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.
C. Bartenschlager,
R. Frey,
M. Freitag and
et al,
"Managing hospital visitor admission during Covid-19: A discrete-event simulation by the data of a German University Hospital".
Gehalten auf der Hawaii International Conference on System Sciences 2022.
| DOI: | 10.24251/HICSS.2022.449 |
K. O. Yusuf,
S. Hanss and
D. Krefting,
"Towards a Consistent Representation of Contradictions Within Health Data for Efficient Implementation of Data Quality Assessments.",
Studies in Health Technology and Informatics, eBook Serie,
vol. 302.
B. Lorenz-Depiereux,
S. Hopff,
H. Valentin,
M. Scherer,
S. Berger,
G. Anton,
B. Balzuweit,
T. Bahmer,
T. Illig,
A. Blumentritt,
C. Schäfer,
S. Hanss,
M. Nauck,
D. Krefting,
S. Schreiber,
M. Witzenrath,
J. Schaller,
W. Lieb,
D. Stahl,
J. Vehreschild,
M. Kraus,
On Behalf Of The Napkon Study Group and
N. Ethics Coordination,
"Poster Biobank-Symposium: Ethik-Koordination in NUKLEUS am Beispiel von NAPKON – Herausforderungen und Chancen".
M. Kraus,
C. Hampf,
T. Bahls,
W. Hoffmann,
M. Bialke,
A. Blumentritt,
F. Moser,
S. Lang,
E. Sargsyan and
A. Stehn,
"Poster Biobank-Symposium: Semantic Consent Code (SCC) Optionen für mehr Einheitlichkeit bei der Codierung und Abfrage von Einwilligungsinhalten".
C. Klein,
M. Borsche,
A. Balck and
et al,
"One-year surveillance of SARS-CoV-2 transmission of the ELISA Cohort: A model for population-based monitoring of infection risk",
Science Adv.
M. Jukic,
A. Dunkel,
B. Haller and
et al,
"Persistent loss of smell and taste perception in subjects with anti-SARS-CoV-2 antibodies".
M. Kahn,
S. Zellmer,
A. Ebigbo and
et al,
"Progress of the vaccination campaign among HCW in AGP in Germany".
A. Wulff,
P. Biermann,
T. Landesberger and
et al,
"A Smart Infection Control System for COVID-19 Infections in Hospitals"
in Conference on 66. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS) 2021.
| Datei: | https://www.egms.de/static/de/meetings/gmds2021/21gmds058.shtml |
A. Wulff,
P. Biermann,
T. Landesberger and
et al,
"Tracing COVID-19 infection chains within healthcare institutions: Another brick in the wall against SARS-CoV-2"
in MedInfo Conference 2021.
| Datei: | https://imia-medinfo.org/medinfo21/ |
F. Weber,
V. Pavel,
M. Müller,
P. Boor,
L. Läber,
S. Stillfried and
C. Buechler,
"Profiles of PCSK9, SREBP-2, and histopathology in COVID-19 and non-COVID-19 critical illness",
BMC Infectious Diseases,
vol. 25,
pp. 1573,
Nov.
2025.
Abstract:
Schwere COVID-19-Erkrankungen gehen mit Störungen im Cholesterinstoffwechsel einher, wobei das Protein PCSK9 eine wichtige Rolle spielt und vor allem in der Leber gebildet wird. In dieser Studie wurden Lebergewebe aus Obduktionen von COVID-19-Patienten mit Proben aus der Zeit vor der Pandemie verglichen sowie Blutwerte schwerkranker Patientinnen und Patienten analysiert. Dabei zeigte sich, dass PCSK9 und sein Regulator SREBP-2 mit bestimmten Leberveränderungen zusammenhängen, jedoch unabhängig davon, ob eine SARS-CoV-2-Infektion vorlag. Zwischen COVID-19- und Nicht-COVID-Patienten fanden sich weder relevante Unterschiede in der Leberstruktur noch in den gemessenen Leberwerten im Blut. Die Ergebnisse sprechen dafür, dass SARS-CoV-2 die Leber nicht direkt schädigt, auch wenn größere Studien nötig sind, um dies sicher zu bestätigen.
| DOI: | 10.1186/s12879-025-12129-1 |
| Datei: | https://pmc.ncbi.nlm.nih.gov/articles/PMC12616961/ |
Abstract:
Schwere COVID-19-Erkrankungen gehen mit Störungen im Cholesterinstoffwechsel einher, wobei das Protein PCSK9 eine wichtige Rolle spielt und vor allem in der Leber gebildet wird. In dieser Studie wurden Lebergewebe aus Obduktionen von COVID-19-Patienten mit Proben aus der Zeit vor der Pandemie verglichen sowie Blutwerte schwerkranker Patientinnen und Patienten analysiert. Dabei zeigte sich, dass PCSK9 und sein Regulator SREBP-2 mit bestimmten Leberveränderungen zusammenhängen, jedoch unabhängig davon, ob eine SARS-CoV-2-Infektion vorlag. Zwischen COVID-19- und Nicht-COVID-Patienten fanden sich weder relevante Unterschiede in der Leberstruktur noch in den gemessenen Leberwerten im Blut. Die Ergebnisse sprechen dafür, dass SARS-CoV-2 die Leber nicht direkt schädigt, auch wenn größere Studien nötig sind, um dies sicher zu bestätigen.
[de]
S. Von Stillfried,
"Von der Obduktion zur Translation",
Die Pathologie,
Nov.
2025.
Abstract:
Obwohl sich die Obduktionstechnik seit über 150 Jahren kaum verändert hat, ist ihr wissenschaftlicher Nutzen durch moderne Analyse-, Bildgebungs- und Computerverfahren stark gewachsen. In den klinischen Obduktionsablauf wurden sowohl native als auch kontrastverstärkte postmortale Bildgebungen integriert, unter anderem zur Untersuchung von Gefäßveränderungen bei chronischen Nierenerkrankungen. Zusätzlich wurde gezeigt, dass Biomaterialien aus Obduktionen wertvolle Grundlagen für die translationale Forschung liefern. Der Aufbau eines nationalen Autopsieregisters ermöglichte außerdem eine systematische Auswertung großer Datenmengen aus Obduktionen. Insgesamt zeigen die Ergebnisse, dass postmortale Daten und Gewebe für die Erforschung komplexer und multisystemischer Erkrankungen unverzichtbar sind und innovative Methoden in der Obduktionspathologie weiter gefördert werden sollten.
| DOI: | 10.1007/s00292-025-01508-9 |
| Datei: | https://link.springer.com/10.1007/s00292-025-01508-9 |
Abstract:
Obwohl sich die Obduktionstechnik seit über 150 Jahren kaum verändert hat, ist ihr wissenschaftlicher Nutzen durch moderne Analyse-, Bildgebungs- und Computerverfahren stark gewachsen. In den klinischen Obduktionsablauf wurden sowohl native als auch kontrastverstärkte postmortale Bildgebungen integriert, unter anderem zur Untersuchung von Gefäßveränderungen bei chronischen Nierenerkrankungen. Zusätzlich wurde gezeigt, dass Biomaterialien aus Obduktionen wertvolle Grundlagen für die translationale Forschung liefern. Der Aufbau eines nationalen Autopsieregisters ermöglichte außerdem eine systematische Auswertung großer Datenmengen aus Obduktionen. Insgesamt zeigen die Ergebnisse, dass postmortale Daten und Gewebe für die Erforschung komplexer und multisystemischer Erkrankungen unverzichtbar sind und innovative Methoden in der Obduktionspathologie weiter gefördert werden sollten.
M. Neidhardt,
L. Bosse,
V. Raudonis,
K. Allgoewer,
A. Heinemann,
B. Ondruschka and
A. Schlaefer,
"A Digital Twin for Robotic Post Mortem Tissue Sampling using Virtual Reality",
IEEE Robotics and Automation Letters,
pp. 1—6,
09
2025.
Abstract:
Gewebeproben aus Obduktionen gelten als Goldstandard, um Todesursachen festzustellen und Krankheiten besser zu verstehen. Bei hochinfektiösen Erregern können postmortale, minimalinvasive Gewebeentnahmen das Infektionsrisiko für Ärztinnen und Ärzte senken. In dieser Machbarkeitsstudie wird ein System vorgestellt, das mithilfe von Computertomographie und Virtual Reality die vollständig entfernte Planung und Steuerung robotischer Biopsien ermöglicht. Drei verschiedene Interaktionsmethoden zur Nadelplatzierung wurden durch Rechtsmedizininer*innen. Die Ergebnisse zeigen, dass die Methode präzise, gut bedienbar und eine vielversprechende, sichere Alternative zu herkömmlichen Verfahren ist.
| DOI: | 10.1109/LRA.2025.3608655 |
| Datei: | https://ieeexplore.ieee.org/document/11154977 |
Abstract:
Gewebeproben aus Obduktionen gelten als Goldstandard, um Todesursachen festzustellen und Krankheiten besser zu verstehen. Bei hochinfektiösen Erregern können postmortale, minimalinvasive Gewebeentnahmen das Infektionsrisiko für Ärztinnen und Ärzte senken. In dieser Machbarkeitsstudie wird ein System vorgestellt, das mithilfe von Computertomographie und Virtual Reality die vollständig entfernte Planung und Steuerung robotischer Biopsien ermöglicht. Drei verschiedene Interaktionsmethoden zur Nadelplatzierung wurden durch Rechtsmedizininer*innen. Die Ergebnisse zeigen, dass die Methode präzise, gut bedienbar und eine vielversprechende, sichere Alternative zu herkömmlichen Verfahren ist.
[de]
A. S. Schröder and
B. Ondruschka,
"Krematoriumsleichenschau: eine rechtsmedizinische Betrachtung im Kontext der COVID-19-Pandemie",
Rechtsmedizin,
09
2025.
Abstract:
Die zweite Leichenschau vor einer Feuerbestattung dient nicht nur der forensischen Fallklärung, sondern hat auch epidemiologische und gesundheitspolitische Relevanz. Die COVID-19-Pandemie stellte hierbei neue Anforderungen an die Durchführung und Bewertung. Die Studie untersucht die rechtsmedizinische Praxis der Leichenschau vor der Einäscherung im Kontext der COVID-19-Pandemie. Dabei wurde festgestellt, dass eine attestierte SARS-CoV-2-Infektion nie alleiniger Grund für eine Zurückstellung des Leichnams vor der Einäscherung war. Die Untersuchung legt nahe, dass die Durchführung von Schwangerschaftsabbrüchen nach medizinisch-sozialer Indikation nicht immer in allen Einzelheiten der aktuellen Rechtslage entspricht. Die Ergebnisse betonen die Bedeutung einer sorgfältigen und rechtskonformen Dokumentation in der forensischen Praxis. Die Studie trägt zur Weiterentwicklung der rechtsmedizinischen Standards in Zeiten globaler Gesundheitskrisen bei.
| DOI: | 10.1007/s00194-025-00787-z |
| Datei: | https://doi.org/10.1007/s00194-025-00787-z |
Abstract:
Die zweite Leichenschau vor einer Feuerbestattung dient nicht nur der forensischen Fallklärung, sondern hat auch epidemiologische und gesundheitspolitische Relevanz. Die COVID-19-Pandemie stellte hierbei neue Anforderungen an die Durchführung und Bewertung. Die Studie untersucht die rechtsmedizinische Praxis der Leichenschau vor der Einäscherung im Kontext der COVID-19-Pandemie. Dabei wurde festgestellt, dass eine attestierte SARS-CoV-2-Infektion nie alleiniger Grund für eine Zurückstellung des Leichnams vor der Einäscherung war. Die Untersuchung legt nahe, dass die Durchführung von Schwangerschaftsabbrüchen nach medizinisch-sozialer Indikation nicht immer in allen Einzelheiten der aktuellen Rechtslage entspricht. Die Ergebnisse betonen die Bedeutung einer sorgfältigen und rechtskonformen Dokumentation in der forensischen Praxis. Die Studie trägt zur Weiterentwicklung der rechtsmedizinischen Standards in Zeiten globaler Gesundheitskrisen bei.
J. Bienzeisler,
A. Kombeiz,
S. Ehrentreich,
R. Otto,
W. Schirrmeister,
M. Pegoraro,
D. Brammen,
B. Puladi,
R. Röhrig and
R. W. Majeed,
"Implementation report on pioneering federated data access for the German National Emergency Department Data Registry",
NPJ Digit Med,
vol. 1,
no. 94,
02
2025.
| DOI: | 10.1038/s41746-025-01481-w |
| Pubmed: | 39934366 |
A. Sobkowiak,
N. Scherff,
V. Almsick,
F. Schuler,
T. J. Brix,
A. Mellmann and
V. Schwierzeck,
"Characterization of vanA-harboring plasmids supports
differentiation of outbreak-related and sporadic
vancomycin-resistant Enterococcus faecium isolates in a tertiary
care hospital",
BMC Microbiology,
vol. 25,
no. 1,
pp. 337,
Mai
2025.
Abstract:
In dieser Studie wurde ein Ausbruch von Vancomycin-resistentem Enterococcus faecium (VREfm) in einem Krankenhaus untersucht. Die Forschenden analysierten über 400 Bakterienproben mithilfe einer speziellen Genomsequenzierung, um herauszufinden, wie sich die Keime verbreitet haben. Sie entdeckten, dass alle zum Ausbruch gehörenden Bakterien ein nahezu identisches Resistenz-Plasmid (vanA-Plasmid) trugen, was half, echte Ausbruchsfälle von einzelnen, nicht zusammenhängenden Fällen zu unterscheiden. Die Übertragung fand vor allem über gemeinsam genutzte Patientenzimmer statt. Nachdem strengere Hygienemaßnahmen eingeführt worden waren, kam es zu keinen weiteren Ansteckungen mehr.
Abstract:
In dieser Studie wurde ein Ausbruch von Vancomycin-resistentem Enterococcus faecium (VREfm) in einem Krankenhaus untersucht. Die Forschenden analysierten über 400 Bakterienproben mithilfe einer speziellen Genomsequenzierung, um herauszufinden, wie sich die Keime verbreitet haben. Sie entdeckten, dass alle zum Ausbruch gehörenden Bakterien ein nahezu identisches Resistenz-Plasmid (vanA-Plasmid) trugen, was half, echte Ausbruchsfälle von einzelnen, nicht zusammenhängenden Fällen zu unterscheiden. Die Übertragung fand vor allem über gemeinsam genutzte Patientenzimmer statt. Nachdem strengere Hygienemaßnahmen eingeführt worden waren, kam es zu keinen weiteren Ansteckungen mehr.
[en]
B. Kinast,
J. Wiedekopf,
H. Ulrich and
B. Schreiweis,
"Extracting LOINC Codes from a Laboratory Information System's
Index: Addressing Semantic Interoperability with Web Scraping",
Stud Health Technol Inform,
vol. 324,
pp. 234—239,
Apr.
2025.
Abstract:
In dieser Studie wurde untersucht, wie man Laborwerte aus einem internen Krankenhaus-System besser standardisieren kann, damit sie leichter zwischen verschiedenen IT-Systemen ausgetauscht und für Forschung genutzt werden können. Viele Labors arbeiten noch mit eigenen Codes, was die Weiterverwendung der Daten erschwert. Die Forschenden entwickelten daher einen automatisierten Prozess, der diese internen Codes ausliest und ihnen passende internationale LOINC-Codes zuordnet. Von fast 3.000 Laborparametern konnten so rund 27 % automatisch standardisiert werden. Das Verfahren zeigt, dass eine solche Automatisierung funktioniert, macht aber auch deutlich, dass Laborsoftware künftig direkt LOINC unterstützen sollte, um vollständige und gut nutzbare Daten zu ermöglichen.
Abstract:
In dieser Studie wurde untersucht, wie man Laborwerte aus einem internen Krankenhaus-System besser standardisieren kann, damit sie leichter zwischen verschiedenen IT-Systemen ausgetauscht und für Forschung genutzt werden können. Viele Labors arbeiten noch mit eigenen Codes, was die Weiterverwendung der Daten erschwert. Die Forschenden entwickelten daher einen automatisierten Prozess, der diese internen Codes ausliest und ihnen passende internationale LOINC-Codes zuordnet. Von fast 3.000 Laborparametern konnten so rund 27 % automatisch standardisiert werden. Das Verfahren zeigt, dass eine solche Automatisierung funktioniert, macht aber auch deutlich, dass Laborsoftware künftig direkt LOINC unterstützen sollte, um vollständige und gut nutzbare Daten zu ermöglichen.
K. Grikscheit,
A. Berger,
H. Rabenau,
N. Kohmer,
K. S. Appel,
M. Scherer,
R. Bals,
S. Blaschke,
A. Hamprecht,
S. M. Hopff,
D. Krefting,
P. Meybohm,
C. Nürnberger,
P. Heuschmann,
C. Pley,
S. M. N. Miranda,
E. Dahl,
B. Jensen,
T. Illig,
G. Anton,
J. J. Vehreschild and
S. Ciesek,
"Occurrence and clinical correlates of SARS-CoV-2 viremia in two German patient cohorts",
Emerging Microbes & Infections,
vol. 14,
no. 1,
pp. 2459137,
01
2025.
Taylor & Francis.
| DOI: | 10.1080/22221751.2025.2459137 |
S. Buchka,
A. Hapfelmeier,
J. S. Kirschke,
V. Steuerwald,
M. Naumann,
I. Soto-Rey,
S. O. Rohr,
F. Kramer,
L. Behrens,
E. Oswald,
T. Kümpfel,
H. Zimmermann,
V. S. Hoffmann,
M. Hagedorn,
F. Albashiti,
M. Krumbholz,
U. Ziemann,
O. Kohlbacher,
B. Sailer,
V. Braunmüller,
S. Biergans,
M. Herr,
U. Ernemann,
E. Bürkle,
B. Bender,
A. Daul,
C. Ruff,
J. Römhild,
B. Wiestler,
D. Sepp,
H. Spengler,
P. Pallaoro,
M. Boeker,
F. Kohlmayer,
V. Dehmelt,
A. Berthele,
M. Mühlau,
P. Uibel,
J. Wauschkuhn,
K. Kuhn,
M. Senel,
I. Vardakas,
D. Taranu,
H. A. Kestler,
N. Sollmann,
B. I. Ön,
S. Bilger,
U. Mansmann,
A. Bayas,
J. Havla,
M. C. Kowarik,
H. Tumani and
B. H. and,
"External validation of a multiple sclerosis treatment decision score using data from the ProVal-MS cohort study",
Therapeutic Advances in Neurological Disorders,
vol. 18,
pp. 17562864251391095,
Nov.
2025.
Abstract:
Es wurde ein Multiple-Sklerose-Behandlungsentscheings-Score (MS-TDS) mit Daten aus der ProVal-MS-Studie validiert. Der MS-TDS sagt die Wahrscheinlichkeit des Auftretens mindestens einer neuen oder sich vergrößernden T2-Läsion innerhalb von 6-24 Monaten nach Ausbruch der Erkrankung voraus und unterstützt die Entscheidung zwischen der Einleitung einer Plattformbehandlung oder einen "abwartenden" Ansatz. Ein sekundäres Ziel war die Machbarkeit von datenschutzkonformen Verbundkonzepten bei der Zusammenarbeit von mehreren Datenintegrationszentren aufzuzeigen.
| DOI: | 10.1177/17562864251391095 |
Abstract:
Es wurde ein Multiple-Sklerose-Behandlungsentscheings-Score (MS-TDS) mit Daten aus der ProVal-MS-Studie validiert. Der MS-TDS sagt die Wahrscheinlichkeit des Auftretens mindestens einer neuen oder sich vergrößernden T2-Läsion innerhalb von 6-24 Monaten nach Ausbruch der Erkrankung voraus und unterstützt die Entscheidung zwischen der Einleitung einer Plattformbehandlung oder einen "abwartenden" Ansatz. Ein sekundäres Ziel war die Machbarkeit von datenschutzkonformen Verbundkonzepten bei der Zusammenarbeit von mehreren Datenintegrationszentren aufzuzeigen.
A. S. L. Graefe,
F. Rehburg,
S. Alkarkoukly,
D. Danis,
A. Gr"onke,
M. R. H"ubner,
A. Bartschke,
T. Debertsh"auser,
S. A. I. Klopfenstein,
J. Sass,
J. Fleck,
M. Rehberg,
J. Zsch"untzsch,
E. F. Nyoungui,
T. Kalashnikova,
L. Murgu\'ıa-Favela,
B. Derfalvi,
N. A. M. Wright,
S. Moosa,
S. Ogishima,
O. Semler,
S. Wiegand,
P. K"uhnen,
C. J. Mungall,
M. A. Haendel,
P. N. Robinson,
S. Thun and
O. Beyan,
"RareLink: scalable REDCap-based framework for rare disease
interoperability linking international registries to FHIR and
Phenopackets",
npj Genomic Medicine,
vol. 10,
no. 1,
pp. 72,
Nov.
2025.
Abstract:
Die Publikation stellt ein neuartiges Framework namens RareLink vor. REDCap wird zwar häufig in der Forschung zu seltenen Erkrankungen genutzt, bietet jedoch nur geringe Interoperabilität mit internationalen Gesundheitsstandards. RareLink, ein Open-Source-Framework auf Basis eines ontologiebasierten Common Data Models, ermöglicht einen standardisierten Datenaustausch zwischen REDCap, internationalen Registern und Analysewerkzeugen. Es verknüpft Daten mit GA4GH-Phenopackets und HL7-FHIR-Profilen. Das Framework wurde international entwickelt und anhand eines simulierten Kabuki-Syndrom-Patient Kohort erfolgreich getestet.
Abstract:
Die Publikation stellt ein neuartiges Framework namens RareLink vor. REDCap wird zwar häufig in der Forschung zu seltenen Erkrankungen genutzt, bietet jedoch nur geringe Interoperabilität mit internationalen Gesundheitsstandards. RareLink, ein Open-Source-Framework auf Basis eines ontologiebasierten Common Data Models, ermöglicht einen standardisierten Datenaustausch zwischen REDCap, internationalen Registern und Analysewerkzeugen. Es verknüpft Daten mit GA4GH-Phenopackets und HL7-FHIR-Profilen. Das Framework wurde international entwickelt und anhand eines simulierten Kabuki-Syndrom-Patient Kohort erfolgreich getestet.
[en]
S. E. Kocman,
H. K"oster,
C. Gulden,
L. A. Kapsner,
I. Engel,
H. Prokosch and
J. M. Mang,
"Is Research Data Trustworthy? A Quality Comparison Between
FHIR, Trinetx and Clinical Data Sources",
Stud Health Technol Inform,
vol. 327,
pp. 703—707,
Mai
2025.
Abstract:
Diese Studie untersuchte die Qualität und Vollständigkeit von medizinischen Routinedaten aus drei verschiedenen digitalen Datenquellen eines Universitätsklinikums. Die Forschenden verglichen wichtige Informationen wie Diagnosen, Behandlungen und Laborwerte zwischen den Systemen. Insgesamt waren die Daten weitgehend konsistent, es traten jedoch Unterschiede auf – zum Beispiel durch verschiedene Codiersysteme, Filterungen oder fehleranfällige Übertragungsprozesse. Solche Abweichungen können die Auswertung in der Forschung beeinflussen. Die Studie zeigt, wie wichtig es ist, die Herkunft und Verarbeitung von Routinedaten genau zu verstehen, um verlässliche Ergebnisse in der klinischen Forschung zu erzielen.
Abstract:
Diese Studie untersuchte die Qualität und Vollständigkeit von medizinischen Routinedaten aus drei verschiedenen digitalen Datenquellen eines Universitätsklinikums. Die Forschenden verglichen wichtige Informationen wie Diagnosen, Behandlungen und Laborwerte zwischen den Systemen. Insgesamt waren die Daten weitgehend konsistent, es traten jedoch Unterschiede auf – zum Beispiel durch verschiedene Codiersysteme, Filterungen oder fehleranfällige Übertragungsprozesse. Solche Abweichungen können die Auswertung in der Forschung beeinflussen. Die Studie zeigt, wie wichtig es ist, die Herkunft und Verarbeitung von Routinedaten genau zu verstehen, um verlässliche Ergebnisse in der klinischen Forschung zu erzielen.
M. Arruda Botelho,
C. Ata Baykara,
A. Burak "Unal,
N. Pfeifer and
M. Akg"un,
"Privacy-preserving AUC computation in distributed machine
learning with PHT-meDIC",
PLOS Digital Health,
vol. 4,
no. 11,
pp. e0000753,
Nov.
2025.
Public Library of Science.
Abstract:
In dieser Arbeit wurde eine Lösung entwickelt, um die Güte von KI-Modellen – gemessen über die AUC – auch dann sicher berechnen zu können, wenn verschiedene Einrichtungen ihre sensiblen Daten nicht miteinander teilen dürfen. Die Forschenden stellten zwei Methoden vor: eine, die die AUC völlig exakt und datenschutzkonform berechnet, und eine zweite, die schneller ist und trotzdem sehr genaue Ergebnisse liefert. Beide Verfahren nutzen moderne Verschlüsselungstechniken, damit weder die wahren Diagnosen noch die Modellvorhersagen offengelegt werden. In der Gesundheitsplattform PHT-meDIC konnten die Methoden erfolgreich getestet und ihre Praxistauglichkeit gezeigt werden. Der frei verfügbare Programmcode erleichtert es anderen, die Verfahren im Rahmen kooperativer, datenschutzfreundlicher KI-Lösungen zu übernehmen.
Abstract:
In dieser Arbeit wurde eine Lösung entwickelt, um die Güte von KI-Modellen – gemessen über die AUC – auch dann sicher berechnen zu können, wenn verschiedene Einrichtungen ihre sensiblen Daten nicht miteinander teilen dürfen. Die Forschenden stellten zwei Methoden vor: eine, die die AUC völlig exakt und datenschutzkonform berechnet, und eine zweite, die schneller ist und trotzdem sehr genaue Ergebnisse liefert. Beide Verfahren nutzen moderne Verschlüsselungstechniken, damit weder die wahren Diagnosen noch die Modellvorhersagen offengelegt werden. In der Gesundheitsplattform PHT-meDIC konnten die Methoden erfolgreich getestet und ihre Praxistauglichkeit gezeigt werden. Der frei verfügbare Programmcode erleichtert es anderen, die Verfahren im Rahmen kooperativer, datenschutzfreundlicher KI-Lösungen zu übernehmen.
[en]
M. Macedo,
J. Wiedekopf,
T. Hillmer,
B. Schreiweis,
S. Saalfeld and
H. Ulrich,
"From text to knowledge: An end-to-end extraction pipeline for
clinical information",
Stud. Health Technol. Inform.,
vol. 329,
pp. 1074—1078,
Aug.
2025.
Abstract:
Die Publikation beschreibt die Extraktion von Allergieinformationen aus Entlassbriefen des UKSH mittels verschiedener Large-Language-Modelle. Zusätzlich wurden die Allergieinformationen nach der Extraktion automatisiert SNOMED CT codiert und als FHIR Observations abgelegt.
Abstract:
Die Publikation beschreibt die Extraktion von Allergieinformationen aus Entlassbriefen des UKSH mittels verschiedener Large-Language-Modelle. Zusätzlich wurden die Allergieinformationen nach der Extraktion automatisiert SNOMED CT codiert und als FHIR Observations abgelegt.
[en]
T. Bronsch,
M. Anywar,
B. Kinast,
H. Ulrich,
M. Macedo,
J. Kruse,
P. Behrend and
B. Schreiweis,
"Implementation of a patient consent management at a German
medical data integration center",
Stud. Health Technol. Inform.,
vol. 329,
pp. 1626—1627,
Aug.
2025.
Abstract:
Die Publikation beschreibt die Integration der Broad Consent Informationen in das UKSH MeDIC mit der Erfassung im Primärsystem, der JSON-basierten Übermittlung an das MeDIC. Darüber hinaus werden die zentraler Speicherung in einer IHE Advanced Patient Privacy Consents (APPC) Komponente, sowie abfragbarer und auswertbarer Umsetzungen in openEHR und MII FHIR Kerndatensatz beschrieben.
Abstract:
Die Publikation beschreibt die Integration der Broad Consent Informationen in das UKSH MeDIC mit der Erfassung im Primärsystem, der JSON-basierten Übermittlung an das MeDIC. Darüber hinaus werden die zentraler Speicherung in einer IHE Advanced Patient Privacy Consents (APPC) Komponente, sowie abfragbarer und auswertbarer Umsetzungen in openEHR und MII FHIR Kerndatensatz beschrieben.
[en]
A. Schramm,
J. Raidt,
S. Riepenhausen,
C. M. T. Nygaard,
R. Tenardi-Wenge,
T. Qvist,
P. Witt,
M. Storck,
H. Olbrich,
K. G. Nielsen and
H. Omran,
"Limitations of PICADAR as a diagnostic predictive tool for
primary ciliary dyskinesia",
Front. Mol. Biosci.,
vol. 12,
no. 1691758,
pp. 1691758,
Dez.
2025.
Frontiers Media SA.
Abstract:
Die Primary Ciliary Dyskinesia Rule (PICADAR) ist ein diagnostisches Prognoseinstrument, das derzeit von der European Respiratory Society (ERS) empfohlen wird, um die Wahrscheinlichkeit einer Diagnose der primären ziliären Dyskinesie (PCD) zu beurteilen. Trotz ihrer Empfehlung gemäß der aktuellen ERS-Diagnoseleitlinie für PCD ist die Leistungsfähigkeit der PICADAR noch nicht ausreichend untersucht. Die Studie zeigt, dass der PICADAR eine begrenzte Sensitivität, insbesondere bei Personen ohne Lateralitätsdefekte (61 %) oder ohne charakteristische ultrastrukturelle Defekte (59 %), hat. Daher sollte der PICADAR nicht als einziger Faktor für die Einleitung einer diagnostischen Abklärung herangezogen werden und mit Vorsicht als primärer Faktor für die Einschätzung der Wahrscheinlichkeit einer PCD verwendet werden. Es werden alternative Prognoseinstrumente benötigt, insbesondere für PCD-Patienten mit normaler Körperzusammensetzung und normaler Ultrastruktur.
Abstract:
Die Primary Ciliary Dyskinesia Rule (PICADAR) ist ein diagnostisches Prognoseinstrument, das derzeit von der European Respiratory Society (ERS) empfohlen wird, um die Wahrscheinlichkeit einer Diagnose der primären ziliären Dyskinesie (PCD) zu beurteilen. Trotz ihrer Empfehlung gemäß der aktuellen ERS-Diagnoseleitlinie für PCD ist die Leistungsfähigkeit der PICADAR noch nicht ausreichend untersucht. Die Studie zeigt, dass der PICADAR eine begrenzte Sensitivität, insbesondere bei Personen ohne Lateralitätsdefekte (61 %) oder ohne charakteristische ultrastrukturelle Defekte (59 %), hat. Daher sollte der PICADAR nicht als einziger Faktor für die Einleitung einer diagnostischen Abklärung herangezogen werden und mit Vorsicht als primärer Faktor für die Einschätzung der Wahrscheinlichkeit einer PCD verwendet werden. Es werden alternative Prognoseinstrumente benötigt, insbesondere für PCD-Patienten mit normaler Körperzusammensetzung und normaler Ultrastruktur.
C. Lohr,
J. Faller,
A. Riedel,
H. M. Nguyen,
M. Wolfien,
J. Hofenbitzer,
L. Modersohn,
J. Romberg,
F. Prasser,
J. Omeirat,
Y. Wen,
O. Galusch,
U. Hahn,
M. Seiferling,
C. Dieterich,
P. Kl"ugl,
F. Matthies,
J. Kind,
M. Boeker,
M. L"offler and
F. Meineke,
"GeMTeX's DE-identification in action: Lessons learned &
devil's details"
in Studies in Health Technology and Informatics,
IOS Press,
Sep.
2025.
Abstract:
Im Jahr 2024 startete das GeMTeX-Projekt die bislang größte Deidentifizierungsinitiative für deutschsprachige klinische Berichte und veröffentlichte im Rahmen einer Pilotstudie GraSCCoPHI, das erste de-identifizierte deutschsprachige Goldstandard-Korpus aus synthetischen Entlassungsberichten. Die Publikation beschreibt den De-Identifizierungs-Workflow, das Management der Annotationstools sowie der Erfahrungen in der Vorannotation, etwa beim Zusammenstellen und Schulen der Annotationsteams und bei der Weiterentwicklung der Richtlinien. Im ersten Jahr entstanden intern etwa 9.000 Dokumente mit ~20 Millionen Tokens, und die Autoren berichten über quantitative Befunde zur Menge identifizierbarer Informationen pro Dokument. Wichtige Erkenntnisse sind verschiedene ungeplante Schwierigkeiten beim Rollout an sechs Klinikstandorten und die Beobachtung, dass weniger als 20 % der Annotationen einen Großteil dieser Probleme verursachen (Pareto-Effekt).
Abstract:
Im Jahr 2024 startete das GeMTeX-Projekt die bislang größte Deidentifizierungsinitiative für deutschsprachige klinische Berichte und veröffentlichte im Rahmen einer Pilotstudie GraSCCoPHI, das erste de-identifizierte deutschsprachige Goldstandard-Korpus aus synthetischen Entlassungsberichten. Die Publikation beschreibt den De-Identifizierungs-Workflow, das Management der Annotationstools sowie der Erfahrungen in der Vorannotation, etwa beim Zusammenstellen und Schulen der Annotationsteams und bei der Weiterentwicklung der Richtlinien. Im ersten Jahr entstanden intern etwa 9.000 Dokumente mit ~20 Millionen Tokens, und die Autoren berichten über quantitative Befunde zur Menge identifizierbarer Informationen pro Dokument. Wichtige Erkenntnisse sind verschiedene ungeplante Schwierigkeiten beim Rollout an sechs Klinikstandorten und die Beobachtung, dass weniger als 20 % der Annotationen einen Großteil dieser Probleme verursachen (Pareto-Effekt).
H. T,
T. U,
L. B,
R. D,
B. LB,
W. T,
K. M,
B. J,
G. F and
W. G,
"AI-based HRCT quantification reveals DLCO and TLC as key determinants of ILD severity in connective tissue diseases.",
RMD open,
Okt.
2025.
Abstract:
Interstitielle Lungenerkrankung (ILD) stellt die häufigste und schwere Organerscheinung dar, die bei Patienten beobachtet wird, die mit Bindegewebeerkrankungen (CTDs) diagnostiziert werden. Ziel dieser retrospektiven Querschnittsstudie war es, klinische Risikofaktoren wie Lungensymptome, Alter, Geschlecht, Labor- und Lungenfunktionstest (PFT)-Parameter zu identifizieren, die mit dem Ausmaß der ILD in Verbindung stehen, gemessen durch künstliche Intelligenz-basierte Quantifizierung der Lungenhochauflösung berechneten Tomographie (AIqpHRCT). Wir enthielten Patienten mit einer CTD-ILD-Diagnose; alle leiden unter PFT und HRCT, und auch Lungensymptome und Entzündungserscheinungen wurden dokumentiert. AIpqHRCT wurde verwendet, um Lungenvolumen zu quantifizieren und ILD-Funktionen einschließlich Bodenglas-Optik (GGO), Retikulationen, hochauflösendes Lungenvolumen (HAV), Emphysema und Gesamtumfang von ILD. Schließlich waren 76 CTD-ILD-Patienten für Regressionsanalysen geeignet, um den Einfluss von klinischen Parametern auf das ILD-Grad zu bewerten. Die Verringerung der Streufähigkeit der Lunge für Kohlenmonoxid (DLCO), Gesamtlungskapazität (TLC) und erhöhte Entzündungsparameter war maßgeblich mit dem Ausmaß von GGO, Retikulationen, HAV und Gesamterstreckung von ILD verbunden. Pulmonale Symptome, Alter und erzwungene Lebensfähigkeit wurden nicht mit dem Ausmaß der ILD, das von AIqpHRCT quantifiziert wurde, verbunden. Die Studie präsentierte, dass DLCO und TLC für die CTD-ILD Schwere prognostiziert wurden. Folglich schlagen unsere Ergebnisse die Leistung von PFT, einschließlich DLCO für alle Patienten mit CTD vor. Bei reduziertem DLCO und DC sind weitere Diagnosen, einschließlich HRCT, erforderlich.
| DOI: | 10.1136/rmdopen-2025-005963 |
Abstract:
Interstitielle Lungenerkrankung (ILD) stellt die häufigste und schwere Organerscheinung dar, die bei Patienten beobachtet wird, die mit Bindegewebeerkrankungen (CTDs) diagnostiziert werden. Ziel dieser retrospektiven Querschnittsstudie war es, klinische Risikofaktoren wie Lungensymptome, Alter, Geschlecht, Labor- und Lungenfunktionstest (PFT)-Parameter zu identifizieren, die mit dem Ausmaß der ILD in Verbindung stehen, gemessen durch künstliche Intelligenz-basierte Quantifizierung der Lungenhochauflösung berechneten Tomographie (AIqpHRCT). Wir enthielten Patienten mit einer CTD-ILD-Diagnose; alle leiden unter PFT und HRCT, und auch Lungensymptome und Entzündungserscheinungen wurden dokumentiert. AIpqHRCT wurde verwendet, um Lungenvolumen zu quantifizieren und ILD-Funktionen einschließlich Bodenglas-Optik (GGO), Retikulationen, hochauflösendes Lungenvolumen (HAV), Emphysema und Gesamtumfang von ILD. Schließlich waren 76 CTD-ILD-Patienten für Regressionsanalysen geeignet, um den Einfluss von klinischen Parametern auf das ILD-Grad zu bewerten. Die Verringerung der Streufähigkeit der Lunge für Kohlenmonoxid (DLCO), Gesamtlungskapazität (TLC) und erhöhte Entzündungsparameter war maßgeblich mit dem Ausmaß von GGO, Retikulationen, HAV und Gesamterstreckung von ILD verbunden. Pulmonale Symptome, Alter und erzwungene Lebensfähigkeit wurden nicht mit dem Ausmaß der ILD, das von AIqpHRCT quantifiziert wurde, verbunden. Die Studie präsentierte, dass DLCO und TLC für die CTD-ILD Schwere prognostiziert wurden. Folglich schlagen unsere Ergebnisse die Leistung von PFT, einschließlich DLCO für alle Patienten mit CTD vor. Bei reduziertem DLCO und DC sind weitere Diagnosen, einschließlich HRCT, erforderlich.
S. D,
S. S,
M. TT,
Z. Y,
S. L,
R. D and
B. R,
"AI-driven preclinical disease risk assessment using imaging in UK biobank.",
NPJ digital medicine,
Jul.
2025.
Abstract:
Die Identifizierung des Krankheitsrisikos und die Erkennung von Krankheiten, bevor klinische Symptome auftreten, sind für die Frühintervention und die Verbesserung der Patientenergebnisse unerlässlich. In diesem Zusammenhang bietet die Integration der medizinischen Bildgebung in einen klinischen Workflow einen einzigartigen Vorteil durch die Erfassung detaillierter struktureller und funktionaler Informationen. Im Gegensatz zu Nicht-Bilddaten, wie Lebensstil, soziodemografischen oder früheren medizinischen Bedingungen, die sich oft auf selbst gemeldete Informationen stützen, die anfällig sind, um Vorurteile und subjektive Wahrnehmungen zu erinnern, bietet die Abbildung objektivere und verlässliche Erkenntnisse. Obwohl die Verwendung der medizinischen Bildgebung in der künstlichen Intelligenz (KI)-getriebenen Risikobewertung wächst, bleibt ihr volles Potenzial untergenutzt. In dieser Arbeit zeigen wir, wie die Bildgebung in Routine-Screening-Workflows integriert werden kann, insbesondere indem wir die in der großen prospektiven Studie UK Biobank zur Verfügung stehenden Nacken-zu-Knie- Ganzkörper-Magnetresonanz-Bildgebung (MRI)-Daten nutzen. Unsere Analyse konzentriert sich auf die dreijährige Risikobewertung für ein breites Spektrum von Krankheiten, einschließlich Herz-Kreislauf-, Verdauungs-, Stoffwechsel-, Entzündungs-, degenerativen und onkologischen Bedingungen. Wir bewerten KI-basierte Pipelines für die Verarbeitung von Ganzkörper-MRT und zeigen, dass mit bildabgeleiteten Radiomics-Features die beste Prognoseleistung, Interpretationsfähigkeit und Integrationsfähigkeit mit Nichtbilddaten bietet.
| DOI: | 10.1038/s41746-025-01771-3 |
Abstract:
Die Identifizierung des Krankheitsrisikos und die Erkennung von Krankheiten, bevor klinische Symptome auftreten, sind für die Frühintervention und die Verbesserung der Patientenergebnisse unerlässlich. In diesem Zusammenhang bietet die Integration der medizinischen Bildgebung in einen klinischen Workflow einen einzigartigen Vorteil durch die Erfassung detaillierter struktureller und funktionaler Informationen. Im Gegensatz zu Nicht-Bilddaten, wie Lebensstil, soziodemografischen oder früheren medizinischen Bedingungen, die sich oft auf selbst gemeldete Informationen stützen, die anfällig sind, um Vorurteile und subjektive Wahrnehmungen zu erinnern, bietet die Abbildung objektivere und verlässliche Erkenntnisse. Obwohl die Verwendung der medizinischen Bildgebung in der künstlichen Intelligenz (KI)-getriebenen Risikobewertung wächst, bleibt ihr volles Potenzial untergenutzt. In dieser Arbeit zeigen wir, wie die Bildgebung in Routine-Screening-Workflows integriert werden kann, insbesondere indem wir die in der großen prospektiven Studie UK Biobank zur Verfügung stehenden Nacken-zu-Knie- Ganzkörper-Magnetresonanz-Bildgebung (MRI)-Daten nutzen. Unsere Analyse konzentriert sich auf die dreijährige Risikobewertung für ein breites Spektrum von Krankheiten, einschließlich Herz-Kreislauf-, Verdauungs-, Stoffwechsel-, Entzündungs-, degenerativen und onkologischen Bedingungen. Wir bewerten KI-basierte Pipelines für die Verarbeitung von Ganzkörper-MRT und zeigen, dass mit bildabgeleiteten Radiomics-Features die beste Prognoseleistung, Interpretationsfähigkeit und Integrationsfähigkeit mit Nichtbilddaten bietet.
T. D,
S. LP,
B. N,
G. S,
F. C,
L. W,
S. S,
M. W,
M. C,
K. M,
W. N,
B. T,
R. S,
F. K,
V. JJ,
J. O,
M. C,
A. S and
L. M,
"Alterations of the amygdala in post-COVID olfactory dysfunction.",
Scientific reports,
Okt.
2025.
Abstract:
Olfaktorische Dysfunktion (OD) als Symptom von COVID-19 hat aufgrund seiner hohen Prävalenz in der Forschung große Aufmerksamkeit erhalten. Während es in den meisten Individuen transient ist, hält post-COVID OD in einer bemerkenswerten Teilmenge von Patienten sogar Monate bis Jahre nach der akuten Infektion. Ein tieferes Verständnis der zugrunde liegenden Faktoren, die dieses Phänomen führen, ist unerlässlich. Es gibt immer mehr Beweise für eine Einbeziehung des zentralen Nervensystems in dieses Defizit. Ziel dieser Studie war es, die strukturelle Konnektivität und Integrität von Weißstoffpfaden in Gehirnregionen zu untersuchen, die mit der olfaktorischen Verarbeitung unter Verwendung von MRT mit Diffusions Tensor-Bildgebung (DTI) bei Patienten mit persistentem Post-COVID OD verbunden sind. Die Studie umfasste 61 Patienten, unterteilt in zwei Gruppen: 31 Teilnehmer mit post-COVID OD (PC-OlfDys) und 30 post-COVID normosmic controls (PC-N). Bei MRI-Analysen wurde ein interessenorientierter Ansatz (ROI) und voxelweise statistische Vergleiche zwischen den Gruppen mit dem Alter als Kovariat verwendet. Die fraktionierte Anisotropie (FA) im linken Amygdala war in den PC-OlfDys höher als in der PC-N-Gruppe, und die radiale Diffusivität (RD) im rechten Amygdala war in der PC-OlfDys-Gruppe höher als in PC-N. Die PC-OlfDys-Gruppe zeigte höhere Depressionen und Angstwerte, gemessen durch die achtstufige Patienten-Gesundheits-Fragenskala und den allgemeinen Angststörungs- 7 Fragebogen. Diese Studie zeigt, dass post-COVID OD mit signifikanten Veränderungen der Myelierung oder des axonalen Durchmessers von olfaktorbezogenen Gehirnregionen verbunden ist. Da die amygdala, Putamen und piriforme Cortex (alle in olfaktorischer Funktion und emotionalem Wohlbefinden) Assoziationen mit Depressionen und Angstpunkten zeigten, vermuten wir, dass post-COVID OD und Depression und Angst miteinander verwandt sind, obwohl die Richtung dieser Beziehung noch geklärt werden muss.
| DOI: | 10.1038/s41598-025-23015-w |
Abstract:
Olfaktorische Dysfunktion (OD) als Symptom von COVID-19 hat aufgrund seiner hohen Prävalenz in der Forschung große Aufmerksamkeit erhalten. Während es in den meisten Individuen transient ist, hält post-COVID OD in einer bemerkenswerten Teilmenge von Patienten sogar Monate bis Jahre nach der akuten Infektion. Ein tieferes Verständnis der zugrunde liegenden Faktoren, die dieses Phänomen führen, ist unerlässlich. Es gibt immer mehr Beweise für eine Einbeziehung des zentralen Nervensystems in dieses Defizit. Ziel dieser Studie war es, die strukturelle Konnektivität und Integrität von Weißstoffpfaden in Gehirnregionen zu untersuchen, die mit der olfaktorischen Verarbeitung unter Verwendung von MRT mit Diffusions Tensor-Bildgebung (DTI) bei Patienten mit persistentem Post-COVID OD verbunden sind. Die Studie umfasste 61 Patienten, unterteilt in zwei Gruppen: 31 Teilnehmer mit post-COVID OD (PC-OlfDys) und 30 post-COVID normosmic controls (PC-N). Bei MRI-Analysen wurde ein interessenorientierter Ansatz (ROI) und voxelweise statistische Vergleiche zwischen den Gruppen mit dem Alter als Kovariat verwendet. Die fraktionierte Anisotropie (FA) im linken Amygdala war in den PC-OlfDys höher als in der PC-N-Gruppe, und die radiale Diffusivität (RD) im rechten Amygdala war in der PC-OlfDys-Gruppe höher als in PC-N. Die PC-OlfDys-Gruppe zeigte höhere Depressionen und Angstwerte, gemessen durch die achtstufige Patienten-Gesundheits-Fragenskala und den allgemeinen Angststörungs- 7 Fragebogen. Diese Studie zeigt, dass post-COVID OD mit signifikanten Veränderungen der Myelierung oder des axonalen Durchmessers von olfaktorbezogenen Gehirnregionen verbunden ist. Da die amygdala, Putamen und piriforme Cortex (alle in olfaktorischer Funktion und emotionalem Wohlbefinden) Assoziationen mit Depressionen und Angstpunkten zeigten, vermuten wir, dass post-COVID OD und Depression und Angst miteinander verwandt sind, obwohl die Richtung dieser Beziehung noch geklärt werden muss.
S. S,
B. GL,
O. T,
S. M,
W. D,
W. MP,
H. U,
K. H,
P. T and
N. J,
"An Explainable AI Exploration of the Machine Learning Classification of Neoplastic Intracerebral Hemorrhage from Non-Contrast CT.",
Cancers,
Jul.
2025.
Abstract:
Intracerebrale Hämorrhage (ICH) im Zusammenhang mit primären und metastasierenden Hirntumoren stellt eine erhebliche Herausforderung in der Neuroonkologie aufgrund des erheblichen Risikos von Komplikationen [...].
| DOI: | 10.3390/cancers17152502 |
Abstract:
Intracerebrale Hämorrhage (ICH) im Zusammenhang mit primären und metastasierenden Hirntumoren stellt eine erhebliche Herausforderung in der Neuroonkologie aufgrund des erheblichen Risikos von Komplikationen [...].
L. M,
R. R,
S. S,
B. GL,
S. I,
S. R,
A. TA,
N. J,
S. L,
P. L,
H. R,
H. CA and
P. T,
"Analyzing the TotalSegmentator for facial feature removal in head CT scans.",
Radiography (London, England : 1995),
Jan.
2025.
Abstract:
Die Gesichtserkennungstechnologie in der medizinischen Bildgebung, insbesondere bei Kopfscans, stellt aufgrund identifizierbarer Gesichtszüge Datenschutzrisiken dar. Diese Studie wertet den Einsatz von Gesichtserkennungssoftware bei der Identifizierung von Gesichtsmerkmalen aus Kopf-CT-Scans aus und erforscht mit TotalSegmentator eine defacing Pipeline, um die Wiedererkennungsrisiken zu reduzieren und die Datenintegrität für die Forschung zu bewahren. 1404 hochwertige Renderings aus dem UCLH EIT Stroke Datensatz, sowohl mit als auch ohne Rücksicht wurden analysiert. Die Leistungsfähigkeit der von TotalSegmentator erstellten Gesichtsmaske wurde mit einem hochmodernen CT-Vernichtungsalgorithmus verglichen. Gesichtserkennung wurde mit Deep Learning Modellen durchgeführt. Die Kosinusähnlichkeit zwischen Gesichtseinbettungen für intra- und interpatientische Bilder wurde verglichen. Eine Support Vector Maschine wurde auf Cosinus-ähnliche Werte trainiert, um die Abstoßleistung zu bewerten, was bestimmt, ob zwei Renderings von demselben Patienten kamen. Diese Analyse wurde auf defaced und non-defaced Bildern mit 5-facher Quervalidierung durchgeführt. Gesichter wurden in 76,5 % nicht abgegrenzten Bildern nachgewiesen. Intra-Patient-Bilder zeigten eine mediane Kosinus-ähnlichkeit von 0,65 (IQR: 0.47-0.80), verglichen mit 0,50 (IQR: 0.39-0.62) für inter-Patient-Bilder. Ein binärer Klassifikator wurde mäßig auf nicht abgetasteten Bildern durchgeführt, wobei ein ROC-AUC von 0,69 (SD = 0,01) und eine Genauigkeit von 0,65 (SD = 0,01) erreicht wurde, um zu unterscheiden, ob ein Scan derselben oder einer anderen Person gehörte. Nach dem Abklingen ging die Leistung deutlich zurück. Die Defacation mit dem TotalSegmentator verringerte den ROC-AUC auf 0,55 (SD = 0,02) und die Genauigkeit auf 0,56 (SD = 0,01), während der CTA-DEFACE-Algorithmus die Leistung auf eine ROC-AUC von 0,60 (SD = 0,02) und eine Genauigkeit von 0,59 (SD = 0,01) reduzierte. Diese Ergebnisse zeigen die Wirksamkeit der Abgrenzung von Algorithmen bei der Minderung von Re-Identifikationsrisiken, wobei der TotalSegmentator einen leicht überlegenen Datenschutz bietet. Gesichtserkennung Software kann Gesichtsmerkmale aus Teil- und Vollkopf-CT-Scan Renderings identifizieren. Die Verwendung des TotalSegmentators zur Deface-Bilder reduziert jedoch die Neuidentifikationsrisiken auf ein Nah-Chance-Level. Wir bieten Code an, um diese datenschutzrechtliche Pipeline zu implementieren. Durch die Nutzung des TotalSegmentator-Frameworks entfernt die vorgeschlagene Pipeline die Gesichtseigenschaften von CT-Bildern effizient und ist damit ideal für die Mehr-Site-Forschung und den Datenaustausch. Es ist ein nützliches Werkzeug für Radiographen und Radiologen, die medico-legale Anforderungen erfüllen müssen, die die Entfernung von Gesichtsmerkmalen erfordern.
| DOI: | 10.1016/j.radi.2024.12.018 |
Abstract:
Die Gesichtserkennungstechnologie in der medizinischen Bildgebung, insbesondere bei Kopfscans, stellt aufgrund identifizierbarer Gesichtszüge Datenschutzrisiken dar. Diese Studie wertet den Einsatz von Gesichtserkennungssoftware bei der Identifizierung von Gesichtsmerkmalen aus Kopf-CT-Scans aus und erforscht mit TotalSegmentator eine defacing Pipeline, um die Wiedererkennungsrisiken zu reduzieren und die Datenintegrität für die Forschung zu bewahren. 1404 hochwertige Renderings aus dem UCLH EIT Stroke Datensatz, sowohl mit als auch ohne Rücksicht wurden analysiert. Die Leistungsfähigkeit der von TotalSegmentator erstellten Gesichtsmaske wurde mit einem hochmodernen CT-Vernichtungsalgorithmus verglichen. Gesichtserkennung wurde mit Deep Learning Modellen durchgeführt. Die Kosinusähnlichkeit zwischen Gesichtseinbettungen für intra- und interpatientische Bilder wurde verglichen. Eine Support Vector Maschine wurde auf Cosinus-ähnliche Werte trainiert, um die Abstoßleistung zu bewerten, was bestimmt, ob zwei Renderings von demselben Patienten kamen. Diese Analyse wurde auf defaced und non-defaced Bildern mit 5-facher Quervalidierung durchgeführt. Gesichter wurden in 76,5 % nicht abgegrenzten Bildern nachgewiesen. Intra-Patient-Bilder zeigten eine mediane Kosinus-ähnlichkeit von 0,65 (IQR: 0.47-0.80), verglichen mit 0,50 (IQR: 0.39-0.62) für inter-Patient-Bilder. Ein binärer Klassifikator wurde mäßig auf nicht abgetasteten Bildern durchgeführt, wobei ein ROC-AUC von 0,69 (SD = 0,01) und eine Genauigkeit von 0,65 (SD = 0,01) erreicht wurde, um zu unterscheiden, ob ein Scan derselben oder einer anderen Person gehörte. Nach dem Abklingen ging die Leistung deutlich zurück. Die Defacation mit dem TotalSegmentator verringerte den ROC-AUC auf 0,55 (SD = 0,02) und die Genauigkeit auf 0,56 (SD = 0,01), während der CTA-DEFACE-Algorithmus die Leistung auf eine ROC-AUC von 0,60 (SD = 0,02) und eine Genauigkeit von 0,59 (SD = 0,01) reduzierte. Diese Ergebnisse zeigen die Wirksamkeit der Abgrenzung von Algorithmen bei der Minderung von Re-Identifikationsrisiken, wobei der TotalSegmentator einen leicht überlegenen Datenschutz bietet. Gesichtserkennung Software kann Gesichtsmerkmale aus Teil- und Vollkopf-CT-Scan Renderings identifizieren. Die Verwendung des TotalSegmentators zur Deface-Bilder reduziert jedoch die Neuidentifikationsrisiken auf ein Nah-Chance-Level. Wir bieten Code an, um diese datenschutzrechtliche Pipeline zu implementieren. Durch die Nutzung des TotalSegmentator-Frameworks entfernt die vorgeschlagene Pipeline die Gesichtseigenschaften von CT-Bildern effizient und ist damit ideal für die Mehr-Site-Forschung und den Datenaustausch. Es ist ein nützliches Werkzeug für Radiographen und Radiologen, die medico-legale Anforderungen erfüllen müssen, die die Entfernung von Gesichtsmerkmalen erfordern.
[eng]
A. Hamdan,
Y. El-Amri,
F. Heinrich,
O. A. A. Mohamed,
D. Sepulveda-Falla,
M. Glatzel,
J. Matschke and
S. Krasemann,
"ApoE4 Homozygosity Is Associated With Increased Microglia Activation in Fatal COVID-19",
Neuropathology: Official Journal of the Japanese Society of Neuropathology,
vol. 45,
no. 6,
pp. e70033,
Dez.
2025.
Abstract:
Das Protein Apolipoprotein E4 (APOE4) ist ein bekannter Risikofaktor für Alzheimer und könnte auch den Verlauf von COVID-19 beeinflussen. In dieser Studie wurden Gehirn- und Lungenproben von 38 Menschen untersucht, die an COVID-19 gestorben waren, um den Zusammenhang zwischen APOE4 und Entzündungsreaktionen im Gehirn zu klären. Dabei zeigte sich, dass APOE4-Träger, besonders aus der ersten Infektionswelle, häufiger vorkamen und eine stärkere Aktivierung von Mikroglia (Immunzellen des Gehirns) aufwiesen. Diese verstärkte Entzündung war vor allem im Kleinhirn zu sehen und betraf Männer stärker als Frauen. Zudem hing eine hohe Virusmenge in der Lunge mit einer stärkeren Entzündungsreaktion im Kleinhirn zusammen, weshalb das Kleinhirn bei der Erforschung von Infektionskrankheiten stärker berücksichtigt werden sollte.
| DOI: | 10.1111/neup.70033 |
Abstract:
Das Protein Apolipoprotein E4 (APOE4) ist ein bekannter Risikofaktor für Alzheimer und könnte auch den Verlauf von COVID-19 beeinflussen. In dieser Studie wurden Gehirn- und Lungenproben von 38 Menschen untersucht, die an COVID-19 gestorben waren, um den Zusammenhang zwischen APOE4 und Entzündungsreaktionen im Gehirn zu klären. Dabei zeigte sich, dass APOE4-Träger, besonders aus der ersten Infektionswelle, häufiger vorkamen und eine stärkere Aktivierung von Mikroglia (Immunzellen des Gehirns) aufwiesen. Diese verstärkte Entzündung war vor allem im Kleinhirn zu sehen und betraf Männer stärker als Frauen. Zudem hing eine hohe Virusmenge in der Lunge mit einer stärkeren Entzündungsreaktion im Kleinhirn zusammen, weshalb das Kleinhirn bei der Erforschung von Infektionskrankheiten stärker berücksichtigt werden sollte.
L. C,
K. E,
L. J,
B. D,
F. E,
K. JT and
M. SJ,
"Association of cervical artery stenosis with common cerebral microvascular lesions and coronary artery calcifications.",
Frontiers in neuroimaging,
2025.
Abstract:
Eine Verbindung zwischen zerebralen Weißen Materie Hyperintensitäten und koronaren Arterienerkrankungen ist weit verbreitet. Beide Bedingungen sind bei älteren Menschen häufiger. Während weiße Materie Hyperintensitäten oft mit kleinen Gefäßerkrankungen verbunden sind, ist die Atherosklerose die Hauptursache für koronare Arterienerkrankungen. Wir bewerteten die Inszenierung von CT-Scans des Körpers und die Inszenierung von Hirn-MRIs von Patienten mit neu diagnostiziertem malignem Melanom (ohne Metastasis) zwischen 01/01/2015 und 06/30/2023. Die CT-Scans wurden mit einer veränderten visuellen Gesamtbewertung auf Koronararterieerkrankungen bewertet. Fazekas-Scores wurden verwendet, um die MRT für Veränderungen der weißen Materie zu bewerten. Weitere klinische Daten wurden aus digitalen Patientenaufzeichnungen gewonnen. Wir analysierten Daten von 120 Patienten (57 Weibchen, mittleres Alter 68 Jahre, Standardabweichung 14 Jahre) und fanden eine Korrelation zwischen koronarer Arterienerkrankung und beides Alter (<i>r</i> = 0,48, <i>α</i> = 0,04) und Fazekas-Score (periventricular r = 0.46, subkortical and deep white matter r = 0.55). Ein lineares Modell einschließlich Alter, koronare Arterienerkrankungen, Diabetes und arterielle Hypertonie diente als Prädiktor für die weiße Materieerkrankung und zeigte signifikante Korrelationen. Die Zugabe von (1) Atherosklerose sowie (2) Karotidstenose zum Modell führten zu (1) einer leichten Abnahme der Bedeutung und (2) zur Entformung einer potentiellen spurigen Korrelation mit Karotidstenose. Es gibt eine signifikante Korrelation zwischen Weißstoff-Hyperintensitäten und sowohl karotidierten Stenosen als auch koronaren Arterienerkrankungen. Diese Erkenntnis ist klinisch relevant: Bei Patienten mit weißer Materie sollten Hyperintensitäten und koronarer Arterienerkrankung die Karotidstenose ausgeschlossen werden.
| DOI: | 10.3389/fnimg.2025.1559481 |
Abstract:
Eine Verbindung zwischen zerebralen Weißen Materie Hyperintensitäten und koronaren Arterienerkrankungen ist weit verbreitet. Beide Bedingungen sind bei älteren Menschen häufiger. Während weiße Materie Hyperintensitäten oft mit kleinen Gefäßerkrankungen verbunden sind, ist die Atherosklerose die Hauptursache für koronare Arterienerkrankungen. Wir bewerteten die Inszenierung von CT-Scans des Körpers und die Inszenierung von Hirn-MRIs von Patienten mit neu diagnostiziertem malignem Melanom (ohne Metastasis) zwischen 01/01/2015 und 06/30/2023. Die CT-Scans wurden mit einer veränderten visuellen Gesamtbewertung auf Koronararterieerkrankungen bewertet. Fazekas-Scores wurden verwendet, um die MRT für Veränderungen der weißen Materie zu bewerten. Weitere klinische Daten wurden aus digitalen Patientenaufzeichnungen gewonnen. Wir analysierten Daten von 120 Patienten (57 Weibchen, mittleres Alter 68 Jahre, Standardabweichung 14 Jahre) und fanden eine Korrelation zwischen koronarer Arterienerkrankung und beides Alter (<i>r</i> = 0,48, <i>α</i> = 0,04) und Fazekas-Score (periventricular r = 0.46, subkortical and deep white matter r = 0.55). Ein lineares Modell einschließlich Alter, koronare Arterienerkrankungen, Diabetes und arterielle Hypertonie diente als Prädiktor für die weiße Materieerkrankung und zeigte signifikante Korrelationen. Die Zugabe von (1) Atherosklerose sowie (2) Karotidstenose zum Modell führten zu (1) einer leichten Abnahme der Bedeutung und (2) zur Entformung einer potentiellen spurigen Korrelation mit Karotidstenose. Es gibt eine signifikante Korrelation zwischen Weißstoff-Hyperintensitäten und sowohl karotidierten Stenosen als auch koronaren Arterienerkrankungen. Diese Erkenntnis ist klinisch relevant: Bei Patienten mit weißer Materie sollten Hyperintensitäten und koronarer Arterienerkrankung die Karotidstenose ausgeschlossen werden.
J. Leberzammer,
W. T. Abplanalp,
K. Grikscheit,
E. G. Solomonidis,
S. Glaser,
B. Schuhmacher,
M. Merten,
G. Jeremijev,
A. Wilken-Schmitz,
L. Korth,
D. John,
S. Günther,
C. Kuenne,
M. Looso,
C. Valasarajan,
V. Benes,
F. Jung,
V. Niehaus,
G. Anton,
C. Stellbrink,
C. Römmele,
S. Göpel,
S. S. Pullamsetti,
J. Vehreschild,
M. Vehreschild,
S. Ciesek,
D. M. Leistner,
A. M. Zeiher,
S. Dimmeler and
S. Cremer,
"Atherosclerosis licenses for an exceeding immune response in COVID-19 disease by interferon priming in circulating myeloid cells",
Cardiovascular research,
2025.
Abstract:
AIMS Patients with cardiovascular disease (CVD) have an increased risk of developing severe respiratory infections, including COVID-19. However, the underlying molecular mechanisms are not completely understood. It has been previously shown that cardiovascular disease predisposes to an altered responsiveness to subsequent inflammatory triggers by an imprinted epigenetic memory in innate immune cells. Therefore, we hypothesized that patients with preexisting atherosclerotic cardiovascular disease (ASCVD) and COVID-19 display a dysregulated inflammatory response compared to patients without ASCVD due to epigenetically altered immune cells leading to increased disease severity. METHODS AND RESULTS Single-cell RNA sequencing revealed a dysregulated myeloid immune response with hyperinflammatory and immunosuppressive features in patients with ASCVD and moderate COVID-19. Assay for Transposase-Accessible Chromatin sequencing and in-vitro experiments with isolated monocytes infected with SARS-CoV-2 showed epigenetic priming of monocytes from patients with ASCVD towards increased expression of inflammatory mediators and type I interferon signalling. In a German nationwide cohort (NAPKON), using multiplex cytokine assays, enzyme-linked immunosorbent assays, and bulk-RNA-sequencing, we confirmed that patients with ASCVD display an exaggerated inflammatory response during moderate COVID-19. CONCLUSIONS This study demonstrates that patients with ASCVD show a dysregulated myeloid immune response in moderate COVID-19 disease. Mechanistically, epigenetic imprinting sensitizes myeloid cells of patients with ASCVD to an exaggerated type I interferon-associated immune response. TRANSLATIONAL PERSPECTIVE This study evaluates the underlying molecular mechanisms of worse outcomes of patients with atherosclerotic cardiovascular disease during respiratory infections, specifically COVID-19. Patients with atherosclerotic cardiovascular disease present with a dysregulated hyperinflammatory, type I interferon-driven immune response already during moderate COVID-19. This not only explains a major risk factor for severe COVID-19 but might also enable targeted therapies for this specific risk group.
| DOI: | 10.1093/cvr/cvaf268 |
Abstract:
AIMS Patients with cardiovascular disease (CVD) have an increased risk of developing severe respiratory infections, including COVID-19. However, the underlying molecular mechanisms are not completely understood. It has been previously shown that cardiovascular disease predisposes to an altered responsiveness to subsequent inflammatory triggers by an imprinted epigenetic memory in innate immune cells. Therefore, we hypothesized that patients with preexisting atherosclerotic cardiovascular disease (ASCVD) and COVID-19 display a dysregulated inflammatory response compared to patients without ASCVD due to epigenetically altered immune cells leading to increased disease severity. METHODS AND RESULTS Single-cell RNA sequencing revealed a dysregulated myeloid immune response with hyperinflammatory and immunosuppressive features in patients with ASCVD and moderate COVID-19. Assay for Transposase-Accessible Chromatin sequencing and in-vitro experiments with isolated monocytes infected with SARS-CoV-2 showed epigenetic priming of monocytes from patients with ASCVD towards increased expression of inflammatory mediators and type I interferon signalling. In a German nationwide cohort (NAPKON), using multiplex cytokine assays, enzyme-linked immunosorbent assays, and bulk-RNA-sequencing, we confirmed that patients with ASCVD display an exaggerated inflammatory response during moderate COVID-19. CONCLUSIONS This study demonstrates that patients with ASCVD show a dysregulated myeloid immune response in moderate COVID-19 disease. Mechanistically, epigenetic imprinting sensitizes myeloid cells of patients with ASCVD to an exaggerated type I interferon-associated immune response. TRANSLATIONAL PERSPECTIVE This study evaluates the underlying molecular mechanisms of worse outcomes of patients with atherosclerotic cardiovascular disease during respiratory infections, specifically COVID-19. Patients with atherosclerotic cardiovascular disease present with a dysregulated hyperinflammatory, type I interferon-driven immune response already during moderate COVID-19. This not only explains a major risk factor for severe COVID-19 but might also enable targeted therapies for this specific risk group.
L. NA,
B. T,
O. OJ,
P. F,
S. V,
M. MS,
F. R,
B. C and
S. J,
"Automated quality assurance of imaging dose and protocol adherence in computed tomography radiotherapy planning using TotalSegmentator-based segmentation.",
Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al],
Nov.
2025.
Abstract:
Computed Tomography (CT) Scans sind für die Bestrahlungsplanung unerlässlich und liefern wesentliche Daten für Dosisberechnungen. Diese Studie untersuchte retrospektive Bildgebungsdosen, Scanlängen und Protokollhaftung zur Unterstützung der Bildoptimierung und zur Verringerung der Patientenstrahlung. Aus dem institutionellen Bildarchivierungs- und Kommunikationssystem (PACS) wurden CT-Daten von Patienten, die in der Zeit 04/2021 bis 12/2024 einer externen Strahlentherapie und einer Brachytherapie unterzogen wurden, abgerufen. Imaging-Dosen (volumetrischer CT-Dosenindex [CTDIvol] und Dosislängenprodukt [DLP]) wurden aus Dosisberichten extrahiert. Die Automatisierte Organsegmentierung wurde verwendet, um die Einhaltung der Standard-Betriebsverfahren (SOPs) durch Schätzung anatomischer Scanlängenunterschiede zu beurteilen. Zusätzliche Qualitätssicherung überprüft das geprüfte Protokoll und die Abbildungskonsistenz. Messprotokolle zeigten den höchsten CTDIvol (73 ± 12 mGy), während Kopf- und Halsprotokolle höhere DLP-Werte (3212 ± 757 mGy·cm hatten. Das Lungen 4D-Protokoll zeigte eine höhere effektive Dosis (23 ± 9 mSv) im Vergleich zum Standard Lungenprotokoll. Anatomische Abtastlängenunterschiede wurden an der unteren Grenze im oberen Bauch (120 ± 75 mm) und Wirbelsäule (155 ± 159 mm) beobachtet, was die Möglichkeiten zur Verbesserung des Arbeitsablaufs anzeigt. Die Verbesserung von CT-Workflows für Strahlentherapiepatienten ist wichtig und machbar. Dose- und Scan-Längenanalysen legen nahe, dass die Revision institutioneller SOPs, die Optimierung der Röntgenröhrenmodulation und die Verfeinerung der Scan-Längengrenzen für dieses Ziel berücksichtigt werden sollten.
| DOI: | 10.1007/s00066-025-02494-w |
Abstract:
Computed Tomography (CT) Scans sind für die Bestrahlungsplanung unerlässlich und liefern wesentliche Daten für Dosisberechnungen. Diese Studie untersuchte retrospektive Bildgebungsdosen, Scanlängen und Protokollhaftung zur Unterstützung der Bildoptimierung und zur Verringerung der Patientenstrahlung. Aus dem institutionellen Bildarchivierungs- und Kommunikationssystem (PACS) wurden CT-Daten von Patienten, die in der Zeit 04/2021 bis 12/2024 einer externen Strahlentherapie und einer Brachytherapie unterzogen wurden, abgerufen. Imaging-Dosen (volumetrischer CT-Dosenindex [CTDIvol] und Dosislängenprodukt [DLP]) wurden aus Dosisberichten extrahiert. Die Automatisierte Organsegmentierung wurde verwendet, um die Einhaltung der Standard-Betriebsverfahren (SOPs) durch Schätzung anatomischer Scanlängenunterschiede zu beurteilen. Zusätzliche Qualitätssicherung überprüft das geprüfte Protokoll und die Abbildungskonsistenz. Messprotokolle zeigten den höchsten CTDIvol (73 ± 12 mGy), während Kopf- und Halsprotokolle höhere DLP-Werte (3212 ± 757 mGy·cm hatten. Das Lungen 4D-Protokoll zeigte eine höhere effektive Dosis (23 ± 9 mSv) im Vergleich zum Standard Lungenprotokoll. Anatomische Abtastlängenunterschiede wurden an der unteren Grenze im oberen Bauch (120 ± 75 mm) und Wirbelsäule (155 ± 159 mm) beobachtet, was die Möglichkeiten zur Verbesserung des Arbeitsablaufs anzeigt. Die Verbesserung von CT-Workflows für Strahlentherapiepatienten ist wichtig und machbar. Dose- und Scan-Längenanalysen legen nahe, dass die Revision institutioneller SOPs, die Optimierung der Röntgenröhrenmodulation und die Verfeinerung der Scan-Längengrenzen für dieses Ziel berücksichtigt werden sollten.
G. L,
T. M,
N. S,
K. D,
B. W and
L. JA,
"Automated Scan Region Classification and Patient-specific Dose Modeling for Enhanced Dose Management in Computed Tomography.",
Investigative radiology,
Okt.
2025.
Abstract:
Ein effektives Dosismanagement in der Computertomographie wird durch 2 zentrale operative Herausforderungen behindert: eine fehleranfällige manuelle Protokoll-Mapping und das hohe Volumen an nicht reaktionsfähigen Alarmen aus fester diagnostischen Referenzebene (DRLs). Diese "altere Müdigkeit" schafft ein Risiko, klinisch signifikante Dosisabweichungen zu überblicken. Diese Studie zielte darauf ab, einen neuartigen künstlichen Intelligenz (KI)-gestützten Rahmen zu entwickeln und auszuwerten, um die Scan-Klassifikation zu automatisieren und einen patientenspezifischen Kontext für die Dosisbeurteilung bereitzustellen. Diese retrospektive Studie analysierte 2955 CT-Bestrahlungsereignisse. Es wurde eine Verarbeitungspipeline entwickelt, die zunächst eine automatisierte Körpersegmentierung mit einem tiefen Lernmodell durchführt. Ein zufälliger Waldklassifikator wurde dann auf die resultierenden Organvolumina trainiert, um 15 verschiedene Scanbereiche zu identifizieren. Für 4 gemeinsame Untersuchungstypen wurden lineare Regressionsmodelle ermittelt, um den CT-Dosenindex (CTDIvol) basierend auf der mittleren Querschnittsfläche des Patienten zu prognostizieren. Die Fälle wurden als statistische Ausreißer identifiziert, wenn der absolute standardisierte Rest > 2 war. Die Anzahl dieser Ausreißer wurde mit der Anzahl der üblichen DRL-Überschreitungen verglichen. Der automatisierte Scanbereich Klassifikator erreichte eine hohe Genauigkeit mit einem makrodurchschnittenen F1-Score von 93,8% auf dem Hold-out-Testsatz. Die Regressionsmodelle zeigten eine klare lineare Korrelation zwischen Patientenanatomie und CTDIvol (r = 0,56 bis 0,79). Die patientenspezifischen Modelle identifizierten deutlich weniger Fälle zur Überprüfung (60 statistische Ausreißer) im Vergleich zum Standard DRL-basierten Verfahren (170 Überschreitungen). Die manuelle Analyse bestätigte, dass alle markierten Fälle klinisch gerechtfertigt waren. Unsere Ergebnisse bestätigen, dass ein AI-gestützter, patientenzentrierter Rahmen eine hochwirksame Strategie für das Dosismanagement ist. Durch die Verschiebung des Paradigmas von starren, bevölkerungsbasierten Schwellen auf eine dynamische, patientenspezifische Bewertung, bietet unser Ansatz eine effektivere Methode zur Identifizierung potenzieller Dosisabweichungen und reduziert die Belastung nicht reaktionsfähiger Alarme erheblich. Diese Arbeit zeigt einen Kurs auf einen neuen Standard der Strahlungsdosisüberwachung, das Feld in Richtung einer effizienteren und zuverlässigeren Form der personalisierten Dosisüberwachung voranzutreiben.
| DOI: | 10.1097/RLI.0000000000001247 |
Abstract:
Ein effektives Dosismanagement in der Computertomographie wird durch 2 zentrale operative Herausforderungen behindert: eine fehleranfällige manuelle Protokoll-Mapping und das hohe Volumen an nicht reaktionsfähigen Alarmen aus fester diagnostischen Referenzebene (DRLs). Diese "altere Müdigkeit" schafft ein Risiko, klinisch signifikante Dosisabweichungen zu überblicken. Diese Studie zielte darauf ab, einen neuartigen künstlichen Intelligenz (KI)-gestützten Rahmen zu entwickeln und auszuwerten, um die Scan-Klassifikation zu automatisieren und einen patientenspezifischen Kontext für die Dosisbeurteilung bereitzustellen. Diese retrospektive Studie analysierte 2955 CT-Bestrahlungsereignisse. Es wurde eine Verarbeitungspipeline entwickelt, die zunächst eine automatisierte Körpersegmentierung mit einem tiefen Lernmodell durchführt. Ein zufälliger Waldklassifikator wurde dann auf die resultierenden Organvolumina trainiert, um 15 verschiedene Scanbereiche zu identifizieren. Für 4 gemeinsame Untersuchungstypen wurden lineare Regressionsmodelle ermittelt, um den CT-Dosenindex (CTDIvol) basierend auf der mittleren Querschnittsfläche des Patienten zu prognostizieren. Die Fälle wurden als statistische Ausreißer identifiziert, wenn der absolute standardisierte Rest > 2 war. Die Anzahl dieser Ausreißer wurde mit der Anzahl der üblichen DRL-Überschreitungen verglichen. Der automatisierte Scanbereich Klassifikator erreichte eine hohe Genauigkeit mit einem makrodurchschnittenen F1-Score von 93,8% auf dem Hold-out-Testsatz. Die Regressionsmodelle zeigten eine klare lineare Korrelation zwischen Patientenanatomie und CTDIvol (r = 0,56 bis 0,79). Die patientenspezifischen Modelle identifizierten deutlich weniger Fälle zur Überprüfung (60 statistische Ausreißer) im Vergleich zum Standard DRL-basierten Verfahren (170 Überschreitungen). Die manuelle Analyse bestätigte, dass alle markierten Fälle klinisch gerechtfertigt waren. Unsere Ergebnisse bestätigen, dass ein AI-gestützter, patientenzentrierter Rahmen eine hochwirksame Strategie für das Dosismanagement ist. Durch die Verschiebung des Paradigmas von starren, bevölkerungsbasierten Schwellen auf eine dynamische, patientenspezifische Bewertung, bietet unser Ansatz eine effektivere Methode zur Identifizierung potenzieller Dosisabweichungen und reduziert die Belastung nicht reaktionsfähiger Alarme erheblich. Diese Arbeit zeigt einen Kurs auf einen neuen Standard der Strahlungsdosisüberwachung, das Feld in Richtung einer effizienteren und zuverlässigeren Form der personalisierten Dosisüberwachung voranzutreiben.
S. S,
F. U,
K. J,
R. R,
B. GL,
L. M,
S. IT,
J. H,
M. M,
G. D,
W. B and
P. T,
"Automatic 3D Tracking of Liver Metastases: Follow-Up Assessment of Cancer Patients in Contrast-Enhanced MRI.",
Bioengineering (Basel, Switzerland),
Aug.
2025.
Abstract:
Das differenzierte Wachstum der sekundären Lebermetastasen ist für die frühe Erkennung von Progression wichtig, bleibt aber aufgrund variabler Tumorwachstumsraten herausfordernd. Wir wollten eine genaue, konsequente und effiziente Längsüberwachung automatisieren. Wir entwickelten einen automatischen 3D-Segmentierungs- und Tracking-Algorithmus, um das differentielle Wachstum zu quantifizieren, getestet auf kontrastverstärkten MRI-Follow-ups von Patienten mit neuroendocrine Lebermetastasen (NELMs). Die Ausgabe wurde in ein Entscheidungshilfeinstrument integriert, um zwischen fortschreitender Krankheit, stabiler Krankheit und teilweiser/vollständiger Reaktion zu unterscheiden. Eine Anwenderstudie, die eine Expertengruppe von sieben Expertenradiologen umfasst, hat ihre Auswirkungen bewertet. Gruppenvergleiche nutzten den Friedman-Test mit Post-hoc-Analysen. Unser Algorithmus entdeckte 991 Metastasen bei 30 Patienten: 13% neu, 30% progressiv, 18% stabil und 18% regressiv; der Rest war entweder zu klein, um (15%) zu messen oder mit einer anderen Metastasierung in der Folgebewertung (6%) zusammengeführt. Die Diagnosegenauigkeit verbesserte sich mit zusätzlichen Informationen über die Lebertumorbelastung und das Differenzwachstum, wenn auch nicht signifikant (<i>p</i> = 0,72). Die Diagnosezeit wurde erhöht (>i>p</i> < 0,001). Alle Radiologen fanden die Methode nützlich und drückten den Wunsch aus, sie in bestehende diagnostische Werkzeuge zu integrieren. Wir automatisierten Segmentierung und Quantifizierung einzelner NELMs und ermöglichen eine umfassende Längsanalyse des differentiellen Tumorwachstums mit dem Potenzial, die klinische Entscheidungsfindung zu verbessern.
| DOI: | 10.3390/bioengineering12080874 |
Abstract:
Das differenzierte Wachstum der sekundären Lebermetastasen ist für die frühe Erkennung von Progression wichtig, bleibt aber aufgrund variabler Tumorwachstumsraten herausfordernd. Wir wollten eine genaue, konsequente und effiziente Längsüberwachung automatisieren. Wir entwickelten einen automatischen 3D-Segmentierungs- und Tracking-Algorithmus, um das differentielle Wachstum zu quantifizieren, getestet auf kontrastverstärkten MRI-Follow-ups von Patienten mit neuroendocrine Lebermetastasen (NELMs). Die Ausgabe wurde in ein Entscheidungshilfeinstrument integriert, um zwischen fortschreitender Krankheit, stabiler Krankheit und teilweiser/vollständiger Reaktion zu unterscheiden. Eine Anwenderstudie, die eine Expertengruppe von sieben Expertenradiologen umfasst, hat ihre Auswirkungen bewertet. Gruppenvergleiche nutzten den Friedman-Test mit Post-hoc-Analysen. Unser Algorithmus entdeckte 991 Metastasen bei 30 Patienten: 13% neu, 30% progressiv, 18% stabil und 18% regressiv; der Rest war entweder zu klein, um (15%) zu messen oder mit einer anderen Metastasierung in der Folgebewertung (6%) zusammengeführt. Die Diagnosegenauigkeit verbesserte sich mit zusätzlichen Informationen über die Lebertumorbelastung und das Differenzwachstum, wenn auch nicht signifikant (<i>p</i> = 0,72). Die Diagnosezeit wurde erhöht (>i>p</i> < 0,001). Alle Radiologen fanden die Methode nützlich und drückten den Wunsch aus, sie in bestehende diagnostische Werkzeuge zu integrieren. Wir automatisierten Segmentierung und Quantifizierung einzelner NELMs und ermöglichen eine umfassende Längsanalyse des differentiellen Tumorwachstums mit dem Potenzial, die klinische Entscheidungsfindung zu verbessern.
Z. J,
E. MP,
F. T,
V. PC,
S. G,
E. J,
P. P,
D. S. F. R,
A. F,
H. M,
V. E,
R. J,
R. S,
M. JK,
K. B,
S. G,
K. M,
K. LA,
G. H,
S. H,
S. I,
A. F,
H. D,
E. M,
F. G,
K. D,
B. M,
P. HU and
G. C,
"Bridging Data Silos in Oncology with Modular Software for Federated Analysis on Fast Healthcare Interoperability Resources: Multisite Implementation Study.",
Journal of medical Internet research,
Apr.
2025.
Abstract:
Real-world-Daten (RWD) aus Quellen wie administrativen Ansprüchen, elektronischen Gesundheitsaufzeichnungen und Krebsregistrierungen bieten Einblicke in Patientenpopulationen jenseits der eng regulierten Umgebung von randomisierten kontrollierten Studien. Um dies zu nutzen und die Krebsforschung voranzutreiben, haben 6 Universitätskliniken in Bayern eine gemeinsame Forschungs-IT-Infrastruktur aufgebaut. Diese Studie zielte darauf ab, das Design, die Implementierung und den Einsatz einer modularen Datentransformationspipeline zu skizzieren, die die onkologische RWD in ein Health Level 7 (HL7) Fast Healthcare Interoperability Resources (FHIR)-Format verwandelt und dann in ein tabellarisches Format in Vorbereitung auf eine föderierte Analyse (FA) in den 6 bayerischen Krebsforschungszentrum Universitätskliniken. Um RWD effektiv zu nutzen, haben wir eine Pipeline entwickelt, um den onkologischen Basisdatensatz (oBDS) in HL7 FHIR Format umzuwandeln und auf FA vorzubereiten. Die Pipeline behandelt vielfältige IT-Infrastrukturen und -Systeme, wobei die Daten für die Analyse dezentralisiert bleiben. Um die Funktionalität und Gültigkeit unserer Umsetzung zu bewerten, haben wir eine Kohorte festgelegt, um zwei spezifische medizinische Forschungsfragen zu behandeln. Wir haben unsere Ergebnisse ausgewertet, indem wir die Ergebnisse der FA mit Berichten aus dem Bayerischen Krebsregister und den Originaldaten aus lokalen Tumordokumentationssystemen vergleichen. Wir führten eine FA von 17,885 Krebsfällen ab 2021/2022 durch. Brustkrebs war die häufigste Diagnose an 3 Standorten, Prostatakrebs in den Top 2 an 4 Standorten, und malignes Melanom war besonders verbreitet. Geschlechtsspezifische Trends zeigten Larynx- und Esophaguskrebse waren bei Männern häufiger, während Brust- und Schilddrüsenkrebs bei Frauen häufiger war. Diskrepanzen zwischen dem Bayerischen Krebsregister und unseren Daten, wie höhere Rate von malignem Melanom (3400/63,771, 5,3% vs 1921/17,885, 10,7%) und niedrigere Darstellung von Dickdarmkrebs (8100/63,771, 12,7% vs 1187/17,885, 6,6%) wahrscheinlich aus Differenzen in den untersuchten Zeiträumen (2019 vs 2021/2022) und dem Umfang der Daten resultieren. Das Bayerische Krebsregister berichtet ungefähr 3 mal mehr Krebsfälle als allein die 6 Universitätskliniken. Die modulare Pipeline hat die onkologische RWD in 6 Krankenhäusern erfolgreich transformiert, und der föderierte Ansatz bewahrte die Privatsphäre und ermöglicht eine umfassende Analyse. Zukünftige Arbeiten werden die Unterstützung neuer oBDS-Versionen hinzufügen, Datenqualitätsprüfungen automatisieren und zusätzliche klinische Daten integrieren. Unsere Ergebnisse unterstreichen das Potenzial von federgeführten Gesundheitsdatennetzwerken und legen den Grundstein für die zukünftige Forschung, die hochwertige RWD nutzen kann, um wertvolle Kenntnisse auf dem Gebiet der Krebsforschung beizutragen.
| DOI: | 10.2196/65681 |
Abstract:
Real-world-Daten (RWD) aus Quellen wie administrativen Ansprüchen, elektronischen Gesundheitsaufzeichnungen und Krebsregistrierungen bieten Einblicke in Patientenpopulationen jenseits der eng regulierten Umgebung von randomisierten kontrollierten Studien. Um dies zu nutzen und die Krebsforschung voranzutreiben, haben 6 Universitätskliniken in Bayern eine gemeinsame Forschungs-IT-Infrastruktur aufgebaut. Diese Studie zielte darauf ab, das Design, die Implementierung und den Einsatz einer modularen Datentransformationspipeline zu skizzieren, die die onkologische RWD in ein Health Level 7 (HL7) Fast Healthcare Interoperability Resources (FHIR)-Format verwandelt und dann in ein tabellarisches Format in Vorbereitung auf eine föderierte Analyse (FA) in den 6 bayerischen Krebsforschungszentrum Universitätskliniken. Um RWD effektiv zu nutzen, haben wir eine Pipeline entwickelt, um den onkologischen Basisdatensatz (oBDS) in HL7 FHIR Format umzuwandeln und auf FA vorzubereiten. Die Pipeline behandelt vielfältige IT-Infrastrukturen und -Systeme, wobei die Daten für die Analyse dezentralisiert bleiben. Um die Funktionalität und Gültigkeit unserer Umsetzung zu bewerten, haben wir eine Kohorte festgelegt, um zwei spezifische medizinische Forschungsfragen zu behandeln. Wir haben unsere Ergebnisse ausgewertet, indem wir die Ergebnisse der FA mit Berichten aus dem Bayerischen Krebsregister und den Originaldaten aus lokalen Tumordokumentationssystemen vergleichen. Wir führten eine FA von 17,885 Krebsfällen ab 2021/2022 durch. Brustkrebs war die häufigste Diagnose an 3 Standorten, Prostatakrebs in den Top 2 an 4 Standorten, und malignes Melanom war besonders verbreitet. Geschlechtsspezifische Trends zeigten Larynx- und Esophaguskrebse waren bei Männern häufiger, während Brust- und Schilddrüsenkrebs bei Frauen häufiger war. Diskrepanzen zwischen dem Bayerischen Krebsregister und unseren Daten, wie höhere Rate von malignem Melanom (3400/63,771, 5,3% vs 1921/17,885, 10,7%) und niedrigere Darstellung von Dickdarmkrebs (8100/63,771, 12,7% vs 1187/17,885, 6,6%) wahrscheinlich aus Differenzen in den untersuchten Zeiträumen (2019 vs 2021/2022) und dem Umfang der Daten resultieren. Das Bayerische Krebsregister berichtet ungefähr 3 mal mehr Krebsfälle als allein die 6 Universitätskliniken. Die modulare Pipeline hat die onkologische RWD in 6 Krankenhäusern erfolgreich transformiert, und der föderierte Ansatz bewahrte die Privatsphäre und ermöglicht eine umfassende Analyse. Zukünftige Arbeiten werden die Unterstützung neuer oBDS-Versionen hinzufügen, Datenqualitätsprüfungen automatisieren und zusätzliche klinische Daten integrieren. Unsere Ergebnisse unterstreichen das Potenzial von federgeführten Gesundheitsdatennetzwerken und legen den Grundstein für die zukünftige Forschung, die hochwertige RWD nutzen kann, um wertvolle Kenntnisse auf dem Gebiet der Krebsforschung beizutragen.
M. N,
P. B,
K. J,
F. E,
L. G,
A. V and
E. J,
"Comparative Analysis of nnUNet and MedNeXt for Head and Neck Tumor Segmentation in MRI-Guided Radiotherapy.",
Head and Neck Tumor Segmentation for MR-Guided Applications : First MICCAI Challenge, HNTS-MRG 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 17, 2024, proceedings,
2025.
Abstract:
Die Strahlentherapie (RT) ist bei der Behandlung von Kopf- und Halskrebs (HNC) von wesentlicher Bedeutung, wobei die Magnetresonanztomographie (MRI)-geführte RT einen überlegenen Weichgewebekontrast und eine funktionelle Abbildung bietet. Die manuelle Tumorsegmentierung ist jedoch zeitaufwendig und komplex und bleibt daher eine Herausforderung. In dieser Studie stellen wir unsere Lösung als Team TUMOR der HNTS-MRG24 MICCAI Challenge vor, die sich auf die automatisierte Segmentierung von primären Bruttotumorvolumina (GTVp) und metastasierenden Lymphknoten Bruttotumorvolumen (GTVn) in Vor-RT- und Mid-RT-Bildern konzentriert. Wir nutzten den HNTS-MRG2024 Datensatz, der aus 150 MRI-Scans von Patienten besteht, die mit HNC diagnostiziert werden, einschließlich Original- und registrierte Pre-RT- und Mid-RT-T2-gewichtete Bilder mit entsprechenden Segmentierungsmasken für GTVp und GTVn. Wir beschäftigten zwei hochmoderne Modelle in Deep Learning, nnUNet und MedNeXt. Für Task 1 haben wir Modelle auf vor-RT registrierten und mittleren-RT-Bildern vortrainiert, gefolgt von Feinabstimmung auf originalen Vor-RT-Bildern. Für Task 2 haben wir registrierte Pre-RT-Bilder, registrierte Pre-RT-Segmentationsmasken und Mid-RT-Daten als Multi-Channel-Eingabe für das Training zusammengefasst. Unsere Lösung für <b>Task 1</b> erreichte 1. Platz in der endgültigen Testphase mit einem aggregierten Dice Ähnlichity Coeffizient von <b>0.8254</b> und unserer Lösung für <b>Task 2</b> auf Platz 8 mit einem Score von <b>0.7005</b>. Die vorgeschlagene Lösung ist im Github Repository öffentlich verfügbar.
| DOI: | 10.1007/978-3-031-83274-1_10 |
Abstract:
Die Strahlentherapie (RT) ist bei der Behandlung von Kopf- und Halskrebs (HNC) von wesentlicher Bedeutung, wobei die Magnetresonanztomographie (MRI)-geführte RT einen überlegenen Weichgewebekontrast und eine funktionelle Abbildung bietet. Die manuelle Tumorsegmentierung ist jedoch zeitaufwendig und komplex und bleibt daher eine Herausforderung. In dieser Studie stellen wir unsere Lösung als Team TUMOR der HNTS-MRG24 MICCAI Challenge vor, die sich auf die automatisierte Segmentierung von primären Bruttotumorvolumina (GTVp) und metastasierenden Lymphknoten Bruttotumorvolumen (GTVn) in Vor-RT- und Mid-RT-Bildern konzentriert. Wir nutzten den HNTS-MRG2024 Datensatz, der aus 150 MRI-Scans von Patienten besteht, die mit HNC diagnostiziert werden, einschließlich Original- und registrierte Pre-RT- und Mid-RT-T2-gewichtete Bilder mit entsprechenden Segmentierungsmasken für GTVp und GTVn. Wir beschäftigten zwei hochmoderne Modelle in Deep Learning, nnUNet und MedNeXt. Für Task 1 haben wir Modelle auf vor-RT registrierten und mittleren-RT-Bildern vortrainiert, gefolgt von Feinabstimmung auf originalen Vor-RT-Bildern. Für Task 2 haben wir registrierte Pre-RT-Bilder, registrierte Pre-RT-Segmentationsmasken und Mid-RT-Daten als Multi-Channel-Eingabe für das Training zusammengefasst. Unsere Lösung für <b>Task 1</b> erreichte 1. Platz in der endgültigen Testphase mit einem aggregierten Dice Ähnlichity Coeffizient von <b>0.8254</b> und unserer Lösung für <b>Task 2</b> auf Platz 8 mit einem Score von <b>0.7005</b>. Die vorgeschlagene Lösung ist im Github Repository öffentlich verfügbar.
L. M,
R. R,
S. S,
B. GL,
S. I,
E. S,
H. CA and
P. T,
"Comparing large language models and text embedding models for automated classification of textual, semantic, and critical changes in radiology reports.",
European journal of radiology,
Okt.
2025.
Abstract:
Radiologie-Berichte können sich während des Workflows ändern, vor allem, wenn die Bewohner vorläufige Versionen erstellen, die die Ärzte abschließend behandeln. Wir untersuchten, wie große Sprachmodelle (LLMs) und Einbettungstechniken diese Veränderungen in textuellen, semantischen oder klinisch handlungsfähigen Typen kategorisieren können. Wir haben 400 adulte CT-Berichte ausgewertet, die von Bewohnern gegen abgeschlossene Versionen von Ärzten erstellt wurden. Änderungen wurden in einer fünf-Punkt-Skala von keiner Veränderung zu kritischen bewertet. Wir untersuchten Open-Source-LLMs neben traditionellen Metriken wie normalisierte Wortunterschiede, Levenshtein und Jaccard Ähnlichkeit und Texteinbettung Ähnlichkeit. Die Modellleistung wurde mit quadratisch gewichteten Cohen's kappa (κ), (balanced) Genauigkeit, F<sub>1</sub>, Präzision und Rückruf bewertet. Die Inter-Rater-Verlässlichkeit bei den Evaluatoren war ausgezeichnet (κ = 0.990). Von den analysierten Berichten enthielten 1,3 % kritische Veränderungen. Die getesteten Verfahren zeigten signifikante Leistungsunterschiede (P < 0,001). Das Qwen3-235B-A22B-Modell mit einer Null-Schuss-Prompt, die am besten mit menschlichen Einschätzungen von Veränderungen in klinischen Berichten fluchtet und einen κ von 0,822 (SD 0.031) erreicht. Die beste konventionelle Metrik, Wortdifferenz, hatte einen κ von 0,732 (SD 0,048), die Differenz zwischen den beiden zeigte statistische Bedeutung bei unjustierten Post-hoc-Tests (P = 0,038), aber verlorene Bedeutung nach Einstellung für Mehrfachtests (P = 0,064). Einbettungsmodelle im Vergleich zu LLMs und klassischen Methoden, die in den meisten Fällen statistische Bedeutung zeigen. Große Sprachmodelle wie Qwen3-235B-A22B zeigten eine moderate bis starke Ausrichtung mit Expertenauswertungen der klinischen Bedeutung von Veränderungen in Radiologieberichten. LLMs vertiefte Einbettungsmethoden und traditionelle String- und Wortansätze, wobei in den meisten Fällen statistische Bedeutung zukommt. Dies zeigt ihr Potenzial als Werkzeuge zur Unterstützung der Peer Review.
| DOI: | 10.1016/j.ejrad.2025.112316 |
Abstract:
Radiologie-Berichte können sich während des Workflows ändern, vor allem, wenn die Bewohner vorläufige Versionen erstellen, die die Ärzte abschließend behandeln. Wir untersuchten, wie große Sprachmodelle (LLMs) und Einbettungstechniken diese Veränderungen in textuellen, semantischen oder klinisch handlungsfähigen Typen kategorisieren können. Wir haben 400 adulte CT-Berichte ausgewertet, die von Bewohnern gegen abgeschlossene Versionen von Ärzten erstellt wurden. Änderungen wurden in einer fünf-Punkt-Skala von keiner Veränderung zu kritischen bewertet. Wir untersuchten Open-Source-LLMs neben traditionellen Metriken wie normalisierte Wortunterschiede, Levenshtein und Jaccard Ähnlichkeit und Texteinbettung Ähnlichkeit. Die Modellleistung wurde mit quadratisch gewichteten Cohen's kappa (κ), (balanced) Genauigkeit, F<sub>1</sub>, Präzision und Rückruf bewertet. Die Inter-Rater-Verlässlichkeit bei den Evaluatoren war ausgezeichnet (κ = 0.990). Von den analysierten Berichten enthielten 1,3 % kritische Veränderungen. Die getesteten Verfahren zeigten signifikante Leistungsunterschiede (P < 0,001). Das Qwen3-235B-A22B-Modell mit einer Null-Schuss-Prompt, die am besten mit menschlichen Einschätzungen von Veränderungen in klinischen Berichten fluchtet und einen κ von 0,822 (SD 0.031) erreicht. Die beste konventionelle Metrik, Wortdifferenz, hatte einen κ von 0,732 (SD 0,048), die Differenz zwischen den beiden zeigte statistische Bedeutung bei unjustierten Post-hoc-Tests (P = 0,038), aber verlorene Bedeutung nach Einstellung für Mehrfachtests (P = 0,064). Einbettungsmodelle im Vergleich zu LLMs und klassischen Methoden, die in den meisten Fällen statistische Bedeutung zeigen. Große Sprachmodelle wie Qwen3-235B-A22B zeigten eine moderate bis starke Ausrichtung mit Expertenauswertungen der klinischen Bedeutung von Veränderungen in Radiologieberichten. LLMs vertiefte Einbettungsmethoden und traditionelle String- und Wortansätze, wobei in den meisten Fällen statistische Bedeutung zukommt. Dies zeigt ihr Potenzial als Werkzeuge zur Unterstützung der Peer Review.
S. R,
R. C,
X. H,
H. Y,
Y. EY,
H. L,
S. O,
L. Y,
N. L,
H. F,
R. R,
A. SA,
H. CA,
P. T,
G. B and
S. LJ,
"Comparing the Prognostic Value of Quantitative Response Assessment Tools and LIRADS Treatment Response Algorithm in Patients with Hepatocellular Carcinoma Following Interstitial High-Dose-Rate Brachytherapy and Conventional Transarterial Chemoembolization.",
Cancers,
Apr.
2025.
Abstract:
<b>Background/Objectives:</b> Ziel dieser Studie war es, den prognostischen Wert der etablierten Antwortbewertungstools für hepatozelluläres Karzinom (HCC) zu untersuchen, das mit einer hoch dosierten interstitiellen Brachytherapie (iBT) allein oder mit transarterialer Chemoembolisierung (cTACE) behandelt wird. <b>Methoden: </b> (Non-)Referenten wurden unter Verwendung von größenbasierten RECIST 1.1 und WHO-Kriterien, Enhance-basierten MRECIST- und EASL-Kriterien und dem LI-RADS-Behandlungsreaktionsalgorithm (LR-TRA)Kategorisiert. Die Ergebnisse waren das Gesamtüberleben (OS), das progressionsfreie Überleben (PFS) und die Zeit zur Progression (TTP). Die verwendeten Statistiken enthielten Fisher's genaue Test, ein <i>t</i>-Test, den Mann-Whitney-U Test und eine Kaplan-Meier-Analyse. Die Median OS, PFS und TTP waren bei Patienten nach iBT (26.3, 9.1 und 13.0 Monaten) höher als nach cTACE/iBT (23.3, 7.6 und 9.2 Monaten). <b>Ergebnisse:</b> Die Enhance-basierten Kriterien identifizierten mehr Beantworter und prognostizierten PFS und TTP besser im Vergleich zu den größenbasierten Kriterien. In zwei Monaten zeigten die cTACE/iBT-Ansprecher eine verbesserte PFS (mRECIST und EASL: 11.3 vs. 2.3 und 11.0 vs. 2.3, <i>p</i> < 0.01) und TTP (mRECIST und EASL: 11.9 vs. 2.4 Monate, <i>p>/i> 0.01) durch die verbesserungsbasierten Kriterien. Eine EASL-Bewertung in fünf Monaten prognostizierte ein verbessertes Überleben sowohl nach cTACE/iBT (PFS: 11,9 vs. 5.1 Monate, <i>p</i> = 0,03; TTP: 12,4 vs. 5.0, <i>p</i> < 0.01) als auch nach iBT (11.1 vs. 5.1 Monate, <i>p>/i> = 0,04; 13,0 vs. Das LR-TRA zeigte für cTACE/iBT-Ansprecher fünf Monate OS-Leistungen. Größenbasierte Kriterien waren nicht prognostisch. <b>Ausschlüsse:</b> Die Verlängerung der Nachverfolgung nach dem iBT oder nach dem iBT/cTACE kann die Schichtung und Prognose der Befragten verbessern.
| DOI: | 10.3390/cancers17081275 |
Abstract:
<b>Background/Objectives:</b> Ziel dieser Studie war es, den prognostischen Wert der etablierten Antwortbewertungstools für hepatozelluläres Karzinom (HCC) zu untersuchen, das mit einer hoch dosierten interstitiellen Brachytherapie (iBT) allein oder mit transarterialer Chemoembolisierung (cTACE) behandelt wird. <b>Methoden: </b> (Non-)Referenten wurden unter Verwendung von größenbasierten RECIST 1.1 und WHO-Kriterien, Enhance-basierten MRECIST- und EASL-Kriterien und dem LI-RADS-Behandlungsreaktionsalgorithm (LR-TRA)Kategorisiert. Die Ergebnisse waren das Gesamtüberleben (OS), das progressionsfreie Überleben (PFS) und die Zeit zur Progression (TTP). Die verwendeten Statistiken enthielten Fisher's genaue Test, ein <i>t</i>-Test, den Mann-Whitney-U Test und eine Kaplan-Meier-Analyse. Die Median OS, PFS und TTP waren bei Patienten nach iBT (26.3, 9.1 und 13.0 Monaten) höher als nach cTACE/iBT (23.3, 7.6 und 9.2 Monaten). <b>Ergebnisse:</b> Die Enhance-basierten Kriterien identifizierten mehr Beantworter und prognostizierten PFS und TTP besser im Vergleich zu den größenbasierten Kriterien. In zwei Monaten zeigten die cTACE/iBT-Ansprecher eine verbesserte PFS (mRECIST und EASL: 11.3 vs. 2.3 und 11.0 vs. 2.3, <i>p</i> < 0.01) und TTP (mRECIST und EASL: 11.9 vs. 2.4 Monate, <i>p>/i> 0.01) durch die verbesserungsbasierten Kriterien. Eine EASL-Bewertung in fünf Monaten prognostizierte ein verbessertes Überleben sowohl nach cTACE/iBT (PFS: 11,9 vs. 5.1 Monate, <i>p</i> = 0,03; TTP: 12,4 vs. 5.0, <i>p</i> < 0.01) als auch nach iBT (11.1 vs. 5.1 Monate, <i>p>/i> = 0,04; 13,0 vs. Das LR-TRA zeigte für cTACE/iBT-Ansprecher fünf Monate OS-Leistungen. Größenbasierte Kriterien waren nicht prognostisch. <b>Ausschlüsse:</b> Die Verlängerung der Nachverfolgung nach dem iBT oder nach dem iBT/cTACE kann die Schichtung und Prognose der Befragten verbessern.
E. S,
L. B,
L. JA,
N. J and
P. T,
"Comparison of Multiple State-of-the-Art Large Language Models for Patient Education Prior to CT and MRI Examinations.",
Journal of personalized medicine,
Jun.
2025.
Abstract:
<b>Background/Objectives</b>: Diese Studie vergleicht die Genauigkeit der Antworten von hochmodernen Großsprachenmodellen (LLMs) auf Patientenfragen vor der CT- und MRT-Bildgebung. Wir wollen das Potenzial von LLMs bei der Verbesserung der Workflow-Effizienz demonstrieren und gleichzeitig Risiken wie Fehlinformationen hervorheben. <b>Methods>/b>: Es gab 57 CT-bezogene und 64 MRT-bezogene Patientenfragen an ChatGPT-4o, Claude 3.5 Sonnet, Google Gemini und Mistral Large 2. Jede Antwort wurde von zwei brettzertifizierten Radiologen bewertet und mit einer 5-Punkt-Skala für Genauigkeit/Korrektheit/Gewohnheit bewertet. Statistiken verglichen LLM-Leistungen in Fragekategorien. <b>Results</b>: ChatGPT-4o erreichte die höchsten durchschnittlichen Punkte für CT-bezogene Fragen und bindet mit Claude 3.5 Sonnet für MRT-bezogene Fragen, mit höheren Punkten über alle Modelle für MRT (ChatGPT-4o: CT [4.52 (± 0.46)], MRT: [4.79 (± 0.37)]; Google Gemini: CT [4.44] Mindestens eine Antwort pro LLM wurde als ungenau bewertet, wobei Google Gemini am häufigsten potenziell irreführend beantwortet (in 5,26% für CT und 2,34% für MRT). Mistral Large 2 wurde von ChatGPT-4o für alle CT-bezogenen Fragen (<i>p>/i> < 0.001) und von ChatGPT-4o (<i>p</i> = 0.003), Google Gemini (<i>p>/i> = 0.022) und Claude 3.5 Sonnet (<i>p>/i> = 0.004) für alle CT Contrast Medieninformationsfragen überholt. <b>Ausschlüsse </b>: Obwohl alle LLMs insgesamt gut durchgeführt und großes Potenzial für die Patientenerziehung zeigte, zeigte jedes Modell gelegentlich potenziell irreführende Informationen, was das klinische Anwendungsrisiko hervorhebt.
| DOI: | 10.3390/jpm15060235 |
Abstract:
<b>Background/Objectives</b>: Diese Studie vergleicht die Genauigkeit der Antworten von hochmodernen Großsprachenmodellen (LLMs) auf Patientenfragen vor der CT- und MRT-Bildgebung. Wir wollen das Potenzial von LLMs bei der Verbesserung der Workflow-Effizienz demonstrieren und gleichzeitig Risiken wie Fehlinformationen hervorheben. <b>Methods>/b>: Es gab 57 CT-bezogene und 64 MRT-bezogene Patientenfragen an ChatGPT-4o, Claude 3.5 Sonnet, Google Gemini und Mistral Large 2. Jede Antwort wurde von zwei brettzertifizierten Radiologen bewertet und mit einer 5-Punkt-Skala für Genauigkeit/Korrektheit/Gewohnheit bewertet. Statistiken verglichen LLM-Leistungen in Fragekategorien. <b>Results</b>: ChatGPT-4o erreichte die höchsten durchschnittlichen Punkte für CT-bezogene Fragen und bindet mit Claude 3.5 Sonnet für MRT-bezogene Fragen, mit höheren Punkten über alle Modelle für MRT (ChatGPT-4o: CT [4.52 (± 0.46)], MRT: [4.79 (± 0.37)]; Google Gemini: CT [4.44] Mindestens eine Antwort pro LLM wurde als ungenau bewertet, wobei Google Gemini am häufigsten potenziell irreführend beantwortet (in 5,26% für CT und 2,34% für MRT). Mistral Large 2 wurde von ChatGPT-4o für alle CT-bezogenen Fragen (<i>p>/i> < 0.001) und von ChatGPT-4o (<i>p</i> = 0.003), Google Gemini (<i>p>/i> = 0.022) und Claude 3.5 Sonnet (<i>p>/i> = 0.004) für alle CT Contrast Medieninformationsfragen überholt. <b>Ausschlüsse </b>: Obwohl alle LLMs insgesamt gut durchgeführt und großes Potenzial für die Patientenerziehung zeigte, zeigte jedes Modell gelegentlich potenziell irreführende Informationen, was das klinische Anwendungsrisiko hervorhebt.
G. M,
Z. S,
R. S,
T. Y,
G. FT,
M. AW,
R. P,
B. J,
M. M,
R. D,
L. F,
B. E and
B. R,
"CT-Derived Quantitative Image Features Predict Neoadjuvant Treatment Response in Adenocarcinoma of the Gastroesophageal Junction with High Accuracy.",
Cancers,
Jan.
2025.
Abstract:
Ziel dieser retrospektiven Studie war es, den Wert der kontrastverstärkten berechneten Tomographie (CE-CT) Bildmerkmale an der Basislinie und nach der neoadjuvanten Chemotherapie bei der Vorhersage histopathologischer Reaktionen bei Patienten mit Adenokarzinom der gastroesophagealen Verbindung (GEJ) zu bewerten. Insgesamt 105 Patienten mit einer Diagnose des Adenokarzinoms des GEJ wurden von CE-CT an der Basislinie untersucht und nach der Neoadjuvant Chemotherapie präoperativen. Alle Patienten unterzogen chirurgische Resektion. Histopathologische Parameter und Tumorregressionsstufen nach Becker et al. wurden bei 93 Patienten gesammelt. Mit ImageJ wurden Linienprofile der primären Tumorfläche in Basis- und präoperativen CE-CT generiert. Maximale Tumordichte und Tumor-zu-Wanddichte Delta wurden berechnet und mit der histopathologischen Tumorantwort korreliert. Darüber hinaus wurde die Tumorantwort nach Standard-RECIST-Messungen bei allen Patienten und durch Endoskopie bei 72 Patienten bewertet. Die Baseline und die Änderung der Basislinie auf präoperative CE-CT-Parameter zeigten keine signifikanten Unterschiede zwischen den Befragten (Becker-Grade 1a, 1b) und Nicht-Antragern (Becker-Grade 2, 3). Nach der Neoadjuvant-Therapie zeigten die Befragten und Nicht-Antrager signifikante Unterschiede in der maximalen Dichte und der Tumor-zu-Wanddichte Delta-Werte. Linienprofilmessungen zeigten eine ausgezeichnete Inter-Rater-Vereinbarung. Im Vergleich dazu zeigten weder RECIST noch Endoskopie signifikante Unterschiede zwischen diesen Gruppen. Nachbehandlung CE-CT kann histopathologische Therapiereaktion auf Neoadjuvantbehandlung im Adenokarzinom von GEJ-Patienten mit hoher Genauigkeit vorhersagen und so das Patientenmanagement verbessern.
| DOI: | 10.3390/cancers17020216 |
Abstract:
Ziel dieser retrospektiven Studie war es, den Wert der kontrastverstärkten berechneten Tomographie (CE-CT) Bildmerkmale an der Basislinie und nach der neoadjuvanten Chemotherapie bei der Vorhersage histopathologischer Reaktionen bei Patienten mit Adenokarzinom der gastroesophagealen Verbindung (GEJ) zu bewerten. Insgesamt 105 Patienten mit einer Diagnose des Adenokarzinoms des GEJ wurden von CE-CT an der Basislinie untersucht und nach der Neoadjuvant Chemotherapie präoperativen. Alle Patienten unterzogen chirurgische Resektion. Histopathologische Parameter und Tumorregressionsstufen nach Becker et al. wurden bei 93 Patienten gesammelt. Mit ImageJ wurden Linienprofile der primären Tumorfläche in Basis- und präoperativen CE-CT generiert. Maximale Tumordichte und Tumor-zu-Wanddichte Delta wurden berechnet und mit der histopathologischen Tumorantwort korreliert. Darüber hinaus wurde die Tumorantwort nach Standard-RECIST-Messungen bei allen Patienten und durch Endoskopie bei 72 Patienten bewertet. Die Baseline und die Änderung der Basislinie auf präoperative CE-CT-Parameter zeigten keine signifikanten Unterschiede zwischen den Befragten (Becker-Grade 1a, 1b) und Nicht-Antragern (Becker-Grade 2, 3). Nach der Neoadjuvant-Therapie zeigten die Befragten und Nicht-Antrager signifikante Unterschiede in der maximalen Dichte und der Tumor-zu-Wanddichte Delta-Werte. Linienprofilmessungen zeigten eine ausgezeichnete Inter-Rater-Vereinbarung. Im Vergleich dazu zeigten weder RECIST noch Endoskopie signifikante Unterschiede zwischen diesen Gruppen. Nachbehandlung CE-CT kann histopathologische Therapiereaktion auf Neoadjuvantbehandlung im Adenokarzinom von GEJ-Patienten mit hoher Genauigkeit vorhersagen und so das Patientenmanagement verbessern.
[de]
K. Allgoewer,
S. Windeck,
C. Stark,
A. K. Kuderna,
S. Stillfried,
F. Fend,
J. Pablik,
B. Märkl,
T. Schaller,
H. Radbruch,
P. Boor and
B. Ondruschka,
"Das Nationale Obduktionsnetzwerk nach der COVID-19-Pandemie",
Rechtsmedizin,
Aug.
2025.
Abstract:
Obduktionen spielen eine zentrale Rolle in der Aufklärung von Todesursachen, der Qualitätssicherung in der Medizin und der biomedizinischen Forschung. Während der COVID-19-Pandemie rückte ihr wissenschaftlicher Wert erneut in den Fokus. In diesem Kontext entstand das Nationale Obduktionsnetzwerk (NATON) als interdisziplinäre Plattform für krankheitsbezogene postmortale Forschung. Das Obduktionsnetzwerk umfasst aktuell Institute von über 90 % der deutschen Universitätsklinika und vereint Rechtsmedizin, Pathologie und Neuropathologie in einem einzigartigen Verbund. 2780 vollständige Obduktionsdatensätze und Informationen zu mehr als 67.000 postmortalen Gewebeproben wurden zentral erfasst. Neue krankheitsspezifische Registermodule – etwa zu weiteren Infektionskrankheiten, Arzneimittelerkrankungen, Tumorerkrankungen, intensivmedizinischen Verläufen und plötzlichem Herztod – sollen das Spektrum der Forschung erweitern. Die Rechtsmedizin trägt mit hoher Obduktionsfrequenz und spezifischer Fachexpertise entscheidend zur Weiterentwicklung des Netzwerks bei.
| DOI: | 10.1007/s00194-025-00784-2 |
| Datei: | https://doi.org/10.1007/s00194-025-00784-2 |
Abstract:
Obduktionen spielen eine zentrale Rolle in der Aufklärung von Todesursachen, der Qualitätssicherung in der Medizin und der biomedizinischen Forschung. Während der COVID-19-Pandemie rückte ihr wissenschaftlicher Wert erneut in den Fokus. In diesem Kontext entstand das Nationale Obduktionsnetzwerk (NATON) als interdisziplinäre Plattform für krankheitsbezogene postmortale Forschung. Das Obduktionsnetzwerk umfasst aktuell Institute von über 90 % der deutschen Universitätsklinika und vereint Rechtsmedizin, Pathologie und Neuropathologie in einem einzigartigen Verbund. 2780 vollständige Obduktionsdatensätze und Informationen zu mehr als 67.000 postmortalen Gewebeproben wurden zentral erfasst. Neue krankheitsspezifische Registermodule – etwa zu weiteren Infektionskrankheiten, Arzneimittelerkrankungen, Tumorerkrankungen, intensivmedizinischen Verläufen und plötzlichem Herztod – sollen das Spektrum der Forschung erweitern. Die Rechtsmedizin trägt mit hoher Obduktionsfrequenz und spezifischer Fachexpertise entscheidend zur Weiterentwicklung des Netzwerks bei.
J. Schmitt,
P. Ihle,
O. Schoffer,
J. Reese,
S. Ortmann,
E. Swart,
S. Hanß,
F. Hoffmann,
C. Stallmann,
M. Kraus,
S. C. Semler,
R. Heyder,
J. J. Vehreschild,
P. Heuschmann,
D. Krefting,
M. Sedlmayr and
W. Hoffmann,
"Datennutzung für eine bessere Gesundheitsversorgung—Plädoyer für eine kooperative Forschungsdatenplattform der gesetzlichen und privaten Krankenversicherung und dem Netzwerk Universitätsmedizin (NUM)",
Gesundheitswesen (Bundesverband der Arzte des Offentlichen Gesundheitsdienstes (Germany)),
vol. 87,
no. S 02,
pp. S279-S288,
2025.
Abstract:
With the Network of University Medicine (NUM) and the Medical Informatics Initiative (MII), the BMBF is funding two pioneering, structure-building research measures that are now being merged. The data integration centers (DIZ) of the MII are to be consolidated in the NUM. The aim is to establish a standardized research infrastructure within which the existing data from the clinical routine care of the 36 German university hospitals, from clinical cohorts and clinical-epidemiological studies can be used for various research questions upon request and via coordinated processes. The legal basis for this was the MII's \textquotedblInformed Broad Consent\textquotedbl, which had been agreed upon with ethics committees and data protection authorities and implemented in all NUM locations, with a so-called \textquotedblhealth insurance module\textquotedbl that allows the collection and linking of routine medical data from statutory health insurance funds (GKV) and private health insurers (PKV) as a category of care-related data (VeDa). Linking this routine data with data from hospital information systems offers particularly high potential, as no single data source provides a complete picture of medical care and the two data sources complement each other optimally. The aim now is to integrate this routine data into the NUM's secure, transparent and participatory research infrastructure in a strategic partnership with statutory health insurance funds and private health insurance companies. This promotes Germany in its role as a research location and makes a decisive contribution to improving the quality and safety of healthcare in Germany in an evidence-based manner. Das BMBF fördert mit dem Netzwerk Universitätsmedizin (NUM) und der Medizininformatik-Initiative (MII) zwei richtungsweisende strukturbildende Forschungsmaßnahmen, die nun zusammengeführt werden. Die Datenintegrationszentren (DIZ) der MII sollen im NUM verstetigt werden. Ziel ist der Aufbau einer einheitlichen Dateninfrastruktur, innerhalb der die vorhandenen Daten aus der klinischen Routineversorgung der 36 deutschen Universitätskliniken des NUM, aus klinischen Kohorten und klinisch-epidemiologischen Studien auf Antrag und über abgestimmte Prozesse für unterschiedliche Forschungsfragen genutzt werden können. Rechtsgrundlage bildet hierfür der mit Ethikkommissionen und Datenschutzbehörden abgestimmte und in allen NUM-Standorten implementierte „Broad Consent“ der Universitätsmedizin mit einem so genannten „Kassenmodul“, das die Erhebung und Verlinkung von medizinischen Routinedaten der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherungen (PKV) als eine Kategorie versorgungsnaher Daten (VeDa) erlaubt. Die Verknüpfung dieser Routinedaten mit Daten aus Klinikinformationssystemen bietet ein besonders hohes Potenzial, da keine Datenquelle allein ein vollständiges Bild der medizinischen Versorgung zeichnet und sich die beiden Datenquellen ideal komplementär ergänzen. Ziel ist es nun, in einer strategischen Partnerschaft mit gesetzlichen Krankenkassen und privaten Krankenversicherungen diese Routinedaten in die sichere, transparente und partizipative Forschungsinfrastruktur des NUM zu integrieren. Dies fördert den Forschungsstandort Deutschland und trägt entscheidend dazu bei, die Qualität und Sicherheit der Gesundheitsversorgung in Deutschland evidenzbasiert zu verbessern.
| DOI: | 10.1055/a-2438-0670 |
Abstract:
With the Network of University Medicine (NUM) and the Medical Informatics Initiative (MII), the BMBF is funding two pioneering, structure-building research measures that are now being merged. The data integration centers (DIZ) of the MII are to be consolidated in the NUM. The aim is to establish a standardized research infrastructure within which the existing data from the clinical routine care of the 36 German university hospitals, from clinical cohorts and clinical-epidemiological studies can be used for various research questions upon request and via coordinated processes. The legal basis for this was the MII's \textquotedblInformed Broad Consent\textquotedbl, which had been agreed upon with ethics committees and data protection authorities and implemented in all NUM locations, with a so-called \textquotedblhealth insurance module\textquotedbl that allows the collection and linking of routine medical data from statutory health insurance funds (GKV) and private health insurers (PKV) as a category of care-related data (VeDa). Linking this routine data with data from hospital information systems offers particularly high potential, as no single data source provides a complete picture of medical care and the two data sources complement each other optimally. The aim now is to integrate this routine data into the NUM's secure, transparent and participatory research infrastructure in a strategic partnership with statutory health insurance funds and private health insurance companies. This promotes Germany in its role as a research location and makes a decisive contribution to improving the quality and safety of healthcare in Germany in an evidence-based manner. Das BMBF fördert mit dem Netzwerk Universitätsmedizin (NUM) und der Medizininformatik-Initiative (MII) zwei richtungsweisende strukturbildende Forschungsmaßnahmen, die nun zusammengeführt werden. Die Datenintegrationszentren (DIZ) der MII sollen im NUM verstetigt werden. Ziel ist der Aufbau einer einheitlichen Dateninfrastruktur, innerhalb der die vorhandenen Daten aus der klinischen Routineversorgung der 36 deutschen Universitätskliniken des NUM, aus klinischen Kohorten und klinisch-epidemiologischen Studien auf Antrag und über abgestimmte Prozesse für unterschiedliche Forschungsfragen genutzt werden können. Rechtsgrundlage bildet hierfür der mit Ethikkommissionen und Datenschutzbehörden abgestimmte und in allen NUM-Standorten implementierte „Broad Consent“ der Universitätsmedizin mit einem so genannten „Kassenmodul“, das die Erhebung und Verlinkung von medizinischen Routinedaten der gesetzlichen Krankenversicherung (GKV) und der privaten Krankenversicherungen (PKV) als eine Kategorie versorgungsnaher Daten (VeDa) erlaubt. Die Verknüpfung dieser Routinedaten mit Daten aus Klinikinformationssystemen bietet ein besonders hohes Potenzial, da keine Datenquelle allein ein vollständiges Bild der medizinischen Versorgung zeichnet und sich die beiden Datenquellen ideal komplementär ergänzen. Ziel ist es nun, in einer strategischen Partnerschaft mit gesetzlichen Krankenkassen und privaten Krankenversicherungen diese Routinedaten in die sichere, transparente und partizipative Forschungsinfrastruktur des NUM zu integrieren. Dies fördert den Forschungsstandort Deutschland und trägt entscheidend dazu bei, die Qualität und Sicherheit der Gesundheitsversorgung in Deutschland evidenzbasiert zu verbessern.
R. M,
H. L,
S. C,
H. F and
K. J,
"De-identification of medical imaging data: a comprehensive tool for ensuring patient privacy.",
European radiology,
Dez.
2025.
Abstract:
Medizinische Bildgebungsdaten, die in der Forschung verwendet werden, umfassen häufig sensible geschützte Gesundheitsinformationen (PHI) und personenbezogene identifizierbare Informationen (PII), die strengen Rechtsrahmen wie die Datenschutz-Grundverordnung (DSGVO) oder das Health Insurance Portability and Accountability Act (HIPAA) unterliegen. Daher müssen diese Datentypen vor der Nutzung de-identifiziert werden, was für viele Forscher eine große Herausforderung darstellt. Angesichts der Vielzahl von medizinischen Bildgebungsdaten ist es notwendig, eine Vielzahl von Entschlüsselungstechniken einzusetzen. Um den Ent-Identifizierungsprozess für medizinische Bildgebungsdaten zu erleichtern, haben wir ein Open-Source-Tool entwickelt, mit dem Digital Imaging and Communications in Medicine (DICOM) Magnetresonanzbilder, Computertomographie-Bilder, ganze Dia-Bilder und Magnetresonanz-Twix-Rohdaten identifiziert werden können. Ferner ermöglicht die Implementierung eines neuronalen Netzes die Entfernung von Text innerhalb der Bilder. Das vorgeschlagene Tool erreicht vergleichbare Ergebnisse mit aktuellen hochmodernen Algorithmen zu reduzierter Rechenzeit (bis zu × 265). Das Tool schafft es auch, Bilddaten verschiedener Typen wie Neuroimaging Informatics Technology Initiative (NIfTI) oder Whole Slide Image (WSI-)DICOMS vollständig zu identifizieren. Das vorgeschlagene Tool automatisiert eine aufwendige Ent-Identifikations-Pipeline für mehrere Arten von Eingaben, wodurch die Notwendigkeit zusätzlicher Werkzeuge zur De-Identifizierung von Abbildungsdaten reduziert wird. Frage Wie können Forscher sensible medizinische Bildgebungsdaten effektiv entschlüsseln und dabei Rechtsrahmen zum Schutz von Patientengesundheitsinformationen einhalten? Ergebnisse Wir entwickelten ein Open-Source-Tool, das die De-Identifizierung verschiedener medizinischer Bildgebungsformate automatisiert und die Effizienz von De-Identifizierungsprozessen verbessert. Klinische Relevanz Dieses Tool befasst sich mit dem kritischen Bedarf an robusten und benutzerfreundlichen De-Identifikationslösungen in der medizinischen Bildgebung, wodurch der Datenaustausch in der Forschung und der Schutz der Patienten Privatsphäre erleichtert wird.
| DOI: | 10.1007/s00330-025-11695-x |
Abstract:
Medizinische Bildgebungsdaten, die in der Forschung verwendet werden, umfassen häufig sensible geschützte Gesundheitsinformationen (PHI) und personenbezogene identifizierbare Informationen (PII), die strengen Rechtsrahmen wie die Datenschutz-Grundverordnung (DSGVO) oder das Health Insurance Portability and Accountability Act (HIPAA) unterliegen. Daher müssen diese Datentypen vor der Nutzung de-identifiziert werden, was für viele Forscher eine große Herausforderung darstellt. Angesichts der Vielzahl von medizinischen Bildgebungsdaten ist es notwendig, eine Vielzahl von Entschlüsselungstechniken einzusetzen. Um den Ent-Identifizierungsprozess für medizinische Bildgebungsdaten zu erleichtern, haben wir ein Open-Source-Tool entwickelt, mit dem Digital Imaging and Communications in Medicine (DICOM) Magnetresonanzbilder, Computertomographie-Bilder, ganze Dia-Bilder und Magnetresonanz-Twix-Rohdaten identifiziert werden können. Ferner ermöglicht die Implementierung eines neuronalen Netzes die Entfernung von Text innerhalb der Bilder. Das vorgeschlagene Tool erreicht vergleichbare Ergebnisse mit aktuellen hochmodernen Algorithmen zu reduzierter Rechenzeit (bis zu × 265). Das Tool schafft es auch, Bilddaten verschiedener Typen wie Neuroimaging Informatics Technology Initiative (NIfTI) oder Whole Slide Image (WSI-)DICOMS vollständig zu identifizieren. Das vorgeschlagene Tool automatisiert eine aufwendige Ent-Identifikations-Pipeline für mehrere Arten von Eingaben, wodurch die Notwendigkeit zusätzlicher Werkzeuge zur De-Identifizierung von Abbildungsdaten reduziert wird. Frage Wie können Forscher sensible medizinische Bildgebungsdaten effektiv entschlüsseln und dabei Rechtsrahmen zum Schutz von Patientengesundheitsinformationen einhalten? Ergebnisse Wir entwickelten ein Open-Source-Tool, das die De-Identifizierung verschiedener medizinischer Bildgebungsformate automatisiert und die Effizienz von De-Identifizierungsprozessen verbessert. Klinische Relevanz Dieses Tool befasst sich mit dem kritischen Bedarf an robusten und benutzerfreundlichen De-Identifikationslösungen in der medizinischen Bildgebung, wodurch der Datenaustausch in der Forschung und der Schutz der Patienten Privatsphäre erleichtert wird.
T. Q,
M. J,
N. L,
N. MD,
L. MH,
P. T,
H. S,
P. R,
H. B,
G. D,
W. M and
W. TC,
"Deep learning enabled near-isotropic CAIPIRINHA VIBE in the nephrogenic phase improves image quality and renal lesion conspicuity.",
European journal of radiology open,
Jun.
2025.
Abstract:
Das Deep Learning (DL) beschleunigte kontrollierte Aliasing in paralleler Bildgebung führt zu einer höheren Beschleunigung (CAIPIRINHA)-volumetrisch interpolierte Atemhalteprüfung (VIBE), die eine hohe räumliche Auflösung T1-gewichtete Bildgebung des oberen Bauches ermöglicht. Wir wollten untersuchen, ob DL-CAIPIRINHA-VIBE die Bildqualität, die Gefäßvermutung und die Lesionsnachweisbarkeit im Vergleich zu einem Standard CAIPIRINHA-VIBE in der Nierenbildgebung bei 3 Tesla verbessern kann. In dieser prospektiven Studie wurden 50 Patienten mit 23 soliden und 45 cystischen Nierenläsionen mit klinischen MR-Sequenzen, einschließlich Standard-CAIPIRINHA-VIBE und DL-CAIPIRINHA-VIBE-Sequenzen in der nephrographischen Phase bei 3 Tesla, MRT entwickelt. Zwei erfahrene Radiologen bewerteten unabhängig sowohl Sequenzen als auch multiplanare Rekonstruktionen (MPR) der sagittalen und koronalen Ebenen für Bildqualität mit einem Likert-Skala von 1 bis 5 (5 = Best). Quantitative Messungen einschließlich der Größe der größten Läsions- und Nierenläsionenkontrastverhältnisse wurden ausgewertet. DL-CAIPIRINHA-VIBE im Vergleich zu Standard CAIPIRINHA-VIBE zeigte deutlich verbesserte Gesamtbildqualität, höhere Noten für Nierenrandabgrenzung, Nierensünden, Gefäße, Nebennieren, reduzierte Bewegungsartefakte und reduzierte wahrgenommene Geräusche in nephrographischen Phasenbildern (alle p < 0,001). DL-CAIPIRINHA-VIBE mit MPR zeigte im Vergleich zu Standard CAIPIRINHA-VIBE ein überlegenes Missionsvertrauen und Diagnosevertrauen. DL-CAIPIRINHA-VIBE präsentierte jedoch ein synthetischeres Erscheinungsbild und unter anderem Artefakte (p < 0,023). Die mittlere Größe und Signalintensität von Nierenläsionen für DL-CAIPIRINHA-VIBE ergab keine signifikanten Unterschiede im Vergleich zu Standard CAIPIRINHA-VIBE (p > 0,9). DL-CAIPIRINHA-VIBE ist gut geeignet für die Nierenbildgebung in der nephrographischen Phase, bietet eine gute Bildqualität, verbesserte Abgrenzung anatomischer Strukturen und Nierenläsionen.
| DOI: | 10.1016/j.ejro.2024.100622 |
Abstract:
Das Deep Learning (DL) beschleunigte kontrollierte Aliasing in paralleler Bildgebung führt zu einer höheren Beschleunigung (CAIPIRINHA)-volumetrisch interpolierte Atemhalteprüfung (VIBE), die eine hohe räumliche Auflösung T1-gewichtete Bildgebung des oberen Bauches ermöglicht. Wir wollten untersuchen, ob DL-CAIPIRINHA-VIBE die Bildqualität, die Gefäßvermutung und die Lesionsnachweisbarkeit im Vergleich zu einem Standard CAIPIRINHA-VIBE in der Nierenbildgebung bei 3 Tesla verbessern kann. In dieser prospektiven Studie wurden 50 Patienten mit 23 soliden und 45 cystischen Nierenläsionen mit klinischen MR-Sequenzen, einschließlich Standard-CAIPIRINHA-VIBE und DL-CAIPIRINHA-VIBE-Sequenzen in der nephrographischen Phase bei 3 Tesla, MRT entwickelt. Zwei erfahrene Radiologen bewerteten unabhängig sowohl Sequenzen als auch multiplanare Rekonstruktionen (MPR) der sagittalen und koronalen Ebenen für Bildqualität mit einem Likert-Skala von 1 bis 5 (5 = Best). Quantitative Messungen einschließlich der Größe der größten Läsions- und Nierenläsionenkontrastverhältnisse wurden ausgewertet. DL-CAIPIRINHA-VIBE im Vergleich zu Standard CAIPIRINHA-VIBE zeigte deutlich verbesserte Gesamtbildqualität, höhere Noten für Nierenrandabgrenzung, Nierensünden, Gefäße, Nebennieren, reduzierte Bewegungsartefakte und reduzierte wahrgenommene Geräusche in nephrographischen Phasenbildern (alle p < 0,001). DL-CAIPIRINHA-VIBE mit MPR zeigte im Vergleich zu Standard CAIPIRINHA-VIBE ein überlegenes Missionsvertrauen und Diagnosevertrauen. DL-CAIPIRINHA-VIBE präsentierte jedoch ein synthetischeres Erscheinungsbild und unter anderem Artefakte (p < 0,023). Die mittlere Größe und Signalintensität von Nierenläsionen für DL-CAIPIRINHA-VIBE ergab keine signifikanten Unterschiede im Vergleich zu Standard CAIPIRINHA-VIBE (p > 0,9). DL-CAIPIRINHA-VIBE ist gut geeignet für die Nierenbildgebung in der nephrographischen Phase, bietet eine gute Bildqualität, verbesserte Abgrenzung anatomischer Strukturen und Nierenläsionen.
[de]
I. Becker,
K. Püschel,
F. Stallbaum,
B. Ondruschka and
F. Heinrich,
"Die Übersehenen der Pandemie: Eine retrospektive populationsbasierte Datenanalyse der COVID-19-Pandemie aus Hamburg",
Rechtsmedizin,
Aug.
2025.
Abstract:
Ziel dieser Studie war es, zu ermitteln, ob alle meldepflichtigen COVID-19-Todesfälle mit positivem SARS-CoV-2-Nachweis und Hamburger Zuständigkeit im Zeitraum vom 01.03.2020 bis zum 31.12.2021 an die zuständige Landesbehörde und damit an das Robert Koch-Institut übermittelt worden sind. Zudem sollte überprüft werden, ob und welche Variablen einen Einfluss auf das Endergebnis der Übermittlung hatten. Meldepflichtige Hamburger COVID-19-Todesfälle wurden über die Todesbescheinigungen, die vorliegenden Daten der Gesundheitsämter und des Instituts für Rechtsmedizin in Hamburg identifiziert. E 2237 meldepflichtige COVID-19-Todesfälle mit positivem SARS-CoV-2-Nachweis wurden in die Studie eingeschlossen. 90,3 % (95 % KI: 88,9–91,4) der meldepflichtigen COVID-19-Todesfälle dieser Studie wurden korrekt an die zuständige Landebehörde übermittelt. Verschiedene medizinische, institutionelle und soziodemographische Variablen waren mit der Chance der Übermittlung assoziiert. Meldestandards und Prozesse sollten vereinheitlicht und digitalisiert werden, um für zukünftige Pandemien ein vollständiges Übermittlungsergebnis zu erreichen.
| DOI: | 10.1007/s00194-025-00788-y |
| Datei: | https://doi.org/10.1007/s00194-025-00788-y |
Abstract:
Ziel dieser Studie war es, zu ermitteln, ob alle meldepflichtigen COVID-19-Todesfälle mit positivem SARS-CoV-2-Nachweis und Hamburger Zuständigkeit im Zeitraum vom 01.03.2020 bis zum 31.12.2021 an die zuständige Landesbehörde und damit an das Robert Koch-Institut übermittelt worden sind. Zudem sollte überprüft werden, ob und welche Variablen einen Einfluss auf das Endergebnis der Übermittlung hatten. Meldepflichtige Hamburger COVID-19-Todesfälle wurden über die Todesbescheinigungen, die vorliegenden Daten der Gesundheitsämter und des Instituts für Rechtsmedizin in Hamburg identifiziert. E 2237 meldepflichtige COVID-19-Todesfälle mit positivem SARS-CoV-2-Nachweis wurden in die Studie eingeschlossen. 90,3 % (95 % KI: 88,9–91,4) der meldepflichtigen COVID-19-Todesfälle dieser Studie wurden korrekt an die zuständige Landebehörde übermittelt. Verschiedene medizinische, institutionelle und soziodemographische Variablen waren mit der Chance der Übermittlung assoziiert. Meldestandards und Prozesse sollten vereinheitlicht und digitalisiert werden, um für zukünftige Pandemien ein vollständiges Übermittlungsergebnis zu erreichen.
W. T,
H. B,
H. JC,
E. S. R,
K. B,
P. I,
B,
U. C,
B. MA,
V. P,
D. J,
M. KH and
W. T,
"Enhancing deep learning methods for brain metastasis detection through cross-technique annotations on SPACE MRI.",
European radiology experimental,
Feb.
2025.
Abstract:
Gadolinium-verstärkte "Sampling Perfection mit anwendungsoptimierten Kontrasten mit unterschiedlicher Flip-Winkel-Entwicklung" (SPACE)-Sequenz ermöglicht eine bessere Visualisierung von Hirnmetastasen (BMs) im Vergleich zu "magnetisierungsvorbereiteten schnellen Akquisitionsgradientenecho" (MPRAGE). Wir vermuten, dass diese bessere Vermutung zu einer qualitativ hochwertigen Annotation (HAQ) führt, die den tiefen Lernalgorithmus (DL) von BMs auf MPRAGE-Bildern verbessert. Es wurden retrospektive kontrastverstärkte (gadobutrol 0.1 mmol/kg) SPACE- und MPRAGE-Daten von 157 Patienten mit BM verwendet, die entweder auf MPRAGE notiert wurden, was zu einer normalen Annotationsqualität (NAQ) oder auf koregiertem SPACE führt, was zu HAQ führt. Mehrere DL-Methoden wurden mit NAQ oder HAQ unter Verwendung von SPACE- oder MRPAGE-Bildern entwickelt und auf ihrer Nachweisleistung mit positivem Vorhersagewert (PPV), Sensitivität und F1-Score und auf ihrer Abgrenzungsleistung mit volumetrischen Dice Ähnlichkeitskoeffizienten, PPV und Empfindlichkeit auf einem internen und vier zusätzlichen Testdatensätzen (660 Patienten) ausgewertet. Das SPACE-HAQ Modell erreichte 0,978 PPV, 0,882 Empfindlichkeit und 0,916 F1-Score. Die MPRAGE-HAQ erreichte 0,867, 0,839 und 0,840, die MPRAGE NAQ 0.964, 0.667 bzw. 0.798 (p ≥ 0.157). Die MPRAGE-HAQ F1-Score-Erkennung erhöhte sich gegenüber MPRAGE-NAQ auf allen zusätzlichen Testdatensätzen um 2,5-9,6 Punkte (p < 0,016) und die Empfindlichkeit verbesserte sich an drei Datensätzen um 4,6-8,5 Punkte (p < 0,001). Darüber hinaus verbesserte sich die volumetrische Instanzempfindlichkeit um 3,6-7,6 Punkte (p < 0,001). HAQ verbessert DL-Methoden ohne spezialisierte Bildgebung während der Anwendungszeit. HAQ allein erreicht etwa 40% der Leistungsverbesserungen, die mit SPACE-Bildern als Eingabe gesehen werden, was eine schnelle und genaue, vollautomatische Erkennung von kleinen (< 1 cm) BMs ermöglicht. Die mit der SPACE-Sequenz erstellte Ausbildung mit hochwertigen Annotationen verbessert die Erkennungs- und Delineationsempfindlichkeit von DL-Methoden zur Detektion von Hirnmetastasen (BMs) auf MPRAGE-Bildern. Dieses MRI Cross-Technique Transfer Lernen ist ein vielversprechender Weg, um die diagnostische Leistung zu erhöhen. Die Delineierung kleiner BMs auf SPACE MRI-Sequenz führt zu höheren Qualitätsannotationen als auf der MPRAGE-Sequenz aufgrund erhöhter Vermutung. Durch die Verwendung von Cross-Technique Boden Wahrheits-Annotationen während der Ausbildung verbesserte die Genauigkeit von DL-Modellen bei der Erkennung und Segmentierung von BMs. Cross-Technique-Annotation kann DL-Modelle verbessern, indem die Vorteile von spezialisierten, zeitintensiven MRT-Sequenzen integriert werden, während sie sich nicht auf sie verlassen. Eine weitere Validierung in prospektiven Studien ist erforderlich.
| DOI: | 10.1186/s41747-025-00554-5 |
Abstract:
Gadolinium-verstärkte "Sampling Perfection mit anwendungsoptimierten Kontrasten mit unterschiedlicher Flip-Winkel-Entwicklung" (SPACE)-Sequenz ermöglicht eine bessere Visualisierung von Hirnmetastasen (BMs) im Vergleich zu "magnetisierungsvorbereiteten schnellen Akquisitionsgradientenecho" (MPRAGE). Wir vermuten, dass diese bessere Vermutung zu einer qualitativ hochwertigen Annotation (HAQ) führt, die den tiefen Lernalgorithmus (DL) von BMs auf MPRAGE-Bildern verbessert. Es wurden retrospektive kontrastverstärkte (gadobutrol 0.1 mmol/kg) SPACE- und MPRAGE-Daten von 157 Patienten mit BM verwendet, die entweder auf MPRAGE notiert wurden, was zu einer normalen Annotationsqualität (NAQ) oder auf koregiertem SPACE führt, was zu HAQ führt. Mehrere DL-Methoden wurden mit NAQ oder HAQ unter Verwendung von SPACE- oder MRPAGE-Bildern entwickelt und auf ihrer Nachweisleistung mit positivem Vorhersagewert (PPV), Sensitivität und F1-Score und auf ihrer Abgrenzungsleistung mit volumetrischen Dice Ähnlichkeitskoeffizienten, PPV und Empfindlichkeit auf einem internen und vier zusätzlichen Testdatensätzen (660 Patienten) ausgewertet. Das SPACE-HAQ Modell erreichte 0,978 PPV, 0,882 Empfindlichkeit und 0,916 F1-Score. Die MPRAGE-HAQ erreichte 0,867, 0,839 und 0,840, die MPRAGE NAQ 0.964, 0.667 bzw. 0.798 (p ≥ 0.157). Die MPRAGE-HAQ F1-Score-Erkennung erhöhte sich gegenüber MPRAGE-NAQ auf allen zusätzlichen Testdatensätzen um 2,5-9,6 Punkte (p < 0,016) und die Empfindlichkeit verbesserte sich an drei Datensätzen um 4,6-8,5 Punkte (p < 0,001). Darüber hinaus verbesserte sich die volumetrische Instanzempfindlichkeit um 3,6-7,6 Punkte (p < 0,001). HAQ verbessert DL-Methoden ohne spezialisierte Bildgebung während der Anwendungszeit. HAQ allein erreicht etwa 40% der Leistungsverbesserungen, die mit SPACE-Bildern als Eingabe gesehen werden, was eine schnelle und genaue, vollautomatische Erkennung von kleinen (< 1 cm) BMs ermöglicht. Die mit der SPACE-Sequenz erstellte Ausbildung mit hochwertigen Annotationen verbessert die Erkennungs- und Delineationsempfindlichkeit von DL-Methoden zur Detektion von Hirnmetastasen (BMs) auf MPRAGE-Bildern. Dieses MRI Cross-Technique Transfer Lernen ist ein vielversprechender Weg, um die diagnostische Leistung zu erhöhen. Die Delineierung kleiner BMs auf SPACE MRI-Sequenz führt zu höheren Qualitätsannotationen als auf der MPRAGE-Sequenz aufgrund erhöhter Vermutung. Durch die Verwendung von Cross-Technique Boden Wahrheits-Annotationen während der Ausbildung verbesserte die Genauigkeit von DL-Modellen bei der Erkennung und Segmentierung von BMs. Cross-Technique-Annotation kann DL-Modelle verbessern, indem die Vorteile von spezialisierten, zeitintensiven MRT-Sequenzen integriert werden, während sie sich nicht auf sie verlassen. Eine weitere Validierung in prospektiven Studien ist erforderlich.
W. S,
R. L,
W. SJ,
G. R,
S. IG,
P. G,
P. T,
P. M,
W. CJ,
W. J,
E. M,
F. WP,
G. S,
P. R,
L. FE,
B. TD and
P. AR,
"ESUR: Opportunities for PSMA-PET/CT and whole-body MRI in advanced prostate cancer.",
European radiology,
Nov.
2025.
Abstract:
Prostataspezifische Membran-Antigen (PSMA) Positronen-Emissionstomographie (PET) berechnete Tomographie (CT) und Ganzkörper-Magnetresonanz-Bildgebung (WB-MRI) sind der herkömmlichen CT- und Knochenscan-Bildgebung überlegen, um metastasierende Krankheit bei Patienten mit Prostatakrebs zu erkennen. Während diese höherakustischen Bildgebungsverfahren bereits das Potenzial zur Verbesserung der Patientenergebnisse gezeigt haben, ist ein gründliches Verständnis der Beziehung zwischen der Behandlungslandschaft und dem Krankheitsvolumen bei konventioneller Bildgebung sowie der prognostischen Bedeutung der prostataspezifischen Antigenantwort entscheidend, um festzustellen, wie sie effektiver eingebunden werden können. Prospektive klinische Studien sind erforderlich, um zu bewerten, ob PSMA-PET/CT und WB-MRI durch präzise Therapieanpassungen klinisch relevante Endpunkte für Patienten wirklich verbessern können. In diesem Beitrag erforschen wir die spezifischen Möglichkeiten von PSMA-PET/CT und WB-MRI als Biomarker in mehreren klinischen Bereichen, einschließlich Metastasis-Erkennung und -Stufe, Krankheitscharakterisierung und Aggressivitätsbewertungen, Biopsiezielauswahl, Auswirkungen auf die Behandlungsplanung, Bewertung der therapeutischen Reaktion und Theranostik. Wir unterstreichen die zentralen Forschungsfragen, die Aufmerksamkeit erfordern. KEY POINTS: Frage Können PSMA-PET/CT und WB-MRI, mit ihrer überlegenen Fähigkeit, Metastasen in Prostatakrebs zu erkennen, wirklich verbessern Patientenergebnisse? Das Finden von hochgenauer Bildgebung verbessert die Metastasenerkennung, Inszenierung, Bewertung von Krankheitsarmut und ermöglicht eine personalisierte Behandlungsplanung für fortgeschrittene Prostatakrebspatienten. Klinische Relevanz PSMA-PET/CT und WB-MRI haben das Potenzial, das Management von Männern mit fortgeschrittenem Prostatakrebs zu verändern, aber prospektive klinische Studien sind erforderlich, um die Vorteile für das Überleben oder die Lebensqualität zu bestätigen, bevor man die Routinenutzung empfiehlt.
| DOI: | 10.1007/s00330-025-12089-9 |
Abstract:
Prostataspezifische Membran-Antigen (PSMA) Positronen-Emissionstomographie (PET) berechnete Tomographie (CT) und Ganzkörper-Magnetresonanz-Bildgebung (WB-MRI) sind der herkömmlichen CT- und Knochenscan-Bildgebung überlegen, um metastasierende Krankheit bei Patienten mit Prostatakrebs zu erkennen. Während diese höherakustischen Bildgebungsverfahren bereits das Potenzial zur Verbesserung der Patientenergebnisse gezeigt haben, ist ein gründliches Verständnis der Beziehung zwischen der Behandlungslandschaft und dem Krankheitsvolumen bei konventioneller Bildgebung sowie der prognostischen Bedeutung der prostataspezifischen Antigenantwort entscheidend, um festzustellen, wie sie effektiver eingebunden werden können. Prospektive klinische Studien sind erforderlich, um zu bewerten, ob PSMA-PET/CT und WB-MRI durch präzise Therapieanpassungen klinisch relevante Endpunkte für Patienten wirklich verbessern können. In diesem Beitrag erforschen wir die spezifischen Möglichkeiten von PSMA-PET/CT und WB-MRI als Biomarker in mehreren klinischen Bereichen, einschließlich Metastasis-Erkennung und -Stufe, Krankheitscharakterisierung und Aggressivitätsbewertungen, Biopsiezielauswahl, Auswirkungen auf die Behandlungsplanung, Bewertung der therapeutischen Reaktion und Theranostik. Wir unterstreichen die zentralen Forschungsfragen, die Aufmerksamkeit erfordern. KEY POINTS: Frage Können PSMA-PET/CT und WB-MRI, mit ihrer überlegenen Fähigkeit, Metastasen in Prostatakrebs zu erkennen, wirklich verbessern Patientenergebnisse? Das Finden von hochgenauer Bildgebung verbessert die Metastasenerkennung, Inszenierung, Bewertung von Krankheitsarmut und ermöglicht eine personalisierte Behandlungsplanung für fortgeschrittene Prostatakrebspatienten. Klinische Relevanz PSMA-PET/CT und WB-MRI haben das Potenzial, das Management von Männern mit fortgeschrittenem Prostatakrebs zu verändern, aber prospektive klinische Studien sind erforderlich, um die Vorteile für das Überleben oder die Lebensqualität zu bestätigen, bevor man die Routinenutzung empfiehlt.
K. MD,
R. C,
K. M,
H. W,
B. TJ,
F. M,
H. J,
O. M,
S. M,
N. F,
B. K and
H. R,
"Exploration of Fully-Automated Body Composition Analysis Using Routine CT-Staging of Lung Cancer Patients for Survival Prognosis.",
Journal of cachexia, sarcopenia and muscle,
Aug.
2025.
Abstract:
KI-getriebene automatisierte Körperzusammensetzungsanalyse (BCA) kann quantitative prognostische Biomarker liefern, die von Routine-Instrumenten CTs abgeleitet werden. Diese zweizentige Studie wertet den prognostischen Wert dieser volumetrischen Marker für das Gesamtüberleben bei Lungenkrebspatienten aus. Lungenkrebs-Kohorten aus Krankenhaus A (n = 3345, mittleres Alter 65, 86% NSCLC, 40% M1, 40% weiblich) und B (n = 1364, mittleres Alter 66, 87% NSCLC, 37% M1, 38% weiblich) wurde automatisiert BCA von Bauch CTs ±60 Tage Primärdiagnose. Ein tiefes Lernnetzwerk segmentierte Muskel-, Knochen- und Fettgewebe (visceral = VAT, subkutan = SAT, intra-/intermuskulär = IMAT und total = TAT) um drei Marker abzuleiten: Sarcopenia Index (SI = Muskel/Bone), Myosteatotic Fat Index (MFI = IMAT/TAT) und Abdominal Fat Index (AFI = VAT/SAT). Kaplan-Meier Überlebensanalyse, Cox Proportional Gefahren Modellierung und maschinell lernbasierte Überlebensprognose wurden durchgeführt. Ein Überlebensmodell einschließlich klinischer Daten (BMI, ECOG, L3-SMI, -SATI, -VATI und -IMATI) wurde auf Hospital A-Daten installiert und auf Hospital B-Daten validiert. In nichtmetastatischem NSCLC prognostizierte High SI ein längeres Überleben in den Zentren für Männer (Hauptstadt A: 24.6 vs. 46,0 Monate; Krankenhaus B: 13,3 vs. 28,9 Monate; beide p < 0,001) und Frauen (Hauptstadt A: 37,9 vs. 53,6 Monate, p = 0,008; Krankenhaus B: 23,0 vs. 28,6 Monate, p = 0,018). Bei Männern in beiden Krankenhäusern (Krankenhaus A: 43,7 vs. 28,2 Monate; Krankenhaus B: 28,8 vs. 14,3 Monate; beides p ≤ 0,001) zeigte aber zentrumsabhängige Wirkungen bei Frauen (bedeutend nur im Krankenhaus A, p < 0,01). Bei der metastasierenden Krankheit blieb SI für Männer in beiden Zentren prognostiziert (p < 0,05), während MFI nur im Krankenhaus A (p ≤ 0,001) und AFI nur im Krankenhaus B (p = 0,042) signifikant war. Multivariate Cox Regression bestätigte, dass höhere SI Schutz war (A: HR 0.53, B: 0.59, p ≤ 0.001), während MFI mit kürzerem Überleben verbunden war (A: HR 1.31, B: 1.12, p < 0.01). Das auf den Daten des Krankenhauses A geschulte multivariate Überlebensmodell zeigte eine prognostische Differenzierung von Gruppen in interner (n = 209, p ≤ 0,001) und externer (Hospital B, n = 361, p = 0,044) Validierung, wobei SI-Eigenschaft (0.037) unter ECOG (0.082) und M-Status (0.078) steht, übertrifft alle anderen Merkmale, einschließlich herkömmlicher L3-Single-Slice-Messungen. CT-basierte volumetrische BCA bietet prognostische Biomarker bei Lungenkrebs mit unterschiedlicher Bedeutung durch Sex, Krankheitsstadium und Zentrum. SI war der stärkste prognostische Marker, übertrifft konventionelle L3-basierte Messungen, während fettbedingte Marker unterschiedliche Assoziationen zeigten. Unser Multivariate-Modell legt nahe, dass BCA-Marker, insbesondere SI, die Risikoschichtung bei Lungenkrebs, bis zur zentrischen und sexspezifischen Validierung verbessern können. Die Integration dieser Marker in klinische Workflows könnte eine personalisierte Betreuung und gezielte Eingriffe für risikoreiche Patienten ermöglichen.
| DOI: | 10.1002/jcsm.70021 |
Abstract:
KI-getriebene automatisierte Körperzusammensetzungsanalyse (BCA) kann quantitative prognostische Biomarker liefern, die von Routine-Instrumenten CTs abgeleitet werden. Diese zweizentige Studie wertet den prognostischen Wert dieser volumetrischen Marker für das Gesamtüberleben bei Lungenkrebspatienten aus. Lungenkrebs-Kohorten aus Krankenhaus A (n = 3345, mittleres Alter 65, 86% NSCLC, 40% M1, 40% weiblich) und B (n = 1364, mittleres Alter 66, 87% NSCLC, 37% M1, 38% weiblich) wurde automatisiert BCA von Bauch CTs ±60 Tage Primärdiagnose. Ein tiefes Lernnetzwerk segmentierte Muskel-, Knochen- und Fettgewebe (visceral = VAT, subkutan = SAT, intra-/intermuskulär = IMAT und total = TAT) um drei Marker abzuleiten: Sarcopenia Index (SI = Muskel/Bone), Myosteatotic Fat Index (MFI = IMAT/TAT) und Abdominal Fat Index (AFI = VAT/SAT). Kaplan-Meier Überlebensanalyse, Cox Proportional Gefahren Modellierung und maschinell lernbasierte Überlebensprognose wurden durchgeführt. Ein Überlebensmodell einschließlich klinischer Daten (BMI, ECOG, L3-SMI, -SATI, -VATI und -IMATI) wurde auf Hospital A-Daten installiert und auf Hospital B-Daten validiert. In nichtmetastatischem NSCLC prognostizierte High SI ein längeres Überleben in den Zentren für Männer (Hauptstadt A: 24.6 vs. 46,0 Monate; Krankenhaus B: 13,3 vs. 28,9 Monate; beide p < 0,001) und Frauen (Hauptstadt A: 37,9 vs. 53,6 Monate, p = 0,008; Krankenhaus B: 23,0 vs. 28,6 Monate, p = 0,018). Bei Männern in beiden Krankenhäusern (Krankenhaus A: 43,7 vs. 28,2 Monate; Krankenhaus B: 28,8 vs. 14,3 Monate; beides p ≤ 0,001) zeigte aber zentrumsabhängige Wirkungen bei Frauen (bedeutend nur im Krankenhaus A, p < 0,01). Bei der metastasierenden Krankheit blieb SI für Männer in beiden Zentren prognostiziert (p < 0,05), während MFI nur im Krankenhaus A (p ≤ 0,001) und AFI nur im Krankenhaus B (p = 0,042) signifikant war. Multivariate Cox Regression bestätigte, dass höhere SI Schutz war (A: HR 0.53, B: 0.59, p ≤ 0.001), während MFI mit kürzerem Überleben verbunden war (A: HR 1.31, B: 1.12, p < 0.01). Das auf den Daten des Krankenhauses A geschulte multivariate Überlebensmodell zeigte eine prognostische Differenzierung von Gruppen in interner (n = 209, p ≤ 0,001) und externer (Hospital B, n = 361, p = 0,044) Validierung, wobei SI-Eigenschaft (0.037) unter ECOG (0.082) und M-Status (0.078) steht, übertrifft alle anderen Merkmale, einschließlich herkömmlicher L3-Single-Slice-Messungen. CT-basierte volumetrische BCA bietet prognostische Biomarker bei Lungenkrebs mit unterschiedlicher Bedeutung durch Sex, Krankheitsstadium und Zentrum. SI war der stärkste prognostische Marker, übertrifft konventionelle L3-basierte Messungen, während fettbedingte Marker unterschiedliche Assoziationen zeigten. Unser Multivariate-Modell legt nahe, dass BCA-Marker, insbesondere SI, die Risikoschichtung bei Lungenkrebs, bis zur zentrischen und sexspezifischen Validierung verbessern können. Die Integration dieser Marker in klinische Workflows könnte eine personalisierte Betreuung und gezielte Eingriffe für risikoreiche Patienten ermöglichen.