug 4,7 (Bereich 0,8-5,9) Monate und das mediane Gesamtüberleben betrug 6,3 (Bereich 0,8-nicht erreicht) Monate. Bei der ersten Folge hatte ein Patient eine partielle Reaktion, drei Patienten hatten eine stabile Erkrankung, und ein Patient war aufgrund einer Störung der Bewertung durch eine mithelfende akute infektiöse Schilddrüse formal nicht auswertbar. Dieser Patient war dann für mehr als ein Jahr stabil und war noch bei der Datenabschaltung ohne Krankheitsfortschritt Therapie. Weitere Analysen ergaben eine unzureichende DNA-Mangel-Reparatur, hohe CD8<sup>+</sup> Lymphozyten-Infiltration und geringe Makrophagen-Infiltration bei diesem Patienten. Von den anderen Patienten, zwei hatten progressive Krankheit nach negativen Drogenreaktionen und Therapie-Deskalation, und zwei starben nach der ersten Inszenierung. Für alle Patienten reichte der PD-L1 kombinierte positive Score von 12 bis 100 %. Die Kombination von Lenvatinib und Pembrolizumab war bei behandlungsnahen ATC-Patienten mit gelegentlicher lang anhaltender Reaktion wirksam und mäßig toleriert. Allerdings konnten wir die außergewöhnlichen Reaktionen für diese Kombinationstherapie, die zuvor bei vorbehandelten Patienten gemeldet wurde, nicht bestätigen.
| DOI: | 10.1186/s12902-024-01555-y |
Abstract:
Anaplastischer Schilddrüsenkrebs (ATC) ist ein seltener und aggressiver Neoplasm. Wir haben noch keine wirksamen Behandlungsoptionen, so dass Überlebensraten sehr niedrig bleiben. Hier haben wir die Aktivität der Kombination von Lenvatinib und Pembrolizumab als systemische Erstlinientherapie in ATC bewertet. In einer retrospektiven Analyse untersuchten wir die Aktivität und Verträglichkeit von kombiniertem Lenvatinib (Startddosis 14 bis 24 mg täglich) und Pembrolizumab (200 mg alle drei Wochen) als Erstlinientherapie in einem institutionellen Kohort von ATC-Patienten. Fünf Patienten mit metastasierendem ATC erhielten Lenvatinib und Pembrolizumab als systemische Erstlinientherapie. Das mediane progressionsfreie Überleben betrug 4,7 (Bereich 0,8-5,9) Monate und das mediane Gesamtüberleben betrug 6,3 (Bereich 0,8-nicht erreicht) Monate. Bei der ersten Folge hatte ein Patient eine partielle Reaktion, drei Patienten hatten eine stabile Erkrankung, und ein Patient war aufgrund einer Störung der Bewertung durch eine mithelfende akute infektiöse Schilddrüse formal nicht auswertbar. Dieser Patient war dann für mehr als ein Jahr stabil und war noch bei der Datenabschaltung ohne Krankheitsfortschritt Therapie. Weitere Analysen ergaben eine unzureichende DNA-Mangel-Reparatur, hohe CD8<sup>+</sup> Lymphozyten-Infiltration und geringe Makrophagen-Infiltration bei diesem Patienten. Von den anderen Patienten, zwei hatten progressive Krankheit nach negativen Drogenreaktionen und Therapie-Deskalation, und zwei starben nach der ersten Inszenierung. Für alle Patienten reichte der PD-L1 kombinierte positive Score von 12 bis 100 %. Die Kombination von Lenvatinib und Pembrolizumab war bei behandlungsnahen ATC-Patienten mit gelegentlicher lang anhaltender Reaktion wirksam und mäßig toleriert. Allerdings konnten wir die außergewöhnlichen Reaktionen für diese Kombinationstherapie, die zuvor bei vorbehandelten Patienten gemeldet wurde, nicht bestätigen.
S. Tayebi Arasteh,
T. Han,
M. Lotfinia,
C. Kuhl,
J. N. Kather,
D. Truhn and
S. Nebelung,
"Large language models streamline automated machine learning for clinical studies",
Nature communications,
vol. 15,
no. 1,
pp. 1603,
Feb.
2024.
Abstract:
A knowledge gap persists between machine learning (ML) developers (e.g., data scientists) and practitioners (e.g., clinicians), hampering the full utilization of ML for clinical data analysis. We investigated the potential of the ChatGPT Advanced Data Analysis (ADA), an extension of GPT-4, to bridge this gap and perform ML analyses efficiently. Real-world clinical datasets and study details from large trials across various medical specialties were presented to ChatGPT ADA without specific guidance. ChatGPT ADA autonomously developed state-of-the-art ML models based on the original study's training data to predict clinical outcomes such as cancer development, cancer progression, disease complications, or biomarkers such as pathogenic gene sequences. Following the re-implementation and optimization of the published models, the head-to-head comparison of the ChatGPT ADA-crafted ML models and their respective manually crafted counterparts revealed no significant differences in traditional performance metrics (p ≥ 0.072). Strikingly, the ChatGPT ADA-crafted ML models often outperformed their counterparts. In conclusion, ChatGPT ADA offers a promising avenue to democratize ML in medicine by simplifying complex data analyses, yet should enhance, not replace, specialized training and resources, to promote broader applications in medical research and practice.
| DOI: | 10.1038/s41467-024-45879-8 |
| Datei: | https://pubmed.ncbi.nlm.nih.gov/38383555/ |
Abstract:
A knowledge gap persists between machine learning (ML) developers (e.g., data scientists) and practitioners (e.g., clinicians), hampering the full utilization of ML for clinical data analysis. We investigated the potential of the ChatGPT Advanced Data Analysis (ADA), an extension of GPT-4, to bridge this gap and perform ML analyses efficiently. Real-world clinical datasets and study details from large trials across various medical specialties were presented to ChatGPT ADA without specific guidance. ChatGPT ADA autonomously developed state-of-the-art ML models based on the original study's training data to predict clinical outcomes such as cancer development, cancer progression, disease complications, or biomarkers such as pathogenic gene sequences. Following the re-implementation and optimization of the published models, the head-to-head comparison of the ChatGPT ADA-crafted ML models and their respective manually crafted counterparts revealed no significant differences in traditional performance metrics (p ≥ 0.072). Strikingly, the ChatGPT ADA-crafted ML models often outperformed their counterparts. In conclusion, ChatGPT ADA offers a promising avenue to democratize ML in medicine by simplifying complex data analyses, yet should enhance, not replace, specialized training and resources, to promote broader applications in medical research and practice.
A. Steuwe,
B. Kamp,
S. Afat,
A. Akinina,
S. Aludin,
E. G. Bas,
J. Berger,
E. Bohrer,
A. Brose,
S. M. Büttner,
C. Ehrengut,
M. Gerwing,
S. Grosu,
A. Gussew,
F. Güttler,
A. Heinrich,
P. Jiraskova,
C. Kloth,
J. Kottlors,
M. Kuennemann,
C. Liska,
N. Lubina,
M. Manzke,
F. G. Meinel,
H. Meyer,
A. Mittermeier,
T. Persigehl,
L. Schmill,
M. Steinhardt,
T. R. S. Group,
G. Antoch and
B. Valentin,
"Standardization of a CT Protocol for Imaging Patients with Suspected COVID-19-A RACOON Project.",
Bioengineering (Basel, Switzerland),
Feb.
2024.
Abstract:
CT-Protokolle, die COVID-19 diagnostizieren, variieren hinsichtlich der zugehörigen Strahlungsbelichtung und der gewünschten Bildqualität (IQ). Diese Studie zielt darauf ab, CT-Protokolle von Krankenhäusern, die am RACOON (Radiological Cooperative Network)-Projekt teilnehmen, zu bewerten und CT-Protokolle zu konsolidieren, um Empfehlungen und Strategien für künftige Pandemie bereitzustellen. In dieser retrospektiven Studie wurden CT-Erwerbe von COVID-19-Patienten, die zwischen März 2020 und Oktober 2020 (RACOON Phase 1) gescannt wurden, aufgenommen und alle nicht kontrastreichen Protokolle ausgewertet. Zu diesem Zweck wurden CT-Protokollparameter, IQ-Ratings, Strahlenexposition (CTDI<sub>>sub>/sub>) und zentrale Patientendurchmesser abgetastet. Schließlich wurden die Daten aus 14 Standorten und 534 CT Akquisitionen analysiert. IQ wurde für 81 % der bewerteten Untersuchungen gut bewertet. Bewegungs-, Strahlenhärtende Artefakte oder Bildgeräusche waren Gründe für einen suboptimalen IQ. Das Rohrpotenzial reichte zwischen 80 und 140 kV<sub>p</sub>, mit der Mehrheit zwischen 100 und 120 kV<sub>p>/sub>. CTDI<sub>vol</sub> betrug 3.7 ± 3.4 mGy. Die meisten im Lieferumfang enthaltenen Gesundheitseinrichtungen hatten kein spezifisches nicht kontrastreiches CT-Protokoll. Darüber hinaus variierten CT-Protokolle für die Brustbildgebung in ihren Einstellungen und Strahlungsexposition. In Zukunft werden Empfehlungen zu den erforderlichen IQ- und Protokollparametern für die Mehrzahl der CT-Scanner erforderlich sein, um vergleichbare IQ- sowie Strahlenexposition für verschiedene Standorte, aber identische Diagnosefragen zu ermöglichen.
| DOI: | 10.3390/bioengineering11030207 |
Abstract:
CT-Protokolle, die COVID-19 diagnostizieren, variieren hinsichtlich der zugehörigen Strahlungsbelichtung und der gewünschten Bildqualität (IQ). Diese Studie zielt darauf ab, CT-Protokolle von Krankenhäusern, die am RACOON (Radiological Cooperative Network)-Projekt teilnehmen, zu bewerten und CT-Protokolle zu konsolidieren, um Empfehlungen und Strategien für künftige Pandemie bereitzustellen. In dieser retrospektiven Studie wurden CT-Erwerbe von COVID-19-Patienten, die zwischen März 2020 und Oktober 2020 (RACOON Phase 1) gescannt wurden, aufgenommen und alle nicht kontrastreichen Protokolle ausgewertet. Zu diesem Zweck wurden CT-Protokollparameter, IQ-Ratings, Strahlenexposition (CTDI<sub>>sub>/sub>) und zentrale Patientendurchmesser abgetastet. Schließlich wurden die Daten aus 14 Standorten und 534 CT Akquisitionen analysiert. IQ wurde für 81 % der bewerteten Untersuchungen gut bewertet. Bewegungs-, Strahlenhärtende Artefakte oder Bildgeräusche waren Gründe für einen suboptimalen IQ. Das Rohrpotenzial reichte zwischen 80 und 140 kV<sub>p</sub>, mit der Mehrheit zwischen 100 und 120 kV<sub>p>/sub>. CTDI<sub>vol</sub> betrug 3.7 ± 3.4 mGy. Die meisten im Lieferumfang enthaltenen Gesundheitseinrichtungen hatten kein spezifisches nicht kontrastreiches CT-Protokoll. Darüber hinaus variierten CT-Protokolle für die Brustbildgebung in ihren Einstellungen und Strahlungsexposition. In Zukunft werden Empfehlungen zu den erforderlichen IQ- und Protokollparametern für die Mehrzahl der CT-Scanner erforderlich sein, um vergleichbare IQ- sowie Strahlenexposition für verschiedene Standorte, aber identische Diagnosefragen zu ermöglichen.
Y. Peng,
F. Bathelt,
R. Gebler,
R. Gött,
A. Heidenreich,
E. Henke,
D. Kadioglu,
S. Lorenz,
A. Vengadeswaran and
M. Sedlmayr,
"Use of Metadata-Driven Approaches for Data Harmonization in the Medical Domain: Scoping Review.",
JMIR medical informatics,
Feb.
2024.
Abstract:
Multisite klinische Studien verwenden zunehmend Echtzeit-Daten, um reale Beweise zu gewinnen. Aufgrund der Heterogenität von Quelldaten ist es jedoch schwierig, solche Daten in einheitlicher Weise über Kliniken zu analysieren. Daher ist die Implementierung von Extract-Transform-Load (ETL) oder Extract-Load-Transform (ELT) Prozessen zur Harmonisierung lokaler Gesundheitsdaten erforderlich, um die Datenqualität für die Forschung zu gewährleisten. Die Entwicklung solcher Prozesse ist jedoch zeitaufwendig und unbrauchbar. Eine vielversprechende Möglichkeit, dies zu erleichtern, ist die Verallgemeinerung von ETL/ELT-Prozessen. In dieser Arbeit untersuchen wir bestehende Möglichkeiten zur Entwicklung von generischen ETL/ELT-Prozessen. Insbesondere konzentrieren wir uns auf Ansätze mit geringer Entwicklungskomplexität, indem wir beschreibende Metadaten und strukturelle Metadaten verwenden. Nach den Richtlinien PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) haben wir eine Literaturrezension durchgeführt. Wir haben 4 Publikationsdatenbanken (d.h. PubMed, IEEE Explore, Web of Science und Biomed Center) verwendet, um relevante Publikationen von 2012 bis 2022 zu suchen. Der PRISMA-Flow wurde dann mittels eines R-basierten Tools (Evidence Synthesis Hackathon) visualisiert. Alle relevanten Inhalte der Publikationen wurden zur weiteren Analyse und Visualisierung in ein Tabellenblatt extrahiert. In Bezug auf die PRISMA-Leitlinien haben wir 33 Publikationen in dieser Literaturrezension aufgenommen. Alle Publikationen wurden in 7 verschiedene Fokusgruppen (d.h. Medizin, Datenlager, Big Data, Industrie, Geoinformatik, Archäologie und Militär) eingeteilt. Basierend auf den extrahierten Daten waren die ontologischen und regelbasierten Ansätze die 2 am häufigsten verwendeten Ansätze in verschiedenen thematischen Kategorien. In den Anwendungsfällen wurden verschiedene Ansätze und Werkzeuge gewählt, um unterschiedliche Zwecke zu erreichen. Unsere Literaturrecherche zeigt, dass die Verwendung von metadata-getriebenen (MDD) Ansätzen zur Entwicklung eines ETL/ELT-Prozesses in verschiedenen thematischen Kategorien unterschiedliche Zwecke erfüllen kann. Die Ergebnisse zeigen, dass es vielversprechend ist, einen ETL/ELT-Prozess zu implementieren, indem MDD-Ansatz angewendet wird, um die Datentransformation von Fast Healthcare Interoperability Resources zu Observational Medical Outcomes Partnership Common Data Model zu automatisieren. Die Bestimmung eines geeigneten MDD-Ansatzes und eines geeigneten Werkzeugs zur Umsetzung eines solchen ETL/ELT-Prozesses bleibt jedoch eine Herausforderung. Dies liegt an der mangelnden umfassenden Einsicht in die Charakterisierungen der in dieser Studie vorgestellten MDD-Ansätze. Unser nächster Schritt ist es daher, die in dieser Studie vorgestellten MDD-Ansätze zu bewerten und die am besten geeigneten MDD-Ansätze zu ermitteln und in den ETL/ELT-Prozess zu integrieren. Dies könnte die Fähigkeit der Verwendung von MDD-Ansätzen zur Verallgemeinerung des ETL-Prozesses zur Harmonisierung medizinischer Daten überprüfen.
| DOI: | 10.2196/52967 |
Abstract:
Multisite klinische Studien verwenden zunehmend Echtzeit-Daten, um reale Beweise zu gewinnen. Aufgrund der Heterogenität von Quelldaten ist es jedoch schwierig, solche Daten in einheitlicher Weise über Kliniken zu analysieren. Daher ist die Implementierung von Extract-Transform-Load (ETL) oder Extract-Load-Transform (ELT) Prozessen zur Harmonisierung lokaler Gesundheitsdaten erforderlich, um die Datenqualität für die Forschung zu gewährleisten. Die Entwicklung solcher Prozesse ist jedoch zeitaufwendig und unbrauchbar. Eine vielversprechende Möglichkeit, dies zu erleichtern, ist die Verallgemeinerung von ETL/ELT-Prozessen. In dieser Arbeit untersuchen wir bestehende Möglichkeiten zur Entwicklung von generischen ETL/ELT-Prozessen. Insbesondere konzentrieren wir uns auf Ansätze mit geringer Entwicklungskomplexität, indem wir beschreibende Metadaten und strukturelle Metadaten verwenden. Nach den Richtlinien PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) haben wir eine Literaturrezension durchgeführt. Wir haben 4 Publikationsdatenbanken (d.h. PubMed, IEEE Explore, Web of Science und Biomed Center) verwendet, um relevante Publikationen von 2012 bis 2022 zu suchen. Der PRISMA-Flow wurde dann mittels eines R-basierten Tools (Evidence Synthesis Hackathon) visualisiert. Alle relevanten Inhalte der Publikationen wurden zur weiteren Analyse und Visualisierung in ein Tabellenblatt extrahiert. In Bezug auf die PRISMA-Leitlinien haben wir 33 Publikationen in dieser Literaturrezension aufgenommen. Alle Publikationen wurden in 7 verschiedene Fokusgruppen (d.h. Medizin, Datenlager, Big Data, Industrie, Geoinformatik, Archäologie und Militär) eingeteilt. Basierend auf den extrahierten Daten waren die ontologischen und regelbasierten Ansätze die 2 am häufigsten verwendeten Ansätze in verschiedenen thematischen Kategorien. In den Anwendungsfällen wurden verschiedene Ansätze und Werkzeuge gewählt, um unterschiedliche Zwecke zu erreichen. Unsere Literaturrecherche zeigt, dass die Verwendung von metadata-getriebenen (MDD) Ansätzen zur Entwicklung eines ETL/ELT-Prozesses in verschiedenen thematischen Kategorien unterschiedliche Zwecke erfüllen kann. Die Ergebnisse zeigen, dass es vielversprechend ist, einen ETL/ELT-Prozess zu implementieren, indem MDD-Ansatz angewendet wird, um die Datentransformation von Fast Healthcare Interoperability Resources zu Observational Medical Outcomes Partnership Common Data Model zu automatisieren. Die Bestimmung eines geeigneten MDD-Ansatzes und eines geeigneten Werkzeugs zur Umsetzung eines solchen ETL/ELT-Prozesses bleibt jedoch eine Herausforderung. Dies liegt an der mangelnden umfassenden Einsicht in die Charakterisierungen der in dieser Studie vorgestellten MDD-Ansätze. Unser nächster Schritt ist es daher, die in dieser Studie vorgestellten MDD-Ansätze zu bewerten und die am besten geeigneten MDD-Ansätze zu ermitteln und in den ETL/ELT-Prozess zu integrieren. Dies könnte die Fähigkeit der Verwendung von MDD-Ansätzen zur Verallgemeinerung des ETL-Prozesses zur Harmonisierung medizinischer Daten überprüfen.
F. Steinbeis,
C. Kedor,
H. Meyer,
C. Thibeault,
M. Mittermaier,
P. Knape,
K. Ahrens,
G. Rotter,
B. Temmesfeld-Wollbrück,
L. E. Sander,
F. Kurth,
M. Witzenrath,
C. Scheibenbogen and
T. Zoller,
"A new phenotype of patients with post-COVID-19 condition is characterised by a pattern of complex ventilatory dysfunction, neuromuscular disturbance and fatigue symptoms",
ERJ Open Research,
vol. 10,
no. 5,
2024.
Abstract:
BackgroundPatients with post-COVID-19 condition frequently suffer from chronic dyspnoea. The causes and mechanism for dyspnoea in these patients without evidence of structural lung disease are unclear. MethodsPatients treated for COVID-19 at Charité University Hospital in Berlin received pulmonary function testing including respiratory muscle strength tests and completed health-related quality-of-life questionnaires during follow-up. Patients with post-COVID-19 condition during outpatient follow-up with fatigue and exertional intolerance (PCF) were compared to patients with post-COVID-19 condition with evidence of chronic pulmonary sequelae (post-COVID-19 restriction (PCR)) as well as to patients without post-COVID-19 condition (NCF). ResultsA total of 170 patients presented for follow-up. 36 participants met criteria for PCF, 28 for PCR and 24 for NCF. PCF patients reported dyspnoea in 63.8%. % predicted value of respiratory muscle strength (median (IQR)) was reduced in PCF (55.8 (41.5—75.9)) compared to NCF and PCR (70.6 (66.3—88.9) and 76.8 (63.6—102.2), respectively; p=0.011). A pattern of reduced forced vital capacity (FVC), but normal total lung capacity (TLC), termed complex ventilatory dysfunction defined as TLC $-$ FVC \textgreater10% predicted was observed and occurred more frequently in PCF (88.9%) compared to NCF and PCR (29.1% and 25.0%, respectively; p\textless0.001). ConclusionDyspnoea in PCF is characterised by reduced respiratory muscle strength and complex ventilatory dysfunction indicating neuromuscular disturbance as a distinct phenotype among patients with post-COVID-19 condition. These observations could be a starting point for developing personalised rehabilitation concepts. Shareable abstract Patients with post-COVID-19 condition, fatigue and exertional malaise frequently suffer from dyspnoea. Dyspnoea in this patient group might be caused by a novel pattern of complex ventilatory dysfunction and neuromuscular disturbance. https://bit.ly/3WKhDrN
| DOI: | 10.1183/23120541.01027-2023 |
| Datei: | https://publications.ersnet.org//content/erjor/10/5/01027-2023 |
Abstract:
BackgroundPatients with post-COVID-19 condition frequently suffer from chronic dyspnoea. The causes and mechanism for dyspnoea in these patients without evidence of structural lung disease are unclear. MethodsPatients treated for COVID-19 at Charité University Hospital in Berlin received pulmonary function testing including respiratory muscle strength tests and completed health-related quality-of-life questionnaires during follow-up. Patients with post-COVID-19 condition during outpatient follow-up with fatigue and exertional intolerance (PCF) were compared to patients with post-COVID-19 condition with evidence of chronic pulmonary sequelae (post-COVID-19 restriction (PCR)) as well as to patients without post-COVID-19 condition (NCF). ResultsA total of 170 patients presented for follow-up. 36 participants met criteria for PCF, 28 for PCR and 24 for NCF. PCF patients reported dyspnoea in 63.8%. % predicted value of respiratory muscle strength (median (IQR)) was reduced in PCF (55.8 (41.5—75.9)) compared to NCF and PCR (70.6 (66.3—88.9) and 76.8 (63.6—102.2), respectively; p=0.011). A pattern of reduced forced vital capacity (FVC), but normal total lung capacity (TLC), termed complex ventilatory dysfunction defined as TLC $-$ FVC \textgreater10% predicted was observed and occurred more frequently in PCF (88.9%) compared to NCF and PCR (29.1% and 25.0%, respectively; p\textless0.001). ConclusionDyspnoea in PCF is characterised by reduced respiratory muscle strength and complex ventilatory dysfunction indicating neuromuscular disturbance as a distinct phenotype among patients with post-COVID-19 condition. These observations could be a starting point for developing personalised rehabilitation concepts. Shareable abstract Patients with post-COVID-19 condition, fatigue and exertional malaise frequently suffer from dyspnoea. Dyspnoea in this patient group might be caused by a novel pattern of complex ventilatory dysfunction and neuromuscular disturbance. https://bit.ly/3WKhDrN
M. Bialke,
C. Hampf,
A. Blumentritt,
F. Moser,
S. Lang,
A. Stehn,
E. Sargsyan,
W. Hoffmann and
M. Kraus,
"A semantic consent code to facilitate consistent documentation and implementation of consent in collaborative medical research",
International journal of medical informatics,
vol. 190,
pp. 105545,
2024.
Abstract:
INTRODUCTION In German and international research networks different approaches concerning patient consent are applied. So far it is time-consuming to find out to what extent data from these networks can be used for a specific research project. To make the contents of the consents queryable, we aimed for a permission-based approach (Opt-In) that can map both the permission and the withdrawal of consent contents as well as make it queryable beyond project boundaries. MATERIALS AND METHODS The current state of research was analysed in terms of approach and reusability. Selected process models for defining consent policies were abstracted in a next step. On this basis, a standardised semantic terminology for the description of consent policies was developed and initially agreed with experts. In a final step, the resulting code was evaluated with regards to different aspects of applicability. RESULTS A first and extendable version for a Semantic Consent Code (SCC) based on 3-axis (CLASS, ACTION, PURPOSE) was developed, consolidated und published. The added value achieved by the SCC was illustrated using the example of real consents from large national research associations (Medical Informatics Initiative and NUM NAPKON/NUKLEUS). The applicability of the SCC was successfully evaluated in terms of the manual semantic mapping of consents by briefly trained personnel and the automated interpretability of consent policies according to the SCC (and vice versa). In addition, a concept for the use of the SCC to simplify consent queries in heterogeneous research scenarios was presented. CONCLUSIONS The Semantic Consent Code has already successfully undergone initial evaluations. As the published 3-axis code SCC is an essential preliminary work to standardising initially diverse consent texts and contents and can iteratively be extended in multiple ways in terms of content and technical additions. It should be extended in cooperation with the potential user community.
| DOI: | 10.1016/j.ijmedinf.2024.105545 |
Abstract:
INTRODUCTION In German and international research networks different approaches concerning patient consent are applied. So far it is time-consuming to find out to what extent data from these networks can be used for a specific research project. To make the contents of the consents queryable, we aimed for a permission-based approach (Opt-In) that can map both the permission and the withdrawal of consent contents as well as make it queryable beyond project boundaries. MATERIALS AND METHODS The current state of research was analysed in terms of approach and reusability. Selected process models for defining consent policies were abstracted in a next step. On this basis, a standardised semantic terminology for the description of consent policies was developed and initially agreed with experts. In a final step, the resulting code was evaluated with regards to different aspects of applicability. RESULTS A first and extendable version for a Semantic Consent Code (SCC) based on 3-axis (CLASS, ACTION, PURPOSE) was developed, consolidated und published. The added value achieved by the SCC was illustrated using the example of real consents from large national research associations (Medical Informatics Initiative and NUM NAPKON/NUKLEUS). The applicability of the SCC was successfully evaluated in terms of the manual semantic mapping of consents by briefly trained personnel and the automated interpretability of consent policies according to the SCC (and vice versa). In addition, a concept for the use of the SCC to simplify consent queries in heterogeneous research scenarios was presented. CONCLUSIONS The Semantic Consent Code has already successfully undergone initial evaluations. As the published 3-axis code SCC is an essential preliminary work to standardising initially diverse consent texts and contents and can iteratively be extended in multiple ways in terms of content and technical additions. It should be extended in cooperation with the potential user community.
D. Vogele,
T. Mueller,
D. Wolf,
S. Otto,
S. Manoj,
M. Goetz,
T. J. Ettrich and
M. Beer,
"Applicability of the CT Radiomics of Skeletal Muscle and Machine Learning for the Detection of Sarcopenia and Prognostic Assessment of Disease Progression in Patients with Gastric and Esophageal Tumors.",
Diagnostics (Basel, Switzerland),
Jan.
2024.
Abstract:
Sarcopenia gilt als negative prognostische Faktor bei Patienten mit malignen Tumoren. Unter anderem diagnostische Optionen kann die rechnetierte Tomographie (CT), die wiederholt an Tumorpatienten durchgeführt wird, von weiterem Nutzen sein. Die vorliegende Studie zielt darauf ab, einen Rahmen für die Einstufung der Auswirkungen von Sarkopenie auf die Prognose von Patienten zu schaffen, die mit Ösophagus- oder Magenkrebs diagnostiziert werden. Zusätzlich untersucht sie die Bedeutung von CT-Radiomics in diagnostischen und prognostischen Methoden. CT-Scans von 83 Patienten mit Ösophagus- oder Magenkrebs zum Zeitpunkt der Diagnose und während einer Nachlaufzeit von einem Jahr wurden rückwirkend ausgewertet. Insgesamt wurden 330 CT-Scans analysiert. Siebenzig drei dieser Patienten erhielten eine operative Tumorrektion nach der Neoadjuvant Chemotherapie, und 74% der Patienten waren männlich. Das Durchschnittsalter betrug 64 Jahre (31-83 Jahre). Drei Zeitpunkte (t) wurden als Grundlage für die statistische Analyse definiert, um den Krankheitsverlauf zu strukturieren: t1 = anfängliche Diagnose, t2 = folgende (neoadjuvante) Chemotherapie und t3 = Ende des ersten Jahres nach der Operation in der "chirurgischen" Gruppe oder Ende des ersten Jahres nach der Chemotherapie. Sarcopenia wurde mit dem Psoas-Muskelindex (PMI) bestimmt. Die weitere Analyse umfasste die Analyse ausgewählter radiomatischer Merkmale der Psoas-Dur, Quadratus lumborum und der erector spinae Muskeln auf der L3-Ebene. Der Krankheitsverlauf wurde nach den Reaktionsauswertungskriterien in festen Tumoren überwacht (RECIST 1.1). CT-Scans und Radiomics wurden verwendet, um die Wahrscheinlichkeit von Tumorfortschritt und ihre Korrelation zu Sarkoopenie zu beurteilen. Für maschinelles Lernen wurden die etablierten Algorithmen Entscheidungsbaum (DT), K-nächster Nachbar (KNN) und zufälliger Wald (RF) angewendet. Zur Bewertung der Leistung jedes Modells wurde eine 10-fache Kreuzvalidierung sowie eine Berechnung der Genauigkeit und Fläche unter der Kurve (AUC) verwendet. Während der Beobachtungszeit der Studie gab es einen signifikanten Rückgang der PMI. Dies zeigte sich am deutlichsten bei Patienten mit chirurgischer Therapie im Vergleich zwischen der Diagnose und nach der Neoadjuvant-Therapie und Chirurgie (jeweils <i>p</i> < 0,001). Die Tumorfortschritte (PD) wurden bei Patienten mit Sarkoopenie im Vergleich zu denen ohne Sarkoopenie zu einem beliebigen Zeitpunkt nicht deutlich beobachtet (<i>p</i> = 0,277 bis <i>p</i> = 0,465). Im Durchschnitt trat PD nach 271.69 ± 104.20 Tagen auf. Die Zeit von der anfänglichen Diagnose bis zur PD bei Patienten "mit Sarkoopenie" war zu keinem Zeitpunkt deutlich kürzer als bei Patienten "ohne Sarkoopenie" (<i>p</i> = 0,521 bis <i>p</i> = 0,817). Die CT-Radiomics des Skelettmuskels könnten sowohl Sarkaopenie als auch Tumorfortschritt vorhersagen, mit den besten Ergebnissen für den Psoas-Durmuskel mit dem RF-Algorithmus. Zur Erkennung von Sarkoopen betrug die Genauigkeit 0,90 ± 0,03 und AUC 0,96 ± 0.02. Für die Vorhersage von PD betrug die Genauigkeit 0,88 ± 0,04 und die AUC 0,93 ± 0,04. In der vorliegenden Studie korreliert die CT-Radiomics des Skelettmuskels zusammen mit dem maschinellen Lernen mit dem Vorhandensein von Sarkaopenie, und dies kann zusätzlich bei der Vorhersage des Krankheitsverlaufs helfen. Diese Funktionen können als vielversprechende Alternativen zu konventionellen Methoden eingestuft werden, mit großem Potenzial für weitere Forschung und zukünftige klinische Anwendung. Bei der Diagnose von Sarcopenia mit PMI konnte jedoch keine signifikante Korrelation zwischen Sarcopenia und PD beobachtet werden.
| DOI: | 10.3390/diagnostics14020198 |
Abstract:
Sarcopenia gilt als negative prognostische Faktor bei Patienten mit malignen Tumoren. Unter anderem diagnostische Optionen kann die rechnetierte Tomographie (CT), die wiederholt an Tumorpatienten durchgeführt wird, von weiterem Nutzen sein. Die vorliegende Studie zielt darauf ab, einen Rahmen für die Einstufung der Auswirkungen von Sarkopenie auf die Prognose von Patienten zu schaffen, die mit Ösophagus- oder Magenkrebs diagnostiziert werden. Zusätzlich untersucht sie die Bedeutung von CT-Radiomics in diagnostischen und prognostischen Methoden. CT-Scans von 83 Patienten mit Ösophagus- oder Magenkrebs zum Zeitpunkt der Diagnose und während einer Nachlaufzeit von einem Jahr wurden rückwirkend ausgewertet. Insgesamt wurden 330 CT-Scans analysiert. Siebenzig drei dieser Patienten erhielten eine operative Tumorrektion nach der Neoadjuvant Chemotherapie, und 74% der Patienten waren männlich. Das Durchschnittsalter betrug 64 Jahre (31-83 Jahre). Drei Zeitpunkte (t) wurden als Grundlage für die statistische Analyse definiert, um den Krankheitsverlauf zu strukturieren: t1 = anfängliche Diagnose, t2 = folgende (neoadjuvante) Chemotherapie und t3 = Ende des ersten Jahres nach der Operation in der "chirurgischen" Gruppe oder Ende des ersten Jahres nach der Chemotherapie. Sarcopenia wurde mit dem Psoas-Muskelindex (PMI) bestimmt. Die weitere Analyse umfasste die Analyse ausgewählter radiomatischer Merkmale der Psoas-Dur, Quadratus lumborum und der erector spinae Muskeln auf der L3-Ebene. Der Krankheitsverlauf wurde nach den Reaktionsauswertungskriterien in festen Tumoren überwacht (RECIST 1.1). CT-Scans und Radiomics wurden verwendet, um die Wahrscheinlichkeit von Tumorfortschritt und ihre Korrelation zu Sarkoopenie zu beurteilen. Für maschinelles Lernen wurden die etablierten Algorithmen Entscheidungsbaum (DT), K-nächster Nachbar (KNN) und zufälliger Wald (RF) angewendet. Zur Bewertung der Leistung jedes Modells wurde eine 10-fache Kreuzvalidierung sowie eine Berechnung der Genauigkeit und Fläche unter der Kurve (AUC) verwendet. Während der Beobachtungszeit der Studie gab es einen signifikanten Rückgang der PMI. Dies zeigte sich am deutlichsten bei Patienten mit chirurgischer Therapie im Vergleich zwischen der Diagnose und nach der Neoadjuvant-Therapie und Chirurgie (jeweils <i>p</i> < 0,001). Die Tumorfortschritte (PD) wurden bei Patienten mit Sarkoopenie im Vergleich zu denen ohne Sarkoopenie zu einem beliebigen Zeitpunkt nicht deutlich beobachtet (<i>p</i> = 0,277 bis <i>p</i> = 0,465). Im Durchschnitt trat PD nach 271.69 ± 104.20 Tagen auf. Die Zeit von der anfänglichen Diagnose bis zur PD bei Patienten "mit Sarkoopenie" war zu keinem Zeitpunkt deutlich kürzer als bei Patienten "ohne Sarkoopenie" (<i>p</i> = 0,521 bis <i>p</i> = 0,817). Die CT-Radiomics des Skelettmuskels könnten sowohl Sarkaopenie als auch Tumorfortschritt vorhersagen, mit den besten Ergebnissen für den Psoas-Durmuskel mit dem RF-Algorithmus. Zur Erkennung von Sarkoopen betrug die Genauigkeit 0,90 ± 0,03 und AUC 0,96 ± 0.02. Für die Vorhersage von PD betrug die Genauigkeit 0,88 ± 0,04 und die AUC 0,93 ± 0,04. In der vorliegenden Studie korreliert die CT-Radiomics des Skelettmuskels zusammen mit dem maschinellen Lernen mit dem Vorhandensein von Sarkaopenie, und dies kann zusätzlich bei der Vorhersage des Krankheitsverlaufs helfen. Diese Funktionen können als vielversprechende Alternativen zu konventionellen Methoden eingestuft werden, mit großem Potenzial für weitere Forschung und zukünftige klinische Anwendung. Bei der Diagnose von Sarcopenia mit PMI konnte jedoch keine signifikante Korrelation zwischen Sarcopenia und PD beobachtet werden.
M. Harries,
V. K. J. Rodiah,
M. J. Hassenstein,
J. Ortmann,
M. Dreier,
I. Holt,
M. Brinkmann,
A. Dulovic,
D. Gornyk,
O. Hovardovska,
C. Kuczewski,
M. Kurosinski,
M. Schlotz,
N. Schneiderhan-Marra,
M. Strengert,
G. Krause,
M. Sester,
F. Klein,
A. Petersmann,
A. Karch and
B. Lange,
"Bridging the gap - estimation of 2022/2023 SARS-CoV-2 healthcare burden in Germany based on multidimensional data from a rapid epidemic panel",
International Journal of Infectious Diseases,
2024.
| DOI: | 10.1016/j.ijid.2023.11.014 |
| Datei: | https://doi.org/10.1016/j.ijid.2023.11.014 |