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.
B. S,
K. JS,
S. V,
N. M,
S. I,
R. SO,
K. F,
B. L,
O. E,
K. T,
Z. H,
H. VS,
H. M,
A. F,
K. M,
Z. U,
K. O,
S. B,
B. V,
B. S,
M,
E. U,
B. E,
B. B,
R. C,
R. J,
W. B,
S. D,
S. H,
P. P,
B. M,
K. F,
D. V,
M. M,
U. P,
W. J,
K. K,
S. M,
V. I,
T. D,
K. HA,
S. N,
I. B,
B. S,
M. U,
H. J,
K. MC,
T. H and
H. B,
"External validation of a multiple sclerosis treatment decision score using data from the ProVal-MS cohort study.",
Therapeutic advances in neurological disorders,
2025.
Abstract:
Der Verlauf der relapsing-remittierenden multiplen Sklerose (RRMS), häufig vor dem klinisch isolierten Syndrom (CIS), ist variabel und schwierig zu prognostizieren. Bei vielen verfügbaren Behandlungsoptionen gewinnen prognostische Algorithmen an Bedeutung bei der Unterrichtung von ersten Behandlungsentscheidungen. Bisher gibt es jedoch nur wenige extern validierte. Eine externe Validierung, die die Anwendung eines Modells auf unabhängige Daten beinhaltet, ist unerlässlich. Datenschutz-erhaltende föderierte Analysen einzelner Daten ermöglichen eine externe Validierung mithilfe von klinischen Datensätzen, die typischerweise schwer zugänglich sind. Mit Daten aus der ProVal-MS-Studie zur externen Validierung des Multiple Sklerose-Behandlungs-Entscheidungs-Scores (MS-TDS), einem prädiktiven Algorithmus für frühe RRMS und CIS. Die MS-TDS prognostiziert die Wahrscheinlichkeit des Auftretens von mindestens einer neuen oder erweiterten T2 Läsion innerhalb von 6-24 Monaten nach Beginn der Erkrankung und unterstützt die Wahl zwischen der Einleitung der Plattformbehandlung oder einem "Warte-and-see" Ansatz. Ein sekundäres Ziel ist es, die Durchführbarkeit von datenschutzorientierten Konzepten im Konsortium Data Integration for Future Medicine (DIFUTURE) zu demonstrieren. Prospektive, multizentrische, nicht-interventionelle Kohortenstudie (ProVal-MS) innerhalb von DIFUTURE. Die kalibrierte MS-TDS wurde mit dem Bereich unter der Empfänger-Betriebskennlinie (AUROC) und dem Brier-Score in beiden gepoolten und verteilten Einstellungen ausgewertet. Eine Entscheidungskurvenanalyse (DCA) wurde verwendet, um den Nettonutzen von Behandlungsentscheidungen zu bewerten, die von der MS-TDS im Vergleich zu den durch die Behandlung von Neurologen getroffenen getroffen wurden. Von den 271 Personen, die mit CIS oder frühen RRMS diagnostiziert wurden, erhielten 202 (78,2%) Plattformbehandlung, während 59 (21,8%) keine Behandlung erhielten. Das AUROC betrug 0,561 (95% CI: 0,492-0,630) in der gebündelten Analyse und 0,567 (95% CI: 0,496-0,634) in der verteilten Analyse. Die DCA hat einen Nettovorteil gezeigt, der mit dem Ergebnis von Entscheidungen von erfahrenen Neurologen in Einklang steht. Die externe Validierung der MS-TDS zeigte eine geringe, nicht signifikante Vorhersageleistung; sie kann jedoch als nützliche Ergänzung dienen, insbesondere für weniger erfahrene Neurologen. Die verteilte Validierung wurde sowohl durchführbar als auch konform zu den Datenschutzbestimmungen gefunden.
| DOI: | 10.1177/17562864251391095 |
Abstract:
Der Verlauf der relapsing-remittierenden multiplen Sklerose (RRMS), häufig vor dem klinisch isolierten Syndrom (CIS), ist variabel und schwierig zu prognostizieren. Bei vielen verfügbaren Behandlungsoptionen gewinnen prognostische Algorithmen an Bedeutung bei der Unterrichtung von ersten Behandlungsentscheidungen. Bisher gibt es jedoch nur wenige extern validierte. Eine externe Validierung, die die Anwendung eines Modells auf unabhängige Daten beinhaltet, ist unerlässlich. Datenschutz-erhaltende föderierte Analysen einzelner Daten ermöglichen eine externe Validierung mithilfe von klinischen Datensätzen, die typischerweise schwer zugänglich sind. Mit Daten aus der ProVal-MS-Studie zur externen Validierung des Multiple Sklerose-Behandlungs-Entscheidungs-Scores (MS-TDS), einem prädiktiven Algorithmus für frühe RRMS und CIS. Die MS-TDS prognostiziert die Wahrscheinlichkeit des Auftretens von mindestens einer neuen oder erweiterten T2 Läsion innerhalb von 6-24 Monaten nach Beginn der Erkrankung und unterstützt die Wahl zwischen der Einleitung der Plattformbehandlung oder einem "Warte-and-see" Ansatz. Ein sekundäres Ziel ist es, die Durchführbarkeit von datenschutzorientierten Konzepten im Konsortium Data Integration for Future Medicine (DIFUTURE) zu demonstrieren. Prospektive, multizentrische, nicht-interventionelle Kohortenstudie (ProVal-MS) innerhalb von DIFUTURE. Die kalibrierte MS-TDS wurde mit dem Bereich unter der Empfänger-Betriebskennlinie (AUROC) und dem Brier-Score in beiden gepoolten und verteilten Einstellungen ausgewertet. Eine Entscheidungskurvenanalyse (DCA) wurde verwendet, um den Nettonutzen von Behandlungsentscheidungen zu bewerten, die von der MS-TDS im Vergleich zu den durch die Behandlung von Neurologen getroffenen getroffen wurden. Von den 271 Personen, die mit CIS oder frühen RRMS diagnostiziert wurden, erhielten 202 (78,2%) Plattformbehandlung, während 59 (21,8%) keine Behandlung erhielten. Das AUROC betrug 0,561 (95% CI: 0,492-0,630) in der gebündelten Analyse und 0,567 (95% CI: 0,496-0,634) in der verteilten Analyse. Die DCA hat einen Nettovorteil gezeigt, der mit dem Ergebnis von Entscheidungen von erfahrenen Neurologen in Einklang steht. Die externe Validierung der MS-TDS zeigte eine geringe, nicht signifikante Vorhersageleistung; sie kann jedoch als nützliche Ergänzung dienen, insbesondere für weniger erfahrene Neurologen. Die verteilte Validierung wurde sowohl durchführbar als auch konform zu den Datenschutzbestimmungen gefunden.
[en]
J. Matschke,
T. Huter,
T. Renné,
M. Lütgehetmann,
M. Glatzel and
B. Ondruschka,
"Fatal Cerebral Venous Sinus Thrombosis and Thrombocytopenia due to Anti-PF4 Disorder Following Adenovirus Infection in a 3-year-old Boy",
Thrombosis and Haemostasis,
Jan.
2025.
Abstract:
Vaccination against severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) has been crucial in managing the COVID-19 pandemic. In 2021, a rare syndrome characterized by thrombotic events and thrombocytopenia was identified in individuals who received the ChAdOx1 nCoV-19 or the Ad26.COV2.S vaccine, both of which use adenoviral vectors.[1] [2] [3] [4] [5] This syndrome, known as vaccine-induced immune thrombocytopenia and thrombosis (VITT), is linked to high levels of immunoglobulin G (IgG) antibodies targeting platelet factor 4 (PF4), a chemokine released from platelet α-granules.[6] Similar conditions associated with anti-PF4 antibodies include classic heparin-induced thrombocytopenia (HIT), autoimmune HIT (aHIT), and spontaneous HIT.[7] Additionally, prothrombotic, platelet-activating anti-PF4 antibodies not associated with heparin have been identified in a patient with monoclonal gammopathy.[8] These anti-PF4 disorders present with thrombosis and thrombocytopenia following exposure of PF4 to polyanions like DNA, heparin, or polyphosphate.[9] [10] Recently, anti-PF4 antibodies were detected in two individuals who developed a VITT-like syndrome after adenovirus infection, despite not receiving COVID-19 vaccination or heparin treatment.[11] In the meantime, further such cases, some of them with a preceding respiratory infection and positive testing for adenovirus, have been reported (see [Table 1]).[12] [13] [14] Here, we report the case of a 3-year-old boy who developed fatal cerebral venous sinus thrombosis (CVST) and thrombocytopenia several days after an adenovirus infection. Postmortem studies revealed the presence of anti-PF4 antibodies in his serum. This case further confirms the existence of adenovirus-triggered anti-PF4 antibodies, emphasizing the need to study anti-PF4 antibodies in patients with unexplained thrombosis and thrombocytopenia.
| DOI: | 10.1055/a-2510-6235 |
| Datei: | http://www.thieme-connect.de/DOI/DOI?10.1055/a-2510-6235 |
Abstract:
Vaccination against severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2) has been crucial in managing the COVID-19 pandemic. In 2021, a rare syndrome characterized by thrombotic events and thrombocytopenia was identified in individuals who received the ChAdOx1 nCoV-19 or the Ad26.COV2.S vaccine, both of which use adenoviral vectors.[1] [2] [3] [4] [5] This syndrome, known as vaccine-induced immune thrombocytopenia and thrombosis (VITT), is linked to high levels of immunoglobulin G (IgG) antibodies targeting platelet factor 4 (PF4), a chemokine released from platelet α-granules.[6] Similar conditions associated with anti-PF4 antibodies include classic heparin-induced thrombocytopenia (HIT), autoimmune HIT (aHIT), and spontaneous HIT.[7] Additionally, prothrombotic, platelet-activating anti-PF4 antibodies not associated with heparin have been identified in a patient with monoclonal gammopathy.[8] These anti-PF4 disorders present with thrombosis and thrombocytopenia following exposure of PF4 to polyanions like DNA, heparin, or polyphosphate.[9] [10] Recently, anti-PF4 antibodies were detected in two individuals who developed a VITT-like syndrome after adenovirus infection, despite not receiving COVID-19 vaccination or heparin treatment.[11] In the meantime, further such cases, some of them with a preceding respiratory infection and positive testing for adenovirus, have been reported (see [Table 1]).[12] [13] [14] Here, we report the case of a 3-year-old boy who developed fatal cerebral venous sinus thrombosis (CVST) and thrombocytopenia several days after an adenovirus infection. Postmortem studies revealed the presence of anti-PF4 antibodies in his serum. This case further confirms the existence of adenovirus-triggered anti-PF4 antibodies, emphasizing the need to study anti-PF4 antibodies in patients with unexplained thrombosis and thrombocytopenia.
[eng]
T. Wahjudi,
A. Nitsch,
J. Sperhake and
P. H. Hoeger,
"Fulminant parvovirus B19 myocarditis in infants -report of three post-pandemic cases",
European Journal of Clinical Microbiology & Infectious Diseases: Official Publication of the European Society of Clinical Microbiology,
Feb.
2025.
Abstract:
Lack of immune stimulation ("immune debt") in the wake of the COVID-19 pandemic has led to a resurgence of many paediatric infectious diseases, recently including parvovirus B19 (PVB19). We observed three cases of fulminant PVB19 myocarditis in infants. All had experienced a short prodromal illness and succumbed to cardiogenic shock within 2-72 h after admission. The risk of fulminant myocarditis appears to be increased in infants. Further studies are needed to assess the incidence of fulminant myocarditis caused by PVB19, potentially linked to immune debt.
| DOI: | 10.1007/s10096-025-05072-1 |
Abstract:
Lack of immune stimulation ("immune debt") in the wake of the COVID-19 pandemic has led to a resurgence of many paediatric infectious diseases, recently including parvovirus B19 (PVB19). We observed three cases of fulminant PVB19 myocarditis in infants. All had experienced a short prodromal illness and succumbed to cardiogenic shock within 2-72 h after admission. The risk of fulminant myocarditis appears to be increased in infants. Further studies are needed to assess the incidence of fulminant myocarditis caused by PVB19, potentially linked to immune debt.
S. Schluessel,
B. Mueller,
O. Tausendfreund,
M. Rippl,
L. Deissler,
S. Martini,
R. Schmidmaier,
S. Stoecklein,
M. Ingrisch,
S. Blaschke,
G. Brandhorst,
P. Spieth,
K. Lehnert,
P. Heuschmann,
S. M. N. Miranda and
M. Drey,
"Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort",
Infection,
vol. 53,
no. 5,
pp. 2111—2124,
2025.
Abstract:
INTRODUCTION Severe respiratory infections pose a major challenge in clinical practice, especially in older adults. Body composition analysis could play a crucial role in risk assessment and therapeutic decision-making. This study investigates whether obesity or sarcopenia has a greater impact on mortality in patients with severe respiratory infections. The study focuses on the National Pandemic Cohort Network (NAPKON-SUEP) cohort, which includes patients over 60 years of age with confirmed severe COVID-19 pneumonia. An innovative approach was adopted, using pre-trained deep learning models for automated analysis of body composition based on routine thoracic CT scans. METHODS The study included 157 hospitalized patients (mean age 70 $\pm$ 8 years, 41% women, mortality rate 39%) from the NAPKON-SUEP cohort at 57 study sites. A pre-trained deep learning model was used to analyze body composition (muscle, bone, fat, and intramuscular fat volumes) from thoracic CT images of the NAPKON-SUEP cohort. Binary logistic regression was performed to investigate the association between obesity, sarcopenia, and mortality. RESULTS Non-survivors exhibited lower muscle volume (p = 0.043), higher intramuscular fat volume (p = 0.041), and a higher BMI (p = 0.031) compared to survivors. Among all body composition parameters, muscle volume adjusted to weight was the strongest predictor of mortality in the logistic regression model, even after adjusting for factors such as sex, age, diabetes, chronic lung disease and chronic kidney disease, (odds ratio = 0.516). In contrast, BMI did not show significant differences after adjustment for comorbidities. CONCLUSION This study identifies muscle volume derived from routine CT scans as a major predictor of survival in patients with severe respiratory infections. The results underscore the potential of AI supported CT-based body composition analysis for risk stratification and clinical decision making, not only for COVID-19 patients but also for all patients over 60 years of age with severe acute respiratory infections. The innovative application of pre-trained deep learning models opens up new possibilities for automated and standardized assessment in clinical practice.
| DOI: | 10.1007/s15010-025-02555-3 |
Abstract:
INTRODUCTION Severe respiratory infections pose a major challenge in clinical practice, especially in older adults. Body composition analysis could play a crucial role in risk assessment and therapeutic decision-making. This study investigates whether obesity or sarcopenia has a greater impact on mortality in patients with severe respiratory infections. The study focuses on the National Pandemic Cohort Network (NAPKON-SUEP) cohort, which includes patients over 60 years of age with confirmed severe COVID-19 pneumonia. An innovative approach was adopted, using pre-trained deep learning models for automated analysis of body composition based on routine thoracic CT scans. METHODS The study included 157 hospitalized patients (mean age 70 $\pm$ 8 years, 41% women, mortality rate 39%) from the NAPKON-SUEP cohort at 57 study sites. A pre-trained deep learning model was used to analyze body composition (muscle, bone, fat, and intramuscular fat volumes) from thoracic CT images of the NAPKON-SUEP cohort. Binary logistic regression was performed to investigate the association between obesity, sarcopenia, and mortality. RESULTS Non-survivors exhibited lower muscle volume (p = 0.043), higher intramuscular fat volume (p = 0.041), and a higher BMI (p = 0.031) compared to survivors. Among all body composition parameters, muscle volume adjusted to weight was the strongest predictor of mortality in the logistic regression model, even after adjusting for factors such as sex, age, diabetes, chronic lung disease and chronic kidney disease, (odds ratio = 0.516). In contrast, BMI did not show significant differences after adjustment for comorbidities. CONCLUSION This study identifies muscle volume derived from routine CT scans as a major predictor of survival in patients with severe respiratory infections. The results underscore the potential of AI supported CT-based body composition analysis for risk stratification and clinical decision making, not only for COVID-19 patients but also for all patients over 60 years of age with severe acute respiratory infections. The innovative application of pre-trained deep learning models opens up new possibilities for automated and standardized assessment in clinical practice.
S. S,
M. B,
T. O,
R. M,
D. L,
M. S,
S. R,
S. S,
I. M,
B. S,
B. G,
S. P,
L. K,
H. P,
SMN and
D. M,
"Impact of sarcopenia and obesity on mortality in older adults with SARS-CoV-2 infection: automated deep learning body composition analysis in the NAPKON-SUEP cohort.",
Infection,
Okt.
2025.
Abstract:
Schwere Atemwegsinfektionen stellen eine große Herausforderung in der klinischen Praxis dar, vor allem bei älteren Erwachsenen. Die Analyse der Körperzusammensetzung könnte eine entscheidende Rolle bei der Risikobewertung und der therapeutischen Entscheidungsfindung spielen. Diese Studie untersucht, ob Adipositas oder Sarkoopenie einen größeren Einfluss auf die Mortalität bei Patienten mit schweren Atemwegsinfektionen hat. Die Studie konzentriert sich auf die Kohorte National Pandemic Cohort Network (NAPKON-SUEP), die Patienten über 60 Jahre mit bestätigter schwerer COVID-19-Pneumonie umfasst. Ein innovativer Ansatz wurde angenommen, mit vortrainierten Tiefenlernmodellen zur automatisierten Analyse der Körperzusammensetzung auf Basis von Routine-Torakic-CT-Scans. Die Studie umfasste 157 Krankenhauspatienten (mittleres Alter 70 ± 8 Jahre, 41% Frauen, Mortalitätsrate 39%) aus der NAPKON-SUEP Kohorte an 57 Studienplätzen. Ein vortrainiertes Tiefenlernmodell wurde verwendet, um Körperzusammensetzung (Muskel, Knochen, Fett und intramuskuläre Fettvolumina) aus thorakalen CT-Bildern des NAPKON-SUEP Kohorts zu analysieren. Binäre logistische Regression wurde durchgeführt, um den Zusammenhang zwischen Fettleibigkeit, Sarkoopenie und Mortalität zu untersuchen. Nicht-Überlebende zeigten ein geringeres Muskelvolumen (p = 0,043), ein höheres intramuskuläres Fettvolumen (p = 0,041) und ein höheres BMI (p = 0,031) im Vergleich zu Überlebenden. Unter allen Körperzusammensetzungsparametern war das auf das Gewicht eingestellte Muskelvolumen der stärkste Mortalitätsvorhersage im logistischen Regressionsmodell, auch nach der Anpassung an Faktoren wie Geschlecht, Alter, Diabetes, chronische Lungenerkrankungen und chronische Nierenerkrankungen (Dosisverhältnis = 0,516). Im Gegensatz dazu zeigte BMI nach der Anpassung an Komorbiditäten keine signifikanten Unterschiede. Diese Studie identifiziert das Muskelvolumen, das von Routine-CT-Scans abgeleitet wird, als Hauptvorhersage des Überlebens bei Patienten mit schweren Atemwegsinfektionen. Die Ergebnisse unterstreichen das Potenzial von AI unterstützten CT-basierten Körperzusammensetzungsanalysen zur Risikoschichtung und klinischen Entscheidungsfindung, nicht nur für COVID-19 Patienten, sondern auch für alle Patienten über 60 Jahre mit schweren akuten Atemwegsinfektionen. Die innovative Anwendung vortrainierter Tiefenlernmodelle eröffnet neue Möglichkeiten zur automatisierten und standardisierten Bewertung in der klinischen Praxis.
| DOI: | 10.1007/s15010-025-02555-3 |
Abstract:
Schwere Atemwegsinfektionen stellen eine große Herausforderung in der klinischen Praxis dar, vor allem bei älteren Erwachsenen. Die Analyse der Körperzusammensetzung könnte eine entscheidende Rolle bei der Risikobewertung und der therapeutischen Entscheidungsfindung spielen. Diese Studie untersucht, ob Adipositas oder Sarkoopenie einen größeren Einfluss auf die Mortalität bei Patienten mit schweren Atemwegsinfektionen hat. Die Studie konzentriert sich auf die Kohorte National Pandemic Cohort Network (NAPKON-SUEP), die Patienten über 60 Jahre mit bestätigter schwerer COVID-19-Pneumonie umfasst. Ein innovativer Ansatz wurde angenommen, mit vortrainierten Tiefenlernmodellen zur automatisierten Analyse der Körperzusammensetzung auf Basis von Routine-Torakic-CT-Scans. Die Studie umfasste 157 Krankenhauspatienten (mittleres Alter 70 ± 8 Jahre, 41% Frauen, Mortalitätsrate 39%) aus der NAPKON-SUEP Kohorte an 57 Studienplätzen. Ein vortrainiertes Tiefenlernmodell wurde verwendet, um Körperzusammensetzung (Muskel, Knochen, Fett und intramuskuläre Fettvolumina) aus thorakalen CT-Bildern des NAPKON-SUEP Kohorts zu analysieren. Binäre logistische Regression wurde durchgeführt, um den Zusammenhang zwischen Fettleibigkeit, Sarkoopenie und Mortalität zu untersuchen. Nicht-Überlebende zeigten ein geringeres Muskelvolumen (p = 0,043), ein höheres intramuskuläres Fettvolumen (p = 0,041) und ein höheres BMI (p = 0,031) im Vergleich zu Überlebenden. Unter allen Körperzusammensetzungsparametern war das auf das Gewicht eingestellte Muskelvolumen der stärkste Mortalitätsvorhersage im logistischen Regressionsmodell, auch nach der Anpassung an Faktoren wie Geschlecht, Alter, Diabetes, chronische Lungenerkrankungen und chronische Nierenerkrankungen (Dosisverhältnis = 0,516). Im Gegensatz dazu zeigte BMI nach der Anpassung an Komorbiditäten keine signifikanten Unterschiede. Diese Studie identifiziert das Muskelvolumen, das von Routine-CT-Scans abgeleitet wird, als Hauptvorhersage des Überlebens bei Patienten mit schweren Atemwegsinfektionen. Die Ergebnisse unterstreichen das Potenzial von AI unterstützten CT-basierten Körperzusammensetzungsanalysen zur Risikoschichtung und klinischen Entscheidungsfindung, nicht nur für COVID-19 Patienten, sondern auch für alle Patienten über 60 Jahre mit schweren akuten Atemwegsinfektionen. Die innovative Anwendung vortrainierter Tiefenlernmodelle eröffnet neue Möglichkeiten zur automatisierten und standardisierten Bewertung in der klinischen Praxis.
[en]
K. Allgoewer,
C. Stark,
A. Fitzek,
T. Huter,
A. Heinemann and
B. Ondruschka,
"Impact of the COVID-19 pandemic on admissions of deceased to an institute of legal medicine in Germany",
Scientific Reports,
vol. 15,
no. 1,
pp. 15115,
Apr.
2025.
Abstract:
All over the world, the COVID-19 pandemic has impacted mortality beyond deaths that can be directly attributed to the viral disease. This study investigates the effects of the pandemic on admissions of deceased to a large institute of legal medicine and metropolitan morgue in Germany. Employing statistical models, the general time trend was separated from the effect of the pandemic in terms of place of death, autopsy category, age and sex. In addition, the pandemic’s impact on one of the structurally most important public health determinants, poverty, on numbers of admissions in different place of death categories was analyzed. We find that the pandemic has caused a significant increase in admissions of those who died at residential addresses, which appears to be primarily driven by SARS-CoV-2 negative cases, and those who died in retirement and care facilities, with a significant overrepresentation of SARS-CoV-2 positive cases. A high degree of poverty in a neighborhood does not impact the likelihood to be admitted to the institute in those two categories before or during the pandemic. For dead bodies found in public spaces, however, a poverty variable causes a significant increase in the number of admissions during the pre-pandemic phase. Interestingly, this effect is reversed during the pandemic period. The number of admissions without an autopsy being ordered or requested increased significantly during the pandemic. Further, the COVID-19 pandemic caused a significant increase in admissions in the senile population. Our results indicate that the reluctance of treating physicians to conduct house calls to certify a death has persisted throughout the pandemic and has caused a surge of admissions of deceased to the institute of legal medicine without any criminological indications or subsequent rise in forensic autopsy orders.
| DOI: | 10.1038/s41598-025-97117-w |
| Datei: | https://www.nature.com/articles/s41598-025-97117-w |
Abstract:
All over the world, the COVID-19 pandemic has impacted mortality beyond deaths that can be directly attributed to the viral disease. This study investigates the effects of the pandemic on admissions of deceased to a large institute of legal medicine and metropolitan morgue in Germany. Employing statistical models, the general time trend was separated from the effect of the pandemic in terms of place of death, autopsy category, age and sex. In addition, the pandemic’s impact on one of the structurally most important public health determinants, poverty, on numbers of admissions in different place of death categories was analyzed. We find that the pandemic has caused a significant increase in admissions of those who died at residential addresses, which appears to be primarily driven by SARS-CoV-2 negative cases, and those who died in retirement and care facilities, with a significant overrepresentation of SARS-CoV-2 positive cases. A high degree of poverty in a neighborhood does not impact the likelihood to be admitted to the institute in those two categories before or during the pandemic. For dead bodies found in public spaces, however, a poverty variable causes a significant increase in the number of admissions during the pre-pandemic phase. Interestingly, this effect is reversed during the pandemic period. The number of admissions without an autopsy being ordered or requested increased significantly during the pandemic. Further, the COVID-19 pandemic caused a significant increase in admissions in the senile population. Our results indicate that the reluctance of treating physicians to conduct house calls to certify a death has persisted throughout the pandemic and has caused a surge of admissions of deceased to the institute of legal medicine without any criminological indications or subsequent rise in forensic autopsy orders.
G. L. Frank,
P. Linnemann,
M. Ramm,
G. Schneider,
S. M. Kahnert,
A. Janssen and
R. Conrad,
"Influences of sociodemographic and psychological factors on the improvement of trait resilience after inpatient psychotherapeutic treatment",
Journal of Psychosomatic Research,
vol. 195,
pp. 112185,
Aug.
2025.
Abstract:
In dieser Studie wurde untersucht, wie sich seelische Widerstandskraft (Resilienz) während einer stationären psychosomatischen Psychotherapie verändert. Die Ergebnisse zeigen, dass die Resilienz der 225 Patientinnen und Patienten vom Aufnahme- bis zum Entlassungszeitpunkt deutlich zunahm. Besonders stark profitierten Personen, die zu Beginn eine schlechtere Lebensqualität oder mehr belastende Kindheitserfahrungen hatten. Ein höheres Gefühl von innerer Stabilität und Verstehbarkeit des eigenen Lebens (Sense of Coherence) war insgesamt mit höherer Resilienz verbunden. Die Studie zeigt, dass psychosomatische Therapie die Widerstandskraft stärken kann und dass Resilienz ein wichtiges Therapieziel sein sollte.
| DOI: | https://doi.org/10.1016/j.jpsychores.2025.112185 |
| Datei: | https://www.sciencedirect.com/science/article/pii/S0022399925001497 |
Abstract:
In dieser Studie wurde untersucht, wie sich seelische Widerstandskraft (Resilienz) während einer stationären psychosomatischen Psychotherapie verändert. Die Ergebnisse zeigen, dass die Resilienz der 225 Patientinnen und Patienten vom Aufnahme- bis zum Entlassungszeitpunkt deutlich zunahm. Besonders stark profitierten Personen, die zu Beginn eine schlechtere Lebensqualität oder mehr belastende Kindheitserfahrungen hatten. Ein höheres Gefühl von innerer Stabilität und Verstehbarkeit des eigenen Lebens (Sense of Coherence) war insgesamt mit höherer Resilienz verbunden. Die Studie zeigt, dass psychosomatische Therapie die Widerstandskraft stärken kann und dass Resilienz ein wichtiges Therapieziel sein sollte.
L. B,
E. S,
L. WM,
S. D,
S. R,
N. J and
P. T,
"Large language models for patient education prior to interventional radiology procedures: a comparative study.",
CVIR endovascular,
Okt.
2025.
Abstract:
Diese Studie untersucht vier große Sprachmodelle (LLMs) in der Lage, häufige Patientenfragen vor der transarteriellen periartikulären Embolisierung (TAPE), der berechneten Tomographie (CT)-geführten High-Dosis-Rate (HDR) Brachytherapie und der Blutomycinelektrotherapie (BEST) zu beantworten. Ziel ist es, ihr Potenzial zur Verbesserung der klinischen Arbeitsabläufe und des Patientenverständnisses zu bewerten und gleichzeitig die damit verbundenen Risiken zu bewerten. Thirty-five TAPE, 34 CT-HDR Brachytherapie, und 36 BEST bezogene Fragen wurden an ChatGPT-4o, DeepSeek-V3, OpenBioLLM-8b und BioMistral-7b gestellt. Die LLM-generierten Reaktionen wurden unabhängig von zwei Board-zertifizierten Radiologen bewertet. Die Genauigkeit wurde auf einer 5-Punkt-Skala von Likert bewertet. Statistiken verglichen LLM-Leistungen in Fragekategorien für Patienten-Erziehungstauglichkeit. DeepSeek-V3 erreichte die höchsten Durchschnittswerte für BEST [4.49 (± 0.77)] und CT-HDR [4.24 (± 0.81)] und demonstrierte vergleichbare Performance mit ChatGPT-4o für TAPE-bezogene Fragen (DeepSeek-V3 [4.20 (± 0.77)] vs. ChatGPT-4o [4.17 (± 0.64)]; p = 1.000). Im Gegensatz dazu führten OpenBioLLM-8b (BEST 3.51 (± 1.15), CT-HDR 3.32 (± 1.13), TAPE 3.34 (± 1.16)) und BioMistral-7b (BEST 2.92 (± 1.35), CT-HDR 3.03 (± 1.06), TAPE 3.33 (± 1.28) deutlich schlechter aus als DeepSeek-V3 und ChatGPT-4o. Vorbereitung/Planung war die einzige Kategorie ohne statistisch signifikante Unterschiede in allen drei Verfahren. DeepSeek-V3 und ChatGPT-4o über TAPE, BEST und CT-HDR Brachytherapie-Fragen, die das Potenzial zur Verbesserung der Patientenausbildung in der interventionellen Radiologie angeben, wo komplexe aber minimalinvasive Verfahren oft in kurzen Konsultationen erklärt werden. Allerdings zeigten OpenBioLLM-8b und BioMistral-7b häufigere Ungenauigkeiten, was darauf hindeutete, dass LLMs noch keine umfassenden klinischen Konsultationen ersetzen kann. Patientenfeedback und klinische Workflow-Implementierung sollten diese Ergebnisse validieren.
| DOI: | 10.1186/s42155-025-00609-z |
Abstract:
Diese Studie untersucht vier große Sprachmodelle (LLMs) in der Lage, häufige Patientenfragen vor der transarteriellen periartikulären Embolisierung (TAPE), der berechneten Tomographie (CT)-geführten High-Dosis-Rate (HDR) Brachytherapie und der Blutomycinelektrotherapie (BEST) zu beantworten. Ziel ist es, ihr Potenzial zur Verbesserung der klinischen Arbeitsabläufe und des Patientenverständnisses zu bewerten und gleichzeitig die damit verbundenen Risiken zu bewerten. Thirty-five TAPE, 34 CT-HDR Brachytherapie, und 36 BEST bezogene Fragen wurden an ChatGPT-4o, DeepSeek-V3, OpenBioLLM-8b und BioMistral-7b gestellt. Die LLM-generierten Reaktionen wurden unabhängig von zwei Board-zertifizierten Radiologen bewertet. Die Genauigkeit wurde auf einer 5-Punkt-Skala von Likert bewertet. Statistiken verglichen LLM-Leistungen in Fragekategorien für Patienten-Erziehungstauglichkeit. DeepSeek-V3 erreichte die höchsten Durchschnittswerte für BEST [4.49 (± 0.77)] und CT-HDR [4.24 (± 0.81)] und demonstrierte vergleichbare Performance mit ChatGPT-4o für TAPE-bezogene Fragen (DeepSeek-V3 [4.20 (± 0.77)] vs. ChatGPT-4o [4.17 (± 0.64)]; p = 1.000). Im Gegensatz dazu führten OpenBioLLM-8b (BEST 3.51 (± 1.15), CT-HDR 3.32 (± 1.13), TAPE 3.34 (± 1.16)) und BioMistral-7b (BEST 2.92 (± 1.35), CT-HDR 3.03 (± 1.06), TAPE 3.33 (± 1.28) deutlich schlechter aus als DeepSeek-V3 und ChatGPT-4o. Vorbereitung/Planung war die einzige Kategorie ohne statistisch signifikante Unterschiede in allen drei Verfahren. DeepSeek-V3 und ChatGPT-4o über TAPE, BEST und CT-HDR Brachytherapie-Fragen, die das Potenzial zur Verbesserung der Patientenausbildung in der interventionellen Radiologie angeben, wo komplexe aber minimalinvasive Verfahren oft in kurzen Konsultationen erklärt werden. Allerdings zeigten OpenBioLLM-8b und BioMistral-7b häufigere Ungenauigkeiten, was darauf hindeutete, dass LLMs noch keine umfassenden klinischen Konsultationen ersetzen kann. Patientenfeedback und klinische Workflow-Implementierung sollten diese Ergebnisse validieren.
K. J,
H. R,
G. L,
F. P,
B. J,
Z. D,
L. KR,
O. OA,
L. S,
S. M,
M. D,
K. C,
P. T and
S. M,
"Large Language Models-Supported Thrombectomy Decision-Making in Acute Ischemic Stroke Based on Radiology Reports: Feasibility Qualitative Study.",
Journal of medical Internet research,
Feb.
2025.
Abstract:
Die neueste Weiterentwicklung der künstlichen Intelligenz (KI) ist ein generativer vortrainierter Transformator mit großen Sprachmodellen (LLMs). Sie wurden auf massive Textmengen geschult und ermöglichten menschliche und semantische Antworten auf textbasierte Eingaben und Anfragen. Das Potenzial solcher Werkzeuge für die medizinische Datenintegration und die klinische Entscheidungsfindung ist noch nicht klar. In dieser Studie untersuchen wir das Potenzial von LLMs in der berichtsbasierten medizinischen Entscheidungsfindung am Beispiel eines akuten ischämischen Schlaganfalls (AIS), wo klinische und bildbasierte Informationen einen unmittelbaren Bedarf an mechanischer Thrombektomie (MT) andeuten können. Ziel war es, die Durchführbarkeit der Integration von Radiologieberichtsdaten und anderen klinischen Informationen im Kontext der Therapieentscheidungsfindung mit LLMs zu klären. 100 Patienten mit AIS wurden rückwirkend aufgenommen, für die 50 % (50/100) für MT angegeben wurden, während die anderen 50 % (50/100) nicht waren. Der LLM wurde mit dem berechneten Tomographiebericht, Informationen über neurologische Symptome und das Alter der Patienten versorgt. Die Leistung des KI-Entscheidungsmodells wurde mit einem Expertenkonsens zur binären Bestimmung der MT-Indikation verglichen, für die Empfindlichkeit, Spezifität und Genauigkeit berechnet wurden. Das AI-Modell hatte eine Gesamtgenauigkeit von 88%, mit einer Spezifität von 96% und einer Empfindlichkeit von 80%. Der Bereich unter der Kurve für die berichtsbasierte MT-Entscheidung betrug 0,92. Die LLM erreichte vielversprechende Genauigkeit bei der Bestimmung der Förderfähigkeit von Patienten mit AIS für MT auf Basis von Radiologieberichten und klinischen Informationen. Unsere Ergebnisse unterstreichen das Potenzial von LLMs für die radiologische und medizinische Datenintegration. Diese Untersuchung sollte als Anreiz für weitere klinische Anwendungen von LLMs dienen, bei denen diese KI als verstärktes Unterstützungssystem für die menschliche Entscheidungsfindung verwendet werden sollte.
| DOI: | 10.2196/48328 |
Abstract:
Die neueste Weiterentwicklung der künstlichen Intelligenz (KI) ist ein generativer vortrainierter Transformator mit großen Sprachmodellen (LLMs). Sie wurden auf massive Textmengen geschult und ermöglichten menschliche und semantische Antworten auf textbasierte Eingaben und Anfragen. Das Potenzial solcher Werkzeuge für die medizinische Datenintegration und die klinische Entscheidungsfindung ist noch nicht klar. In dieser Studie untersuchen wir das Potenzial von LLMs in der berichtsbasierten medizinischen Entscheidungsfindung am Beispiel eines akuten ischämischen Schlaganfalls (AIS), wo klinische und bildbasierte Informationen einen unmittelbaren Bedarf an mechanischer Thrombektomie (MT) andeuten können. Ziel war es, die Durchführbarkeit der Integration von Radiologieberichtsdaten und anderen klinischen Informationen im Kontext der Therapieentscheidungsfindung mit LLMs zu klären. 100 Patienten mit AIS wurden rückwirkend aufgenommen, für die 50 % (50/100) für MT angegeben wurden, während die anderen 50 % (50/100) nicht waren. Der LLM wurde mit dem berechneten Tomographiebericht, Informationen über neurologische Symptome und das Alter der Patienten versorgt. Die Leistung des KI-Entscheidungsmodells wurde mit einem Expertenkonsens zur binären Bestimmung der MT-Indikation verglichen, für die Empfindlichkeit, Spezifität und Genauigkeit berechnet wurden. Das AI-Modell hatte eine Gesamtgenauigkeit von 88%, mit einer Spezifität von 96% und einer Empfindlichkeit von 80%. Der Bereich unter der Kurve für die berichtsbasierte MT-Entscheidung betrug 0,92. Die LLM erreichte vielversprechende Genauigkeit bei der Bestimmung der Förderfähigkeit von Patienten mit AIS für MT auf Basis von Radiologieberichten und klinischen Informationen. Unsere Ergebnisse unterstreichen das Potenzial von LLMs für die radiologische und medizinische Datenintegration. Diese Untersuchung sollte als Anreiz für weitere klinische Anwendungen von LLMs dienen, bei denen diese KI als verstärktes Unterstützungssystem für die menschliche Entscheidungsfindung verwendet werden sollte.
H. J,
M. C,
L. T,
T. N and
B. F,
"Long-term effects of SARS-CoV-2 infection and vaccination in a population-based pediatric cohort.",
Scientific reports,
Jan.
2025.
Abstract:
Während der Omicron-Welle der COVID-19 Pandemie und der verfügbaren SARS-CoV-2 Impfstoffe stiegen die Seroprevalenzraten bei Kindern und Jugendlichen. Diese Studie untersuchte die Auswirkungen von sowohl SARS-CoV-2 Infektionen als auch Impfungen auf das Auftreten von akuten und verlängerten Symptomen bei realen Bedingungen während des Übergangs von der Pandemie in die endemische Phase. Den Teilnehmern einer pädiatrischen Bevölkerungsanalyse (CorKID-Studie) folgten mindestens zwei und fast vier Jahre lang eine Untersuchung der gesundheitlichen Statusmerkmale und Symptome, die auf das post-COVID-Syndrom (PCS) hindeuten. In einer Untergruppe (n = 259) wurde die SARS-CoV-2 Antikörperserologie weiter untersucht. 789 Teilnehmer der ursprünglichen CorKID-Studienkohorte (n = 2.121; 37,2%) wurden einbezogen. 67,9% meldeten mindestens eine SARS-CoV2-Infektion. 46,6% hatten eine oder mehrere SARS-CoV-2 Impfungen erhalten. In der überwiegenden Mehrheit serologisch getesteter Teilnehmer wurden nach Infektion und/oder Impfung wieder Antikörper SARS-CoV-2 Spike (98,9%) oder Nucleocapsid (93,3%) Antigen nachgewiesen. Mindestens 30% erfahrene eine nicht erkannte SARS-CoV-2 Infektion. Der allgemeine Gesundheitsstatus war zwischen Kindern vergleichbar, unabhängig von SARS-CoV-2 Infektionen und ähnlich der vor-pandemischen Bewertung. Eine Untergruppe junger Jugendlicher zeigte jedoch einen Rückgang der körperlichen Leistung im Vergleich zu vor-pandemischen Bedingungen. Nach der Infektion bestanden PCS-ähnliche Symptome in 7% der Befragten für mehr als drei Monate und bis zu vier Jahre. SARS-CoV-2 geimpften Teilnehmern (47%) berichteten 12% weniger akute flu-ähnliche Infektionen außer SARS-CoV-2. Fast alle Teilnehmer entwickelten in dieser Längsstudie SARS-CoV-2 Antikörper entweder durch Impfung oder Infektion während der Omicron-Welle. Etwa 7 % der Teilnehmer litten unter PCS-Symptomen, überwiegend Müdigkeit und Erschöpfung. Darüber hinaus meldeten die Teilnehmer, die Impfungen gegen SARS-CoV-2 erhielten, bei der Folge eine geringere Häufigkeit akuter Infektionen.
| DOI: | 10.1038/s41598-024-84140-6 |
Abstract:
Während der Omicron-Welle der COVID-19 Pandemie und der verfügbaren SARS-CoV-2 Impfstoffe stiegen die Seroprevalenzraten bei Kindern und Jugendlichen. Diese Studie untersuchte die Auswirkungen von sowohl SARS-CoV-2 Infektionen als auch Impfungen auf das Auftreten von akuten und verlängerten Symptomen bei realen Bedingungen während des Übergangs von der Pandemie in die endemische Phase. Den Teilnehmern einer pädiatrischen Bevölkerungsanalyse (CorKID-Studie) folgten mindestens zwei und fast vier Jahre lang eine Untersuchung der gesundheitlichen Statusmerkmale und Symptome, die auf das post-COVID-Syndrom (PCS) hindeuten. In einer Untergruppe (n = 259) wurde die SARS-CoV-2 Antikörperserologie weiter untersucht. 789 Teilnehmer der ursprünglichen CorKID-Studienkohorte (n = 2.121; 37,2%) wurden einbezogen. 67,9% meldeten mindestens eine SARS-CoV2-Infektion. 46,6% hatten eine oder mehrere SARS-CoV-2 Impfungen erhalten. In der überwiegenden Mehrheit serologisch getesteter Teilnehmer wurden nach Infektion und/oder Impfung wieder Antikörper SARS-CoV-2 Spike (98,9%) oder Nucleocapsid (93,3%) Antigen nachgewiesen. Mindestens 30% erfahrene eine nicht erkannte SARS-CoV-2 Infektion. Der allgemeine Gesundheitsstatus war zwischen Kindern vergleichbar, unabhängig von SARS-CoV-2 Infektionen und ähnlich der vor-pandemischen Bewertung. Eine Untergruppe junger Jugendlicher zeigte jedoch einen Rückgang der körperlichen Leistung im Vergleich zu vor-pandemischen Bedingungen. Nach der Infektion bestanden PCS-ähnliche Symptome in 7% der Befragten für mehr als drei Monate und bis zu vier Jahre. SARS-CoV-2 geimpften Teilnehmern (47%) berichteten 12% weniger akute flu-ähnliche Infektionen außer SARS-CoV-2. Fast alle Teilnehmer entwickelten in dieser Längsstudie SARS-CoV-2 Antikörper entweder durch Impfung oder Infektion während der Omicron-Welle. Etwa 7 % der Teilnehmer litten unter PCS-Symptomen, überwiegend Müdigkeit und Erschöpfung. Darüber hinaus meldeten die Teilnehmer, die Impfungen gegen SARS-CoV-2 erhielten, bei der Folge eine geringere Häufigkeit akuter Infektionen.
H. Valentin,
H. Rau and
D. Stahl,
"Managing withdrawals and exclusions in randomized controlled trials: results from a methodological survey",
BMC Anesthesiology,
vol. 25,
no. 1,
pp. 148,
2025.
| DOI: | 10.1186/s12874-025-02526-0 |
H. S,
S. K,
J. M,
D. S,
K. S,
M. C,
S. J,
P. K,
P. J,
B. R,
B. F and
T. N,
"PaedVacCOVID - safety of the BNT162b2 vaccine against the SARS-CoV-2 in children with and without comorbidities aged 5 to 11 years.",
Infection,
Apr.
2025.
Abstract:
Über spezifische Sicherheitsaspekte bei Kindern mit signifikanten Komorbiditäten, die den mRNA-Impfstoff BNT162b2 erhalten, ist wenig bekannt, da Zulassungsstudien diese Population nicht ansprechen. Diese Studie dient der Bewertung von Sicherheit und negativen Ereignissen in diesen Kindern im Vergleich zu gesunden Kindern. In dieser prospektiven, multizentrischen, branchenunabhängigen Kohortenstudie wurden Pflegekräfte, deren Kinder BNT162b2 erhielten, gebeten, an einem Online-Fragebogen teilzunehmen. Mögliche Nebenwirkungen wurden in zehn organbezogenen Kategorien bewertet. Die Häufigkeit der Symptome wurde in beiden Kohorten durch bivariate Analyse verglichen. Aus insgesamt 1.294 Antworten auf den Fragebogen wurden 793 Datensätze in die Analyse einbezogen (179 Kinder mit Komorbiditäten und 614 gesunde Kinder). Antworten wurden in einer Median von 17 Tagen nach der Impfung gegeben. Insgesamt war die Sicherheit von BNT162b2 in beiden Kohorten hoch. Psychologisch (OR: 3.56, [95% CI: 1.461 bis 8.629]), pulmonal (OR: 7.14, [95% CI: 2.039 bis 21.48]), gastrointestinal (OR: 2.35, [95% CI: 1.231 bis 4.665]), neurologische (OR: 1.74, [95% CI: 1.078 bis 2.796]) und dermatologische (OR: 2.28, Die höhere Rate der gemeldeten post-vaccination Symptome könnte entweder auf eine höhere Anfälligkeit für symptomatische Effekte nach Immunstimulation oder aufgrund eines trainierten Bewusstseins für gesundheitsbezogene Symptome zurückzuführen sein. Die Daten unterstreichen die Bedeutung, die Sicherheit der neuen mRNA COVID-19 Impfstoffe nicht nur bei gesunden Kindern, sondern auch bei Kindern mit Komorbiditäten zu bewerten. Für pharmazeutische Unternehmen sollte eine solche Bewertung zwingend vorgeschrieben werden.
| DOI: | 10.1007/s15010-024-02427-2 |
Abstract:
Über spezifische Sicherheitsaspekte bei Kindern mit signifikanten Komorbiditäten, die den mRNA-Impfstoff BNT162b2 erhalten, ist wenig bekannt, da Zulassungsstudien diese Population nicht ansprechen. Diese Studie dient der Bewertung von Sicherheit und negativen Ereignissen in diesen Kindern im Vergleich zu gesunden Kindern. In dieser prospektiven, multizentrischen, branchenunabhängigen Kohortenstudie wurden Pflegekräfte, deren Kinder BNT162b2 erhielten, gebeten, an einem Online-Fragebogen teilzunehmen. Mögliche Nebenwirkungen wurden in zehn organbezogenen Kategorien bewertet. Die Häufigkeit der Symptome wurde in beiden Kohorten durch bivariate Analyse verglichen. Aus insgesamt 1.294 Antworten auf den Fragebogen wurden 793 Datensätze in die Analyse einbezogen (179 Kinder mit Komorbiditäten und 614 gesunde Kinder). Antworten wurden in einer Median von 17 Tagen nach der Impfung gegeben. Insgesamt war die Sicherheit von BNT162b2 in beiden Kohorten hoch. Psychologisch (OR: 3.56, [95% CI: 1.461 bis 8.629]), pulmonal (OR: 7.14, [95% CI: 2.039 bis 21.48]), gastrointestinal (OR: 2.35, [95% CI: 1.231 bis 4.665]), neurologische (OR: 1.74, [95% CI: 1.078 bis 2.796]) und dermatologische (OR: 2.28, Die höhere Rate der gemeldeten post-vaccination Symptome könnte entweder auf eine höhere Anfälligkeit für symptomatische Effekte nach Immunstimulation oder aufgrund eines trainierten Bewusstseins für gesundheitsbezogene Symptome zurückzuführen sein. Die Daten unterstreichen die Bedeutung, die Sicherheit der neuen mRNA COVID-19 Impfstoffe nicht nur bei gesunden Kindern, sondern auch bei Kindern mit Komorbiditäten zu bewerten. Für pharmazeutische Unternehmen sollte eine solche Bewertung zwingend vorgeschrieben werden.
F. P,
M. F,
Z. H,
M. D,
W. J,
M. D,
K. J,
S. R and
P. T,
"Performance of AI Approaches for COVID-19 Diagnosis Using Chest CT Scans: The Impact of Architecture and Dataset.",
RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin,
Apr.
2025.
Abstract:
AI entsteht als vielversprechendes Werkzeug zur Diagnose von COVID-19 basierend auf Brust-CT-Scans. Ziel dieser Studie war der Vergleich von KI-Modellen zur COVID-19-Diagnostik. Daher haben wir: (1) mit einem großen, klinisch relevanten CT-Datensatz drei verschiedene KI-Modelle zur Klassifikation von COVID-19 und Nicht-COVID-19-Pneumonie (nCP) trainiert, (2) die Modellleistung mit einem unabhängigen Testsatz bewertet und (3) die Modelle sowohl algorithmisch als auch experimentell verglichen. In dieser multizentrischen Multi-Vendor-Studie haben wir n=1591 Brust-CT-Scans von COVID-19 (n=762) und nCP (n=829) Patienten aus China und Deutschland gesammelt. In Deutschland wurden die Daten von drei RACOON-Standorten erhoben. Wir trainierten und validierten drei COVID-19 AI-Modelle mit unterschiedlichen Architekturen: COVNet basierend auf 2D-CNN, DeCoVnet basierend auf 3D-CNN und AD3D-MIL basierend auf 3D-CNN mit Aufmerksamkeitsmodul. 991 CT-Scans wurden zur Ausbildung der KI-Modelle mit 5-facher Quervalidierung verwendet. Für unabhängige Tests wurden 600 CT-Scans aus 6 verschiedenen Zentren verwendet. Die Leistung der Modelle wurde mit Genauigkeit (Acc), Empfindlichkeit (Se) und Spezifität (Sp) bewertet. Die durchschnittliche Validierungsgenauigkeit der COVNet-, DeCoVnet- und AD3D-MIL-Modelle über die 5 Falten betrug 80,9%, 82,0% bzw. 84,3%. Auf dem unabhängigen Testsatz mit n=600 CT-Scans lieferte COVNet Acc=76.6%, Se=67.8%, Sp=85.7%; DeCoVnet lieferte Acc=75.1%, Se=61.2%, Sp=89.7%; und AD3D-MIL erreichten Acc=73.9%, Se=57.7%, Sp=90.8%. Die Klassifikationsleistung der bewerteten KI-Modelle ist nicht von der Architektur selbst stark abhängig. Unsere Ergebnisse zeigen eine hohe Spezifität und moderate Empfindlichkeit. Die KI-Klassifikationsmodelle sollten nicht unbeaufsichtigt verwendet werden, sondern könnten Radiologen bei der COVID-19 und der NCP-Identifizierung unterstützen. · Diese Studie vergleicht KI-Ansätze zur Diagnose von COVID-19 in Brust-CT-Scans, die für die weitere Optimierung der Versorgung von Gesundheits- und Pandemievorbereitungen unerlässlich sind. · Unsere Experimente mit einem multicenter, multi-vendor, diversen Datensatz zeigen, dass die Trainingsdaten der Schlüsselfaktor für die Bestimmung der diagnostischen Leistung sind. · Die KI-Modelle sollten nicht unübertroffen, sondern als Werkzeug zur Unterstützung von Radiologen verwendet werden. · Jaiswal A, Fervers P, Meng F et al. Performance von KI-Ansätzen für COVID-19-Diagnose mit Chest CT-Scans: Die Auswirkungen von Architektur und Datensatz. Rofo 2025; DOI 10.1055/a-2577-3928.
| DOI: | 10.1055/a-2577-3928 |
Abstract:
AI entsteht als vielversprechendes Werkzeug zur Diagnose von COVID-19 basierend auf Brust-CT-Scans. Ziel dieser Studie war der Vergleich von KI-Modellen zur COVID-19-Diagnostik. Daher haben wir: (1) mit einem großen, klinisch relevanten CT-Datensatz drei verschiedene KI-Modelle zur Klassifikation von COVID-19 und Nicht-COVID-19-Pneumonie (nCP) trainiert, (2) die Modellleistung mit einem unabhängigen Testsatz bewertet und (3) die Modelle sowohl algorithmisch als auch experimentell verglichen. In dieser multizentrischen Multi-Vendor-Studie haben wir n=1591 Brust-CT-Scans von COVID-19 (n=762) und nCP (n=829) Patienten aus China und Deutschland gesammelt. In Deutschland wurden die Daten von drei RACOON-Standorten erhoben. Wir trainierten und validierten drei COVID-19 AI-Modelle mit unterschiedlichen Architekturen: COVNet basierend auf 2D-CNN, DeCoVnet basierend auf 3D-CNN und AD3D-MIL basierend auf 3D-CNN mit Aufmerksamkeitsmodul. 991 CT-Scans wurden zur Ausbildung der KI-Modelle mit 5-facher Quervalidierung verwendet. Für unabhängige Tests wurden 600 CT-Scans aus 6 verschiedenen Zentren verwendet. Die Leistung der Modelle wurde mit Genauigkeit (Acc), Empfindlichkeit (Se) und Spezifität (Sp) bewertet. Die durchschnittliche Validierungsgenauigkeit der COVNet-, DeCoVnet- und AD3D-MIL-Modelle über die 5 Falten betrug 80,9%, 82,0% bzw. 84,3%. Auf dem unabhängigen Testsatz mit n=600 CT-Scans lieferte COVNet Acc=76.6%, Se=67.8%, Sp=85.7%; DeCoVnet lieferte Acc=75.1%, Se=61.2%, Sp=89.7%; und AD3D-MIL erreichten Acc=73.9%, Se=57.7%, Sp=90.8%. Die Klassifikationsleistung der bewerteten KI-Modelle ist nicht von der Architektur selbst stark abhängig. Unsere Ergebnisse zeigen eine hohe Spezifität und moderate Empfindlichkeit. Die KI-Klassifikationsmodelle sollten nicht unbeaufsichtigt verwendet werden, sondern könnten Radiologen bei der COVID-19 und der NCP-Identifizierung unterstützen. · Diese Studie vergleicht KI-Ansätze zur Diagnose von COVID-19 in Brust-CT-Scans, die für die weitere Optimierung der Versorgung von Gesundheits- und Pandemievorbereitungen unerlässlich sind. · Unsere Experimente mit einem multicenter, multi-vendor, diversen Datensatz zeigen, dass die Trainingsdaten der Schlüsselfaktor für die Bestimmung der diagnostischen Leistung sind. · Die KI-Modelle sollten nicht unübertroffen, sondern als Werkzeug zur Unterstützung von Radiologen verwendet werden. · Jaiswal A, Fervers P, Meng F et al. Performance von KI-Ansätzen für COVID-19-Diagnose mit Chest CT-Scans: Die Auswirkungen von Architektur und Datensatz. Rofo 2025; DOI 10.1055/a-2577-3928.
R. T,
H. AT,
M. C,
D. R,
K. R,
B. GMN,
B. P,
B. R,
D. CM,
G. K,
H. L,
H. O,
I. O,
K. M,
M. L,
N. M,
SN,
S. M,
S. Y,
S. D,
T. N,
T. N,
V. J,
W. WA,
V. MJGT and
B. F,
"Performance of whole blood interferon-γ release assays in SARS-CoV-2 and tuberculosis is age dependent.",
Infection,
Dez.
2025.
Abstract:
Viele Untersuchungen wurden durchgeführt, vor allem auf Tuberkulose (TB), inwieweit zellulärer Immunschutz gemäß Interferon-γ-Freisetzungs-Assays (IGRA) altersabhängig ist. In einer früheren Studie zeigten wir, dass nach einer Omicron-Infektion Jugendliche mit einer hybriden Immunität eine höhere Wahrscheinlichkeit hatten, eine reaktive SARS-CoV-2-spezifische IGRA als Kinder zu haben. Daher haben wir in einer großen Gruppe von Minderjährigen und Erwachsenen untersucht, ob das Alter die zelluläre Immunität gemäß IGRA in TB und SARS-CoV-2 beeinflusst. Zelluläre Immunität wurde mit SARS-CoV-2 und Tb-spezifischen IGRA und humoraler Immunität gegen SARS-CoV-2 durch Messung von Antikörpern gegen Spike (S) und Nukleocapsidprotein analysiert. Die Analyse erfolgte je nach natürlicher (konvaleszenter, nicht geimpfter) oder hybrider Immunität (konvaleszent und geimpft). Insgesamt wurden 1401 Erwachsene und 392 Minderjährige einbezogen. Die von T-Zellen freigesetzte Menge an Interferon-γ sowie die Wahrscheinlichkeit eines positiven SARS-CoV-2 IGRA (OR 1.022) und eines positiven Tb IGRA (OR 1.047) waren altersabhängig. Die Empfindlichkeit von SARS-CoV-2 IGRA in der natürlichen Immunität war in Minderjährigen (0,45), vor allem in den weniger als 5 Jahren (0,299) im Vergleich zu Erwachsenen (0,66). Die interferon-γ Reaktion auf SARS-CoV-2 Infektionen und/oder Impfungen und Tb-Infektionen gemäß IGRA ist in Qualität und Menge abhängig vom Alter. Die Sensitivität kommerziell erhältlicher Tests bei jungen Kindern scheint suboptimal zu sein, ihre Verwendung als Diagnose- oder Forschungsinstrument in dieser Altersgruppe einzuschränken.
| DOI: | 10.1007/s15010-025-02613-w |
Abstract:
Viele Untersuchungen wurden durchgeführt, vor allem auf Tuberkulose (TB), inwieweit zellulärer Immunschutz gemäß Interferon-γ-Freisetzungs-Assays (IGRA) altersabhängig ist. In einer früheren Studie zeigten wir, dass nach einer Omicron-Infektion Jugendliche mit einer hybriden Immunität eine höhere Wahrscheinlichkeit hatten, eine reaktive SARS-CoV-2-spezifische IGRA als Kinder zu haben. Daher haben wir in einer großen Gruppe von Minderjährigen und Erwachsenen untersucht, ob das Alter die zelluläre Immunität gemäß IGRA in TB und SARS-CoV-2 beeinflusst. Zelluläre Immunität wurde mit SARS-CoV-2 und Tb-spezifischen IGRA und humoraler Immunität gegen SARS-CoV-2 durch Messung von Antikörpern gegen Spike (S) und Nukleocapsidprotein analysiert. Die Analyse erfolgte je nach natürlicher (konvaleszenter, nicht geimpfter) oder hybrider Immunität (konvaleszent und geimpft). Insgesamt wurden 1401 Erwachsene und 392 Minderjährige einbezogen. Die von T-Zellen freigesetzte Menge an Interferon-γ sowie die Wahrscheinlichkeit eines positiven SARS-CoV-2 IGRA (OR 1.022) und eines positiven Tb IGRA (OR 1.047) waren altersabhängig. Die Empfindlichkeit von SARS-CoV-2 IGRA in der natürlichen Immunität war in Minderjährigen (0,45), vor allem in den weniger als 5 Jahren (0,299) im Vergleich zu Erwachsenen (0,66). Die interferon-γ Reaktion auf SARS-CoV-2 Infektionen und/oder Impfungen und Tb-Infektionen gemäß IGRA ist in Qualität und Menge abhängig vom Alter. Die Sensitivität kommerziell erhältlicher Tests bei jungen Kindern scheint suboptimal zu sein, ihre Verwendung als Diagnose- oder Forschungsinstrument in dieser Altersgruppe einzuschränken.
K. MB,
W. T,
E. M,
S. N,
E. J,
H. C,
P. C,
S. HO,
S. FJ,
S. RE,
H. G,
W. F,
H. S and
R. DM,
"Photon-counting Detector CT Enables Pediatric Low-dose Chest Imaging With Further Reduction of Radiation Exposure.",
Investigative radiology,
Sep.
2025.
Abstract:
Photon-counting-Detektor berechnete Tomographie (PCD CT) bietet eine höhere Dosiseffizienz als herkömmliche energieintegrierende Detektor CT (EID CT), was besonders für Kinder von Vorteil ist. Ein breiter Beweis fehlt, ob häufig erworbene pädiatrische Tiefdosis-Lungenbildgebung mit PCD CT weiter verbessert werden kann. Zum Vergleich der Strahlenexposition, quantitativer und qualitativer Bildqualität der pädiatrischen Tiefdosis Brust PCD CT gegen EID CT Untersuchungen. Unverstärkte, für klinische Indikationen erworbene, niederdosisarme PCD-CT- und EID-CT-Untersuchungen wurden rückwirkend verglichen. Kohorten wurden durch Wasseräquivalentdurchmesser (Dw) und Alter (n = 44 je; Medianalter 6,3 y PCD CT vs. 7,4 y EID CT) abgestimmt. Die Strahlenexposition wurde nach Volumen CT Dosisindex (CTDIvol), Dosislängenprodukt (DLP) und größenspezifische Dosisschätzung (SSDE) analysiert. Quantitative Bildqualitätsbeurteilung beinhaltete die Platzierung von interessierenden Bereichen (ROIs) in Lunge, Herz und Leber zur Extraktion von mittlerer Dämpfung, Rauschen, Signal-Rausch-Verhältnis (SNR), Kontrast-Rausch-Verhältnis (CNR) und Wertzahlen (FOMs). Qualitative Bildqualität wurde von 3 Lesern unter Verwendung von Likert-Skalen und zusätzlichen direkten Vergleichen blind bewertet. Gewicht, Höhe und Körpermasseindex (BMI) waren zwischen den 2 Kohorten (P>0.05) nicht signifikant verschieden. PCD-CT-Untersuchungen zeigten niedrigere mediane CTDIvol (0.27 vs. 0.39 mGy, P<0.0001), DLP (6.71 vs. 8.75 mGy*cm, P<0.0001), und SSDE (0.55 vs. 0.83 mGy, P<0.0001) im Vergleich zu EID CT. Qualitative Bewertung zeigte gleiche und insgesamt ausgezeichnete Ergebnisse für beide Kohorten. PCD CT ermöglicht die pädiatrische Tiefdosis-Brustbildgebung mit geringerer Strahlungsbelichtung bei ähnlicher Bildqualität im Vergleich zu EID CT.
| DOI: | 10.1097/RLI.0000000000001234 |
Abstract:
Photon-counting-Detektor berechnete Tomographie (PCD CT) bietet eine höhere Dosiseffizienz als herkömmliche energieintegrierende Detektor CT (EID CT), was besonders für Kinder von Vorteil ist. Ein breiter Beweis fehlt, ob häufig erworbene pädiatrische Tiefdosis-Lungenbildgebung mit PCD CT weiter verbessert werden kann. Zum Vergleich der Strahlenexposition, quantitativer und qualitativer Bildqualität der pädiatrischen Tiefdosis Brust PCD CT gegen EID CT Untersuchungen. Unverstärkte, für klinische Indikationen erworbene, niederdosisarme PCD-CT- und EID-CT-Untersuchungen wurden rückwirkend verglichen. Kohorten wurden durch Wasseräquivalentdurchmesser (Dw) und Alter (n = 44 je; Medianalter 6,3 y PCD CT vs. 7,4 y EID CT) abgestimmt. Die Strahlenexposition wurde nach Volumen CT Dosisindex (CTDIvol), Dosislängenprodukt (DLP) und größenspezifische Dosisschätzung (SSDE) analysiert. Quantitative Bildqualitätsbeurteilung beinhaltete die Platzierung von interessierenden Bereichen (ROIs) in Lunge, Herz und Leber zur Extraktion von mittlerer Dämpfung, Rauschen, Signal-Rausch-Verhältnis (SNR), Kontrast-Rausch-Verhältnis (CNR) und Wertzahlen (FOMs). Qualitative Bildqualität wurde von 3 Lesern unter Verwendung von Likert-Skalen und zusätzlichen direkten Vergleichen blind bewertet. Gewicht, Höhe und Körpermasseindex (BMI) waren zwischen den 2 Kohorten (P>0.05) nicht signifikant verschieden. PCD-CT-Untersuchungen zeigten niedrigere mediane CTDIvol (0.27 vs. 0.39 mGy, P<0.0001), DLP (6.71 vs. 8.75 mGy*cm, P<0.0001), und SSDE (0.55 vs. 0.83 mGy, P<0.0001) im Vergleich zu EID CT. Qualitative Bewertung zeigte gleiche und insgesamt ausgezeichnete Ergebnisse für beide Kohorten. PCD CT ermöglicht die pädiatrische Tiefdosis-Brustbildgebung mit geringerer Strahlungsbelichtung bei ähnlicher Bildqualität im Vergleich zu EID CT.
T. J. Hartung,
F. Steigerwald,
A. Romanello,
C. Kodde,
M. Endres,
S. Frank,
P. Heuschmann,
P. Koehler,
S. Krohn,
D. Pape,
J. Schaller,
S. Stöcklein,
I. Vadasz,
J. Vehreschild,
M. Witzenrath,
T. Zoller and
C. Finke,
"Post-COVID Fatigue Is Associated With Reduced Cortical Thickness After Hospitalization",
Annals of clinical and translational neurology,
2025.
Abstract:
OBJECTIVE Neuropsychiatric symptoms are among the most prevalent sequelae of COVID-19, particularly among hospitalized patients. Recent research has identified volumetric brain changes associated with COVID-19. However, it currently remains poorly understood how brain changes relate to post-COVID fatigue and cognitive deficits. We, therefore, aimed to assess structural brain changes after hospitalization for COVID-19 and their associations with cognitive performance and fatigue. METHODS We analyzed data from n = 57 patients previously hospitalized for COVID-19 (63% male, mean age 52 years) from the prospective, multicentric high-resolution platform of the German National Pandemic Cohort Network (NAPKON-HAP) and n = 57 matched healthy control participants (HC). We assessed cortical thickness and subcortical volumes in high-resolution T1-weighted MRI and their associations with cognitive performance (Montreal Cognitive Assessment) and fatigue (Fatigue Severity Scale). RESULTS Patients exhibited statistically significant reductions of cortical thickness in parahippocampal gyri and the temporal lobe (all p[FDR-corrected] \textless 0.05) as well as reduced hippocampal volumes compared to HC (left, Cohen's d [95% CI] = 0.50 [0.12-0.8]; right d = 0.43 [0.05-0.80]). Higher acute COVID-19 severity was associated with reduced cortical thickness, particularly in the olfactory system. Furthermore, reduced cortical thickness of the temporal poles and the anterior and posterior cingulate gyrus was associated with more severe post-acute fatigue. INTERPRETATION Our results identify long-lasting macrostructural brain changes after moderate to severe COVID-19 that correlate with acute disease severity and long-term fatigue. Early identification and targeted interventions for patients at risk of persistent brain changes are needed. TRIAL REGISTRATION NAPKON-HAP is registered at clinicaltrials.gov (NCT04747366).
| DOI: | 10.1002/acn3.70260 |
Abstract:
OBJECTIVE Neuropsychiatric symptoms are among the most prevalent sequelae of COVID-19, particularly among hospitalized patients. Recent research has identified volumetric brain changes associated with COVID-19. However, it currently remains poorly understood how brain changes relate to post-COVID fatigue and cognitive deficits. We, therefore, aimed to assess structural brain changes after hospitalization for COVID-19 and their associations with cognitive performance and fatigue. METHODS We analyzed data from n = 57 patients previously hospitalized for COVID-19 (63% male, mean age 52 years) from the prospective, multicentric high-resolution platform of the German National Pandemic Cohort Network (NAPKON-HAP) and n = 57 matched healthy control participants (HC). We assessed cortical thickness and subcortical volumes in high-resolution T1-weighted MRI and their associations with cognitive performance (Montreal Cognitive Assessment) and fatigue (Fatigue Severity Scale). RESULTS Patients exhibited statistically significant reductions of cortical thickness in parahippocampal gyri and the temporal lobe (all p[FDR-corrected] \textless 0.05) as well as reduced hippocampal volumes compared to HC (left, Cohen's d [95% CI] = 0.50 [0.12-0.8]; right d = 0.43 [0.05-0.80]). Higher acute COVID-19 severity was associated with reduced cortical thickness, particularly in the olfactory system. Furthermore, reduced cortical thickness of the temporal poles and the anterior and posterior cingulate gyrus was associated with more severe post-acute fatigue. INTERPRETATION Our results identify long-lasting macrostructural brain changes after moderate to severe COVID-19 that correlate with acute disease severity and long-term fatigue. Early identification and targeted interventions for patients at risk of persistent brain changes are needed. TRIAL REGISTRATION NAPKON-HAP is registered at clinicaltrials.gov (NCT04747366).
[en]
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 Digit. Health,
vol. 4,
no. 11,
pp. e0000753,
Nov.
2025.
Public Library of Science (PLoS).
Abstract:
Ensuring privacy in distributed machine learning while computing the Area Under the Curve (AUC) is a significant challenge because pooling sensitive test data is often not allowed. Although cryptographic methods can address some of these concerns, they may compromise either scalability or accuracy. In this paper, we present two privacy-preserving solutions for secure AUC computation across multiple institutions: (1) an exact global AUC method that handles ties in prediction scores and scales linearly with the number of samples, and (2) an approximation method that substantially reduces runtime while maintaining acceptable accuracy. Our protocols leverage a combination of homomorphic encryption (modified Paillier), symmetric and asymmetric cryptography, and randomized encoding to preserve the confidentiality of true labels and model predictions. We integrate these methods into the Personal Health Train (PHT)-meDIC platform, a distributed machine learning environment designed for healthcare, to demonstrate their correctness and feasibility. Results using both real-world and synthetic datasets confirm the accuracy of our approach: the exact method computes the true AUC without revealing private inputs, and the approximation provides a balanced trade-off between computational efficiency and precision. All relevant code and data is publicly available at https://github.com/PHT-meDIC/PP-AUC, facilitating straightforward adoption and further development within broader distributed learning ecosystems.
Abstract:
Ensuring privacy in distributed machine learning while computing the Area Under the Curve (AUC) is a significant challenge because pooling sensitive test data is often not allowed. Although cryptographic methods can address some of these concerns, they may compromise either scalability or accuracy. In this paper, we present two privacy-preserving solutions for secure AUC computation across multiple institutions: (1) an exact global AUC method that handles ties in prediction scores and scales linearly with the number of samples, and (2) an approximation method that substantially reduces runtime while maintaining acceptable accuracy. Our protocols leverage a combination of homomorphic encryption (modified Paillier), symmetric and asymmetric cryptography, and randomized encoding to preserve the confidentiality of true labels and model predictions. We integrate these methods into the Personal Health Train (PHT)-meDIC platform, a distributed machine learning environment designed for healthcare, to demonstrate their correctness and feasibility. Results using both real-world and synthetic datasets confirm the accuracy of our approach: the exact method computes the true AUC without revealing private inputs, and the approximation provides a balanced trade-off between computational efficiency and precision. All relevant code and data is publicly available at https://github.com/PHT-meDIC/PP-AUC, facilitating straightforward adoption and further development within broader distributed learning ecosystems.
F. E,
E. C,
M. L,
E. T,
K. R,
S. M,
S. MJ,
F. MA,
M. D,
M. B,
G. S,
M. F,
S. H,
K. N,
R. DM,
L. N,
W. C,
M. MS,
S. L,
B. J and
M. HJ,
"Prognostic value of CT-defined coronary sclerosis in COVID-19: results of a multicenter study based on the Weston score.",
RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin,
Mai
2025.
Abstract:
Koronare Berechnung, wie durch berechnete Tomographie (CT) definiert, kann mit einer Punktzahl (CAC-Score) quantifiziert werden. Es ist eine etablierte prognostische und prädiktive Abbildungsmarkierung des Herz-Kreislauf-Risikoprofils. Die prognostische Relevanz des CAC-Scores wurde bei akuten Erkrankungen, einschließlich der Coronavirus-Krankheit 2019 (COVID-19) in Vorstudien, nachgewiesen. Ziel der vorliegenden Studie war es, die prognostische Relevanz der CAC-Score bei Patienten mit Coronavirus-Krankheit 2019 zu beweisen. Die vorliegende Studie nutzte eine bundesweite radiologische Forschungsplattform, um eine multizentrische retrospektive Studie durchzuführen. Die Studie umfasste insgesamt 541 Patienten, davon 176 weiblich (32,5%). Das mittlere Alter der Patienten betrug 61,2 Jahre ± 15,6 Jahre. Die Coronavirus-Krankheit (SARS-COV-2) wurde bei allen Patienten durch PCR-Tests bestätigt. Die CAC-Score wurde mit der Weston-Score berechnet, die eine semiquantitative Methode ist. Das primäre Ergebnis der Studie war die 30-tägige Mortalität. Die Gesamtsterblichkeitsrate innerhalb der 30-Tage-Periode betrug 21,2%, 115 Patienten sterben. Die mittlere Weston-Score betrug 3,0 ± 3.6. 128 Patienten (23,7%) zeigten keinen Beweis für koronare Berechnungen, wie durch einen Weston-Score von 0 angedeutet. Bei der univariablen Regressionsanalyse wurde das Vorliegen von Kalkulationen mit dem Sterblichkeitsverhältnis von 1,68 (95 % Vertrauensintervall 1,08-2,59, p=0,01) assoziiert. Dieses Ergebnis blieb jedoch bei der multivariablen Analyse nicht statistisch signifikant (p=0,49). Die Weston-Score wurde bei der univariablen Analyse mit einem Quotenverhältnis (OR) von 1,10 (95% CI 1.04-1.14, p < 0,001) und in der multivariablen Analyse mit einem OR von 1,06 (95% CI 1.005-1.138, p = 0,036) assoziiert. Der bildgebende Marker CAC-Score wurde gezeigt, dass bei Patienten, die mit der Coronavirus-Krankheit 2019 diagnostiziert werden (COVID-19) signifikante prognostische Auswirkungen auf die 30-tägige Mortalität haben. Es obliegt dem Radiologen, die einzige Anwesenheit von koronaren Kalkulationen als ein relevanter prognostischer Faktor anzuerkennen. Die prognostische Relevanz der Berechnungen wurde in Fällen, in denen eine umfangreichere Kalkulation vorhanden war, größer. · Koronare Berechnungen, die von CT bewertet werden, sind prognostische Marker für 30-Tage COVID-19 Sterblichkeit. · Berechnungsmaß hat einen größeren prognostischen Wert als die bloße Anwesenheit von Kalkulationen.. · Die Studie unterstreicht die Notwendigkeit, koronare Berechnungen in klinische Risikopunkte zu integrieren.. · Bucher AM, Frodl E, Ehrengut C et al. Prognosewert der CT-definierten Koronarsklerose in COVID-19: Ergebnisse einer multizentrischen Studie basierend auf dem Weston-Score. Rofo 2025; DOI 10.1055/a-2583-0235.
| DOI: | 10.1055/a-2583-0235 |
Abstract:
Koronare Berechnung, wie durch berechnete Tomographie (CT) definiert, kann mit einer Punktzahl (CAC-Score) quantifiziert werden. Es ist eine etablierte prognostische und prädiktive Abbildungsmarkierung des Herz-Kreislauf-Risikoprofils. Die prognostische Relevanz des CAC-Scores wurde bei akuten Erkrankungen, einschließlich der Coronavirus-Krankheit 2019 (COVID-19) in Vorstudien, nachgewiesen. Ziel der vorliegenden Studie war es, die prognostische Relevanz der CAC-Score bei Patienten mit Coronavirus-Krankheit 2019 zu beweisen. Die vorliegende Studie nutzte eine bundesweite radiologische Forschungsplattform, um eine multizentrische retrospektive Studie durchzuführen. Die Studie umfasste insgesamt 541 Patienten, davon 176 weiblich (32,5%). Das mittlere Alter der Patienten betrug 61,2 Jahre ± 15,6 Jahre. Die Coronavirus-Krankheit (SARS-COV-2) wurde bei allen Patienten durch PCR-Tests bestätigt. Die CAC-Score wurde mit der Weston-Score berechnet, die eine semiquantitative Methode ist. Das primäre Ergebnis der Studie war die 30-tägige Mortalität. Die Gesamtsterblichkeitsrate innerhalb der 30-Tage-Periode betrug 21,2%, 115 Patienten sterben. Die mittlere Weston-Score betrug 3,0 ± 3.6. 128 Patienten (23,7%) zeigten keinen Beweis für koronare Berechnungen, wie durch einen Weston-Score von 0 angedeutet. Bei der univariablen Regressionsanalyse wurde das Vorliegen von Kalkulationen mit dem Sterblichkeitsverhältnis von 1,68 (95 % Vertrauensintervall 1,08-2,59, p=0,01) assoziiert. Dieses Ergebnis blieb jedoch bei der multivariablen Analyse nicht statistisch signifikant (p=0,49). Die Weston-Score wurde bei der univariablen Analyse mit einem Quotenverhältnis (OR) von 1,10 (95% CI 1.04-1.14, p < 0,001) und in der multivariablen Analyse mit einem OR von 1,06 (95% CI 1.005-1.138, p = 0,036) assoziiert. Der bildgebende Marker CAC-Score wurde gezeigt, dass bei Patienten, die mit der Coronavirus-Krankheit 2019 diagnostiziert werden (COVID-19) signifikante prognostische Auswirkungen auf die 30-tägige Mortalität haben. Es obliegt dem Radiologen, die einzige Anwesenheit von koronaren Kalkulationen als ein relevanter prognostischer Faktor anzuerkennen. Die prognostische Relevanz der Berechnungen wurde in Fällen, in denen eine umfangreichere Kalkulation vorhanden war, größer. · Koronare Berechnungen, die von CT bewertet werden, sind prognostische Marker für 30-Tage COVID-19 Sterblichkeit. · Berechnungsmaß hat einen größeren prognostischen Wert als die bloße Anwesenheit von Kalkulationen.. · Die Studie unterstreicht die Notwendigkeit, koronare Berechnungen in klinische Risikopunkte zu integrieren.. · Bucher AM, Frodl E, Ehrengut C et al. Prognosewert der CT-definierten Koronarsklerose in COVID-19: Ergebnisse einer multizentrischen Studie basierend auf dem Weston-Score. Rofo 2025; DOI 10.1055/a-2583-0235.
G. L,
L. CS,
R. T,
B. M and
G. M,
"Proto-Caps: interpretable medical image classification using prototype learning and privileged information.",
PeerJ. Computer science,
2025.
Abstract:
Erklärliche künstliche Intelligenz (xAI) wird immer wichtiger, da die Notwendigkeit des Verständnisses der Argumentation des Modells bei der Anwendung in Hochrisikobereichen wächst. Dies ist insbesondere im Bereich der Medizin von entscheidender Bedeutung, wenn Entscheidungsunterstützungssysteme zur Diagnose oder zur Bestimmung geeigneter Therapien eingesetzt werden. Hier ist es unerlässlich, intuitive und umfassende Erläuterungen zur Bewertung der Korrektheit des Systems bereitzustellen. Um diesem Bedarf gerecht zu werden, haben wir Proto-Caps entwickelt, ein eigens erklärbares Modell für die Bildklassifizierung. Es erklärt seine Entscheidungen durch die Bereitstellung von visuellen Prototypen, die bestimmten Erscheinungseigenschaften ähneln. Diese Eigenschaften werden vom Menschen vorgegeben, was sie einerseits verständlich macht und andererseits dazu führt, dass das Modell seine Entscheidung über die gleichen Merkmale wie der menschliche Experte trifft. Auf zwei öffentlichen Datensätzen zeigt diese Methode eine bessere Leistung im Vergleich zu bestehenden erklärenden Ansätzen, trotz der additiven Erklärbarkeitsmodalität durch die visuellen Prototypen. Neben den Leistungsbewertungen führten wir eine Analyse der Wahrhaftigkeit durch die Untersuchung der gemeinsamen Informationen zwischen der Zielvorhersage und deren Erklärungsausgabe durch. Dies wurde getan, um sicherzustellen, dass die Erklärung tatsächlich die Zielklassifikation begründet. Durch umfangreiche Hyperparameterstudien haben wir auch optimale Modelleinstellungen gefunden, was einen Ausgangspunkt für weitere Forschungen bietet. Unsere Arbeit betont die Perspektiven der Kombination von xAI-Ansätzen für eine größere Erklärbarkeit und zeigt, dass die Einbeziehung der Erklärbarkeit nicht unbedingt zu einem Verlust an Leistung führt.
| DOI: | 10.7717/peerj-cs.2908 |
Abstract:
Erklärliche künstliche Intelligenz (xAI) wird immer wichtiger, da die Notwendigkeit des Verständnisses der Argumentation des Modells bei der Anwendung in Hochrisikobereichen wächst. Dies ist insbesondere im Bereich der Medizin von entscheidender Bedeutung, wenn Entscheidungsunterstützungssysteme zur Diagnose oder zur Bestimmung geeigneter Therapien eingesetzt werden. Hier ist es unerlässlich, intuitive und umfassende Erläuterungen zur Bewertung der Korrektheit des Systems bereitzustellen. Um diesem Bedarf gerecht zu werden, haben wir Proto-Caps entwickelt, ein eigens erklärbares Modell für die Bildklassifizierung. Es erklärt seine Entscheidungen durch die Bereitstellung von visuellen Prototypen, die bestimmten Erscheinungseigenschaften ähneln. Diese Eigenschaften werden vom Menschen vorgegeben, was sie einerseits verständlich macht und andererseits dazu führt, dass das Modell seine Entscheidung über die gleichen Merkmale wie der menschliche Experte trifft. Auf zwei öffentlichen Datensätzen zeigt diese Methode eine bessere Leistung im Vergleich zu bestehenden erklärenden Ansätzen, trotz der additiven Erklärbarkeitsmodalität durch die visuellen Prototypen. Neben den Leistungsbewertungen führten wir eine Analyse der Wahrhaftigkeit durch die Untersuchung der gemeinsamen Informationen zwischen der Zielvorhersage und deren Erklärungsausgabe durch. Dies wurde getan, um sicherzustellen, dass die Erklärung tatsächlich die Zielklassifikation begründet. Durch umfangreiche Hyperparameterstudien haben wir auch optimale Modelleinstellungen gefunden, was einen Ausgangspunkt für weitere Forschungen bietet. Unsere Arbeit betont die Perspektiven der Kombination von xAI-Ansätzen für eine größere Erklärbarkeit und zeigt, dass die Einbeziehung der Erklärbarkeit nicht unbedingt zu einem Verlust an Leistung führt.
B. MR,
A. Ü,
D. S,
N. P,
Z. M,
F. E,
K. M,
K. NR,
N. M,
R. R,
B. M,
D. F,
O. M,
P. T,
K. J,
P. T,
M. K,
B. A and
B. R,
"Real-world federated learning in radiology: hurdles to overcome and benefits to gain.",
Journal of the American Medical Informatics Association : JAMIA,
Jan.
2025.
Abstract:
Federated Learning (FL) ermöglicht kollaboratives Modelltraining, während Daten lokal gespeichert werden. Derzeit werden die meisten FL-Studien in der Radiologie durch zahlreiche Hürden durchgeführt, die ihre Übersetzung in die Praxis behindern. Die wenigen bestehenden realen FL-Initiativen kommunizieren selten konkrete Maßnahmen, die ergriffen werden, um diese Hürden zu überwinden. Um diese bedeutende Wissenslücke zu überbrücken, schlagen wir einen umfassenden Leitfaden für reale FL in der Radiologie vor. Bei der Umsetzung von real-world FL gibt es keine umfassenden Bewertungen, die FL mit weniger komplexen Alternativen in anspruchsvollen real-world-Einstellungen vergleichen, die wir durch umfangreiche Benchmarking ansprechen. Wir haben unsere eigene FL-Infrastruktur im deutschen Radiologischen Kooperativen Netzwerk (RACOON) entwickelt und ihre Funktionalität durch Ausbildung von FL-Modellen auf Lungenpathologie-Segmentationsaufgaben in sechs Universitätskliniken demonstriert. Während der Gründung unserer FL-Initiative und der Durchführung der umfangreichen Benchmark-Experimente wurden Einblicke gesammelt und in den Leitfaden eingeordnet. Der vorgeschlagene Leitfaden beschreibt wesentliche Schritte, identifizierte Hürden und implementierte Lösungen für erfolgreiche FL-Initiativen, die Echtzeit-Experimente durchführen. Unsere experimentellen Ergebnisse beweisen die praktische Relevanz unseres Leitfadens und zeigen, dass FL weniger komplexe Alternativen in allen Bewertungsszenarien übertrifft. Unsere Ergebnisse rechtfertigen die Bemühungen, die FL in reale Anwendungen zu übersetzen, indem wir eine vorteilhafte Leistung gegenüber alternativen Ansätzen zeigen. Darüber hinaus betonen sie die Bedeutung der strategischen Organisation, das robuste Management von verteilten Daten und Infrastruktur in realen Welteinstellungen. Mit dem vorgeschlagenen Leitfaden wollen wir zukünftige FL-Forscher bei der Umgehung von Fallfällen und der Beschleunigung der Übersetzung von FL in radiologische Anwendungen unterstützen.
| DOI: | 10.1093/jamia/ocae259 |
Abstract:
Federated Learning (FL) ermöglicht kollaboratives Modelltraining, während Daten lokal gespeichert werden. Derzeit werden die meisten FL-Studien in der Radiologie durch zahlreiche Hürden durchgeführt, die ihre Übersetzung in die Praxis behindern. Die wenigen bestehenden realen FL-Initiativen kommunizieren selten konkrete Maßnahmen, die ergriffen werden, um diese Hürden zu überwinden. Um diese bedeutende Wissenslücke zu überbrücken, schlagen wir einen umfassenden Leitfaden für reale FL in der Radiologie vor. Bei der Umsetzung von real-world FL gibt es keine umfassenden Bewertungen, die FL mit weniger komplexen Alternativen in anspruchsvollen real-world-Einstellungen vergleichen, die wir durch umfangreiche Benchmarking ansprechen. Wir haben unsere eigene FL-Infrastruktur im deutschen Radiologischen Kooperativen Netzwerk (RACOON) entwickelt und ihre Funktionalität durch Ausbildung von FL-Modellen auf Lungenpathologie-Segmentationsaufgaben in sechs Universitätskliniken demonstriert. Während der Gründung unserer FL-Initiative und der Durchführung der umfangreichen Benchmark-Experimente wurden Einblicke gesammelt und in den Leitfaden eingeordnet. Der vorgeschlagene Leitfaden beschreibt wesentliche Schritte, identifizierte Hürden und implementierte Lösungen für erfolgreiche FL-Initiativen, die Echtzeit-Experimente durchführen. Unsere experimentellen Ergebnisse beweisen die praktische Relevanz unseres Leitfadens und zeigen, dass FL weniger komplexe Alternativen in allen Bewertungsszenarien übertrifft. Unsere Ergebnisse rechtfertigen die Bemühungen, die FL in reale Anwendungen zu übersetzen, indem wir eine vorteilhafte Leistung gegenüber alternativen Ansätzen zeigen. Darüber hinaus betonen sie die Bedeutung der strategischen Organisation, das robuste Management von verteilten Daten und Infrastruktur in realen Welteinstellungen. Mit dem vorgeschlagenen Leitfaden wollen wir zukünftige FL-Forscher bei der Umgehung von Fallfällen und der Beschleunigung der Übersetzung von FL in radiologische Anwendungen unterstützen.
M. M,
L. FC,
B. B,
W. MA,
B. B and
M. FG,
"Repeatability of radiomic features in myocardial T1 and T2 mapping.",
European radiology,
Mä.
2025.
Abstract:
Zur Untersuchung der Test-Retest-Wiederholbarkeit von radiomischen Features in myokardial native T1 und T2 Mapping. In dieser prospektiven Studie haben 50 gesunde Freiwillige (29 Frauen und 21 Männer, Durchschnittsalter 39,4 ± 13,7 Jahre) zwei identische Herz-Magnetresonanz-Bildgebung (MRI)-Untersuchungen bei 1,5 T durchgeführt. Das Protokoll beinhaltete die native T1 und T2 Kartierung sowohl in der Kurz- als auch in der Langachse. Für die T1 Kartierung haben wir Standard (1.9 × 1,9 mm) und hohe (1.4 × 1,4 mm) Raumauflösung untersucht. Nach manueller Segmentierung des linken ventrikulären Myokards wurden 100 radiomische Features aus sieben Merkmalsklassen extrahiert und analysiert. Die Prüf-Retest-Wiederholbarkeit von radiomischen Merkmalen wurde mit dem Intraklasse-Korrelationskoeffizienten (ICC) bewertet und als schlecht eingestuft (ICC < 0,50), gemäßigt (0,50-0.75), gut (0.75-0,90) und ausgezeichnet (> 0,90). Für T1-Karten, die in kurzer Ausrichtung bei Standardauflösung erworben wurden, war die Wiederholbarkeit für 6 Features, gut für 29 Features, moderiert für 19 Features und schlecht für 46 Features. Wir identifizierten 15 Merkmale von 6 Klassen, die eine gute bis ausgezeichnete Reproduzierbarkeit für T1 Mapping in allen Auflösungen und allen Orientierungen zeigten. Für kurze T2-Karten war die Wiederholbarkeit für 6 Funktionen, gut für 25 Funktionen, moderiert für 23 Funktionen und schlecht für 46 Funktionen. 12 Merkmale aus 5 Klassen wurden gefunden, um eine gute bis ausgezeichnete Wiederholbarkeit in T2 Kartierung unabhängig von der Schichtorientierung zu haben. Wir haben eine Untermenge von Merkmalen mit guter bis ausgezeichneter Wiederholbarkeit unabhängig von der Schichtorientierung und der räumlichen Auflösung identifiziert. Wir empfehlen, diese Funktionen für weitere Radiomik-Forschung in myocardial T1 und T2 Mapping zu nutzen. Frage Die Studie befasst sich mit dem Bedürfnis nach zuverlässigen radiomischen Merkmalen für die quantitative Analyse des Myokards, um die diagnostische Konsistenz im Herz-MRT zu gewährleisten. Ergebnisse Wir haben eine Teilmenge von radiomischen Merkmalen identifiziert, die eine gute bis ausgezeichnete Wiederholbarkeit in nativen T1 und T2 Kartierungen unabhängig von Schichtorientierung und Auflösung zeigen. Klinische RelevanzRadiomische Merkmale wurden als diagnostische und prognostische Biomarker in verschiedenen Herzerkrankungen vorgeschlagen. Durch die Identifizierung einer Teilmenge von besonders reproduzierbaren radiomischen Merkmalen dient unsere Studie dazu, die Auswahl von radiomischen Merkmalen in zukünftigen Forschungs- und klinischen Anwendungen zu informieren.
| DOI: | 10.1007/s00330-024-11337-8 |
Abstract:
Zur Untersuchung der Test-Retest-Wiederholbarkeit von radiomischen Features in myokardial native T1 und T2 Mapping. In dieser prospektiven Studie haben 50 gesunde Freiwillige (29 Frauen und 21 Männer, Durchschnittsalter 39,4 ± 13,7 Jahre) zwei identische Herz-Magnetresonanz-Bildgebung (MRI)-Untersuchungen bei 1,5 T durchgeführt. Das Protokoll beinhaltete die native T1 und T2 Kartierung sowohl in der Kurz- als auch in der Langachse. Für die T1 Kartierung haben wir Standard (1.9 × 1,9 mm) und hohe (1.4 × 1,4 mm) Raumauflösung untersucht. Nach manueller Segmentierung des linken ventrikulären Myokards wurden 100 radiomische Features aus sieben Merkmalsklassen extrahiert und analysiert. Die Prüf-Retest-Wiederholbarkeit von radiomischen Merkmalen wurde mit dem Intraklasse-Korrelationskoeffizienten (ICC) bewertet und als schlecht eingestuft (ICC < 0,50), gemäßigt (0,50-0.75), gut (0.75-0,90) und ausgezeichnet (> 0,90). Für T1-Karten, die in kurzer Ausrichtung bei Standardauflösung erworben wurden, war die Wiederholbarkeit für 6 Features, gut für 29 Features, moderiert für 19 Features und schlecht für 46 Features. Wir identifizierten 15 Merkmale von 6 Klassen, die eine gute bis ausgezeichnete Reproduzierbarkeit für T1 Mapping in allen Auflösungen und allen Orientierungen zeigten. Für kurze T2-Karten war die Wiederholbarkeit für 6 Funktionen, gut für 25 Funktionen, moderiert für 23 Funktionen und schlecht für 46 Funktionen. 12 Merkmale aus 5 Klassen wurden gefunden, um eine gute bis ausgezeichnete Wiederholbarkeit in T2 Kartierung unabhängig von der Schichtorientierung zu haben. Wir haben eine Untermenge von Merkmalen mit guter bis ausgezeichneter Wiederholbarkeit unabhängig von der Schichtorientierung und der räumlichen Auflösung identifiziert. Wir empfehlen, diese Funktionen für weitere Radiomik-Forschung in myocardial T1 und T2 Mapping zu nutzen. Frage Die Studie befasst sich mit dem Bedürfnis nach zuverlässigen radiomischen Merkmalen für die quantitative Analyse des Myokards, um die diagnostische Konsistenz im Herz-MRT zu gewährleisten. Ergebnisse Wir haben eine Teilmenge von radiomischen Merkmalen identifiziert, die eine gute bis ausgezeichnete Wiederholbarkeit in nativen T1 und T2 Kartierungen unabhängig von Schichtorientierung und Auflösung zeigen. Klinische RelevanzRadiomische Merkmale wurden als diagnostische und prognostische Biomarker in verschiedenen Herzerkrankungen vorgeschlagen. Durch die Identifizierung einer Teilmenge von besonders reproduzierbaren radiomischen Merkmalen dient unsere Studie dazu, die Auswahl von radiomischen Merkmalen in zukünftigen Forschungs- und klinischen Anwendungen zu informieren.
[English]
L. Petrov,
S. Brumhard,
S. Wisniewski,
P. Georg,
D. Hillus,
A. Hiller,
R. Astaburuaga-García,
N. Blüthgen,
E. Wyler,
K. Vogt,
H. Dey,
S. v. Stillfried,
C. Iwert,
R. D. Bülow,
B. Märkl,
L. Maas,
C. Langner,
T. Meyer,
J. Loske,
R. Eils,
I. Lehmann,
B. Ondruschka,
M. Ralser,
J. Trimpert,
P. Boor,
S. Bedoui,
C. Meisel,
M. A. Mall,
V. M. Corman,
L. E. Sander,
J. Röhmel and
B. Sawitzki,
"Rewired type I IFN signaling is linked to age-dependent differences in COVID-19",
Cell Reports Medicine,
vol. 6,
no. 8,
Aug.
2025.
Abstract:
Hohes Alter ist der wichtigste Risikofaktor für einen schweren oder tödlichen COVID-19-Verlauf, die zugrunde liegenden biologischen Mechanismen sind jedoch noch nicht vollständig verstanden. In dieser Studie wurden Proben von 164 SARS-CoV-2-infizierten Personen im Alter von 1 bis 84 Jahren mit modernen molekularen Methoden untersucht. Dabei zeigte sich, dass sich mit zunehmendem Alter wichtige Abwehr-Signalwege des Immunsystems verändern, was zu einer Verschiebung hin zu stärker entzündlichen Reaktionen führt. Diese Veränderungen gehen mit einer erhöhten Freisetzung von Entzündungsstoffen und einer verzögerten Rückbildung der Immunantwort nach der Infektion einher. Zudem unterscheidet sich die Antikörperantwort zwischen Kindern und Erwachsenen, was erklärt, warum ältere Menschen häufiger überschießende Entzündungen und schwerere Krankheitsverläufe entwickeln.
| DOI: | 10.1016/j.xcrm.2025.102285 |
| Datei: | https://www.cell.com/cell-reports-medicine/abstract/S2666-3791(25)00358-1 |
Abstract:
Hohes Alter ist der wichtigste Risikofaktor für einen schweren oder tödlichen COVID-19-Verlauf, die zugrunde liegenden biologischen Mechanismen sind jedoch noch nicht vollständig verstanden. In dieser Studie wurden Proben von 164 SARS-CoV-2-infizierten Personen im Alter von 1 bis 84 Jahren mit modernen molekularen Methoden untersucht. Dabei zeigte sich, dass sich mit zunehmendem Alter wichtige Abwehr-Signalwege des Immunsystems verändern, was zu einer Verschiebung hin zu stärker entzündlichen Reaktionen führt. Diese Veränderungen gehen mit einer erhöhten Freisetzung von Entzündungsstoffen und einer verzögerten Rückbildung der Immunantwort nach der Infektion einher. Zudem unterscheidet sich die Antikörperantwort zwischen Kindern und Erwachsenen, was erklärt, warum ältere Menschen häufiger überschießende Entzündungen und schwerere Krankheitsverläufe entwickeln.
T. N,
K. C,
B. SM,
E. N,
W. D,
S. SA,
V. D,
S. N,
F. F,
P. L,
G. B,
J. B,
S. S,
S. T and
B. M,
"Semi-quantitative software evaluation of COVID-19 CT examinations-correlation with clinical parameters.",
Journal of thoracic disease,
Okt.
2025.
Abstract:
Softwaregeführte semi-quantitative Analyse der Koronavirus-Krankheit 2019 (COVID-19) Lungenentzündung in Lungenrechnertomographie (CT)-Datensätzen zur Schwerebewertung. Darüber hinaus werden bildgebende Erkenntnisse mit der Notwendigkeit intensiver Pflegemedizin und klinischer Parameter korreliert. Diese einzentige retrospektive Studie analysierte 66 aufeinanderfolgende Patienten (31 Frauen, mittleres Alter 64.6±16.2 Jahre) mit Lungen-CT-Datensätzen von 12/2020 bis 05/2021 und bestätigte COVID-19-Pneumonie. Lungen-CT-Datensätze wurden mit einer semiquantitativen Software zur Segmentierung und Quantifizierung ausgewertet. Die Korrelation mit zugrunde liegenden Krankheiten, Laborparametern und weiterem Kurs wurde bewertet, einschließlich Intubation und Notwendigkeit einer intensiven Pflege. Das Gesamtvolumen der Lungen betrug 3,903,65±1,185.67 mL, das mittlere Volumen der Trübungen betrug 866,52±829,29 mL, was 23,54%±21.92% des gesamten Lungenvolumens widerspiegelt. Das Volumen der hohen Trübungen betrug 186.88±208.15 mL, was 0,06%±0,07% des gesamten Lungenvolumens widerspiegelt. Insgesamt starben 12 Patienten (18,2%), 10 Patienten (15,2%) erforderlich Intubation und in 27 Fällen (40,9%) intensive Pflege war notwendig. Bei Patienten, die das Volumen an Opazitäten und hohen Opazitäten starben, waren deutlich höher (P<0.05). Wesentliche Unterschiede mit einem Risiko für eine intensive Pflegemedizin waren umfangreiche pulmonale Opazitäten, ein Volumen hoher Opazitäten und ein Prozentsatz hoher Opazitäten (P< 0,001 je). Die COVID-19-Pneumonie kann mittels eines künstlichen Intelligenz (AI)-basierten Software-Ansatzes halbquantifiziert werden. Quantitative Methoden könnten genaue Informationen über das Volumen der Trübungen liefern und die Erkennung von Verbindungen zur Patiententherapie ermöglichen, einschließlich der Notwendigkeit einer intensiven Pflege.
| DOI: | 10.21037/jtd-2025-655 |
Abstract:
Softwaregeführte semi-quantitative Analyse der Koronavirus-Krankheit 2019 (COVID-19) Lungenentzündung in Lungenrechnertomographie (CT)-Datensätzen zur Schwerebewertung. Darüber hinaus werden bildgebende Erkenntnisse mit der Notwendigkeit intensiver Pflegemedizin und klinischer Parameter korreliert. Diese einzentige retrospektive Studie analysierte 66 aufeinanderfolgende Patienten (31 Frauen, mittleres Alter 64.6±16.2 Jahre) mit Lungen-CT-Datensätzen von 12/2020 bis 05/2021 und bestätigte COVID-19-Pneumonie. Lungen-CT-Datensätze wurden mit einer semiquantitativen Software zur Segmentierung und Quantifizierung ausgewertet. Die Korrelation mit zugrunde liegenden Krankheiten, Laborparametern und weiterem Kurs wurde bewertet, einschließlich Intubation und Notwendigkeit einer intensiven Pflege. Das Gesamtvolumen der Lungen betrug 3,903,65±1,185.67 mL, das mittlere Volumen der Trübungen betrug 866,52±829,29 mL, was 23,54%±21.92% des gesamten Lungenvolumens widerspiegelt. Das Volumen der hohen Trübungen betrug 186.88±208.15 mL, was 0,06%±0,07% des gesamten Lungenvolumens widerspiegelt. Insgesamt starben 12 Patienten (18,2%), 10 Patienten (15,2%) erforderlich Intubation und in 27 Fällen (40,9%) intensive Pflege war notwendig. Bei Patienten, die das Volumen an Opazitäten und hohen Opazitäten starben, waren deutlich höher (P<0.05). Wesentliche Unterschiede mit einem Risiko für eine intensive Pflegemedizin waren umfangreiche pulmonale Opazitäten, ein Volumen hoher Opazitäten und ein Prozentsatz hoher Opazitäten (P< 0,001 je). Die COVID-19-Pneumonie kann mittels eines künstlichen Intelligenz (AI)-basierten Software-Ansatzes halbquantifiziert werden. Quantitative Methoden könnten genaue Informationen über das Volumen der Trübungen liefern und die Erkennung von Verbindungen zur Patiententherapie ermöglichen, einschließlich der Notwendigkeit einer intensiven Pflege.
S. OL,
Z. J,
M. G,
C. ZI,
P. NR,
E. S. L,
V. PC,
K. S,
L. NG,
P. K,
L. M,
B. J,
A. KA,
A. G,
K. C,
K. M,
R. C,
N. S,
P. R,
M. R,
V. W,
C. J,
S. V,
W. M,
M. S,
K. C,
G. FJ,
T. D and
K. JN,
"Swarm learning with weak supervision enables automatic breast cancer detection in magnetic resonance imaging.",
Communications medicine,
Feb.
2025.
Abstract:
In den nächsten 5 Jahren werden neue Brustkrebs-Screening-Richtlinien, die Magnetresonanz-Bildgebung (MRI) für bestimmte Patienten empfehlen, das Volumen der zu analysierenden Bildgebungsdaten deutlich erhöhen. Während diese Zunahme Herausforderungen für Radiologen stellt, bietet künstliche Intelligenz (KI) potenzielle Lösungen, um diese Arbeitsbelastung zu bewältigen. Die Entwicklung von KI-Modellen wird jedoch oft durch manuelle Annotationsanforderungen und strenge Datenschutzbestimmungen zwischen Institutionen behindert. In dieser Studie stellen wir eine integrierte Pipeline vor, die die Notwendigkeit detaillierter Anmerkungen mit lokaler KI-Modellausbildung über Swarm-Learning (SL) schwächer beaufsichtigt, was den zentralen Datenaustausch umgeht. Wir nutzten drei Datensätze aus 1372 weiblichen bilateralen Brust-MRT-Prüfungen von Institutionen in drei Ländern: die Vereinigten Staaten (US), die Schweiz und das Vereinigte Königreich (UK) Modelle zu trainieren. Diese Modelle wurden dann auf zwei externen Datensätzen, bestehend aus 649 bilateralen Brust-MRT-Prüfungen aus Deutschland und Griechenland, validiert. Beim systematischen Benchmarking verschiedener schwach beaufsichtigter zweidimensionaler (2D) und dreidimensionaler (3D) Deep Learning (DL)-Methoden finden wir, dass das 3D-ResNet-101 überlegene Leistung zeigt. Durch die Implementierung eines realen SL-Setups in drei internationalen Zentren beobachten wir, dass diese kollaborativ geschulten Modelle die vor Ort geschulten übertreffen. Auch bei einem kleineren Datensatz zeigen wir die praktische Durchführbarkeit, SL international mit der Datenverarbeitung vor Ort einzusetzen, Herausforderungen wie Datenschutz und Annotationsvariabilität zu bewältigen. Die Kombination schwach beaufsichtigten Lernens mit SL verbessert die interinstitutionelle Zusammenarbeit, die Verbesserung des Nutzens verteilter Datensätze für medizinische KI-Ausbildung, ohne dass detaillierte Anmerkungen oder zentrale Datenfreigabe erforderlich sind.
| DOI: | 10.1038/s43856-024-00722-5 |
Abstract:
In den nächsten 5 Jahren werden neue Brustkrebs-Screening-Richtlinien, die Magnetresonanz-Bildgebung (MRI) für bestimmte Patienten empfehlen, das Volumen der zu analysierenden Bildgebungsdaten deutlich erhöhen. Während diese Zunahme Herausforderungen für Radiologen stellt, bietet künstliche Intelligenz (KI) potenzielle Lösungen, um diese Arbeitsbelastung zu bewältigen. Die Entwicklung von KI-Modellen wird jedoch oft durch manuelle Annotationsanforderungen und strenge Datenschutzbestimmungen zwischen Institutionen behindert. In dieser Studie stellen wir eine integrierte Pipeline vor, die die Notwendigkeit detaillierter Anmerkungen mit lokaler KI-Modellausbildung über Swarm-Learning (SL) schwächer beaufsichtigt, was den zentralen Datenaustausch umgeht. Wir nutzten drei Datensätze aus 1372 weiblichen bilateralen Brust-MRT-Prüfungen von Institutionen in drei Ländern: die Vereinigten Staaten (US), die Schweiz und das Vereinigte Königreich (UK) Modelle zu trainieren. Diese Modelle wurden dann auf zwei externen Datensätzen, bestehend aus 649 bilateralen Brust-MRT-Prüfungen aus Deutschland und Griechenland, validiert. Beim systematischen Benchmarking verschiedener schwach beaufsichtigter zweidimensionaler (2D) und dreidimensionaler (3D) Deep Learning (DL)-Methoden finden wir, dass das 3D-ResNet-101 überlegene Leistung zeigt. Durch die Implementierung eines realen SL-Setups in drei internationalen Zentren beobachten wir, dass diese kollaborativ geschulten Modelle die vor Ort geschulten übertreffen. Auch bei einem kleineren Datensatz zeigen wir die praktische Durchführbarkeit, SL international mit der Datenverarbeitung vor Ort einzusetzen, Herausforderungen wie Datenschutz und Annotationsvariabilität zu bewältigen. Die Kombination schwach beaufsichtigten Lernens mit SL verbessert die interinstitutionelle Zusammenarbeit, die Verbesserung des Nutzens verteilter Datensätze für medizinische KI-Ausbildung, ohne dass detaillierte Anmerkungen oder zentrale Datenfreigabe erforderlich sind.
H. T,
T. U,
B. LB,
L. B,
R. D,
W. T,
K. M,
O. P,
B. J,
G. F and
W. G,
"The association of symptoms, pulmonary function test and computed tomography in interstitial lung disease at the onset of connective tissue disease: an observational study with artificial intelligence analysis of high-resolution computed tomography.",
Rheumatology international,
Aug.
2025.
Abstract:
Interstitial Lungenerkrankung (ILD) ist eine häufige und ernsthafte Organerscheinung bei Patienten mit Bindegewebeerkrankung (CTD), aber es ist unsicher, ob es einen Unterschied in der ILD zwischen symptomatischen und asymptomatischen Patienten gibt. Daher haben wir eine Studie durchgeführt, um Unterschiede im Ausmaß der ILD anhand von radiologischen Erkenntnissen zwischen symptomatischen/asymptomatischen Patienten mit einer künstlichen Intelligenz (AI)-basierten Quantifizierung der pulmonalen hochauflösenden berechneten Tomographie (AIpqHRCT) zu bewerten. In der Studie wurden mit AIqpHRCT 67 Querschnittsdatensätze und klinische Daten (einschließlich Lungenfunktionstest) von aufeinanderfolgenden Patienten (mittleres Alter: 57,1 ± 14,7 Jahre, Frau n = 45; 67,2 %) und ILD (alle ohne Immunsuppressive Therapie) analysiert. 25,4% (n = 17) der Patienten mit ILD bei der ersten Diagnose von CTD hatten keine Lungensymptome. In Bezug auf die grundlegenden Merkmale (Alter, Geschlecht, Krankheit) gab es keinen signifikanten Unterschied zwischen der symptomatischen und asymptomatischen Gruppe. Der Lungenfunktionstest (PFT) ergab folgende Mittelwerte (%vorhergesagt) in der symptomatischen und asymptomatischen Gruppe: Erzwungene Vitalkapazität (FVC) 69,4 ± 17,4 % gegenüber 86,1 ± 15,8 % (p = 0,001) und Streukapazität der Lunge für Kohlenmonoxid (DLCO) 49,7 ± 17,9 % gegenüber 60,0 ± 15,8 % (p = 0,043). AIqpHRCT-Daten zeigten einen signifikant höheren Anteil an hochgeschwächtem Volumen (HAV) (14,8 ± 11,0% gegenüber 8,9 ± 3,9%; p = 0,021) und Retikulationen (5.4 ± 8,7% gegenüber 1,4 ± 1,5%; p = 0,035) bei symptomatischen Patienten. Ein Viertel der Patienten mit ILD zum Zeitpunkt der ersten CTD-Diagnose hatte keine Lungensymptome, die DLCO zeigten, wurden in beiden Gruppen reduziert. Auch zeigte AIqpHRCT klinisch relevante ILD bei asymptomatischen Patienten. Diese Ergebnisse unterstreichen die Bedeutung eines frühzeitigen, risikogerechten Screenings für ILD auch bei asymptomatischen CTD-Patienten, da ILD mit einer erhöhten Mortalität verbunden ist.
| DOI: | 10.1007/s00296-025-05934-z |
Abstract:
Interstitial Lungenerkrankung (ILD) ist eine häufige und ernsthafte Organerscheinung bei Patienten mit Bindegewebeerkrankung (CTD), aber es ist unsicher, ob es einen Unterschied in der ILD zwischen symptomatischen und asymptomatischen Patienten gibt. Daher haben wir eine Studie durchgeführt, um Unterschiede im Ausmaß der ILD anhand von radiologischen Erkenntnissen zwischen symptomatischen/asymptomatischen Patienten mit einer künstlichen Intelligenz (AI)-basierten Quantifizierung der pulmonalen hochauflösenden berechneten Tomographie (AIpqHRCT) zu bewerten. In der Studie wurden mit AIqpHRCT 67 Querschnittsdatensätze und klinische Daten (einschließlich Lungenfunktionstest) von aufeinanderfolgenden Patienten (mittleres Alter: 57,1 ± 14,7 Jahre, Frau n = 45; 67,2 %) und ILD (alle ohne Immunsuppressive Therapie) analysiert. 25,4% (n = 17) der Patienten mit ILD bei der ersten Diagnose von CTD hatten keine Lungensymptome. In Bezug auf die grundlegenden Merkmale (Alter, Geschlecht, Krankheit) gab es keinen signifikanten Unterschied zwischen der symptomatischen und asymptomatischen Gruppe. Der Lungenfunktionstest (PFT) ergab folgende Mittelwerte (%vorhergesagt) in der symptomatischen und asymptomatischen Gruppe: Erzwungene Vitalkapazität (FVC) 69,4 ± 17,4 % gegenüber 86,1 ± 15,8 % (p = 0,001) und Streukapazität der Lunge für Kohlenmonoxid (DLCO) 49,7 ± 17,9 % gegenüber 60,0 ± 15,8 % (p = 0,043). AIqpHRCT-Daten zeigten einen signifikant höheren Anteil an hochgeschwächtem Volumen (HAV) (14,8 ± 11,0% gegenüber 8,9 ± 3,9%; p = 0,021) und Retikulationen (5.4 ± 8,7% gegenüber 1,4 ± 1,5%; p = 0,035) bei symptomatischen Patienten. Ein Viertel der Patienten mit ILD zum Zeitpunkt der ersten CTD-Diagnose hatte keine Lungensymptome, die DLCO zeigten, wurden in beiden Gruppen reduziert. Auch zeigte AIqpHRCT klinisch relevante ILD bei asymptomatischen Patienten. Diese Ergebnisse unterstreichen die Bedeutung eines frühzeitigen, risikogerechten Screenings für ILD auch bei asymptomatischen CTD-Patienten, da ILD mit einer erhöhten Mortalität verbunden ist.
[en]
T. Herrmann,
J. Mallow,
M. Plaumann,
R. Lehmann,
S. Baecke,
J. Berger,
M. Rak,
M. Franke,
P. Heinrich,
D. Tiller,
A. Pirkl,
J. Bernarding and
C. Bruns,
"The implementation of broad consent at university hospitals",
Dtsch. Arztebl. Int.,
vol. 122,
no. 12,
pp. 338—339,
Jun.
2025.
Deutscher Arzte-Verlag GmbH.
Abstract:
Deutsches Ärzteblatt: Einführung des Broad Consents an Universitätskliniken Die Studie evaluiert die Integration des sogenannten Broad Consent (BC) in den klinischen Alltag an vier Universitätsklinikstandorten (Dresden, Erlangen, Halle, Magdeburg). Kontext: Im Rahmen der Medizininformatik-Initiative (MII) wurden Voraussetzungen geschaffen, um Patientendaten für die Forschung nutzbar zu machen. Der Broad Consent: Er ermöglicht Patientinnen und Patienten, eine breite Einwilligung für die Nutzung ihrer Daten (Klinik, Krankenkasse, Biomaterialien) in zukünftigen, noch nicht definierten Forschungsprojekten zu geben. Ziel: Die retrospektive Analyse (03/2021 – 08/2024) soll Hürden und Erfolgsfaktoren aufzeigen, um die flächendeckende Einführung an weiteren Standorten zu erleichtern.
Abstract:
Deutsches Ärzteblatt: Einführung des Broad Consents an Universitätskliniken Die Studie evaluiert die Integration des sogenannten Broad Consent (BC) in den klinischen Alltag an vier Universitätsklinikstandorten (Dresden, Erlangen, Halle, Magdeburg). Kontext: Im Rahmen der Medizininformatik-Initiative (MII) wurden Voraussetzungen geschaffen, um Patientendaten für die Forschung nutzbar zu machen. Der Broad Consent: Er ermöglicht Patientinnen und Patienten, eine breite Einwilligung für die Nutzung ihrer Daten (Klinik, Krankenkasse, Biomaterialien) in zukünftigen, noch nicht definierten Forschungsprojekten zu geben. Ziel: Die retrospektive Analyse (03/2021 – 08/2024) soll Hürden und Erfolgsfaktoren aufzeigen, um die flächendeckende Einführung an weiteren Standorten zu erleichtern.
P. T,
F. P,
B. A,
I. P,
M. D,
P. T,
S. M,
V. T,
K. J and
D. F,
"The RACOON viral pneumonia score for structured reporting of pre-existing, acute, and post-pneumonic findings on chest CT.",
Frontiers in medicine,
2025.
Abstract:
Der multidimensionale RACOON Viral Pneumonia Score (RVPS) wurde entwickelt, um die Hauptschwächen der etablierten eindimensionalen Brust-Computertomographie (CT)-Scores zu kompensieren. Sie zielte darauf ab, die Schwere der Lungenentzündung zu quantifizieren und die infektiöse Lungenerkrankung von der akuten Phase bis zur post-pneumonischen Sequenz qualitativ zu überwachen. Diese Forschung konzentriert sich auf die ursprüngliche Entwicklung und Bewertung der Anwendbarkeit und der Interreader Zuverlässigkeit des RVPS. Innerhalb des Radiological Cooperative Network (RACOON) wurde das Scoring-System nach mehreren Expertensitzungen entwickelt und in dieser Nachweisstudie mit 8,525 Beobachtungen getestet. In der Untermenge der Interreadervalidierung (7.800 Beobachtungen) applizierten acht blinde Radiologen die RVPS und bewerteten für jede Lungenkeule die folgenden CT-Ergebnisse einzeln: (I) reine Bodenglasundurchlässigkeiten (GGO), (II) GGO und interstitielle Verdickung, (III) Konsolidierungen, (IV) lineare Opazitäten und Retikulationen und (V) fibrotischartige Veränderungen. Das Ausmaß jeder Pathologie wurde auf einer Skala von 0-5 Punkten bewertet, und die Gesamtbeteiligung wurde berechnet. Die Variabilität der Interreader wurde mit Kendalls W bewertet. Die Gesamtinterreadersicherheit des RVPS war ausgezeichnet (Kendalls' W 0.95). CT-Ergebnisse im Zusammenhang mit akuter Lungenentzündung wurden mit guter Einigung erzielt (W 0.81-0.87). Bei der Trennung der Ergebnisse der Kategorie IV vs. Kategorie V (W 0.55-0.69) wurde eine geringe Unsicherheit eingeführt. Der Gesamtumfang der nachinfektiösen Ergebnisse wurde mit guter Einigung bewertet (W 0.79). Die Längsverteilung der Subscores erlaubte eine Differenzierung zwischen akuter Lungenentzündung und post-pneumonischer Sequenz. Diese Studie präsentiert das RVPS als umfassendes Werkzeug für eine zuverlässige Auswertung, Längsüberwachung und strukturierte Dokumentation des Ausmaßes sowie der Qualität der Brust-CT-Ergebnisse bei Infektions-Lungenerkrankungen.
| DOI: | 10.3389/fmed.2025.1578282 |
Abstract:
Der multidimensionale RACOON Viral Pneumonia Score (RVPS) wurde entwickelt, um die Hauptschwächen der etablierten eindimensionalen Brust-Computertomographie (CT)-Scores zu kompensieren. Sie zielte darauf ab, die Schwere der Lungenentzündung zu quantifizieren und die infektiöse Lungenerkrankung von der akuten Phase bis zur post-pneumonischen Sequenz qualitativ zu überwachen. Diese Forschung konzentriert sich auf die ursprüngliche Entwicklung und Bewertung der Anwendbarkeit und der Interreader Zuverlässigkeit des RVPS. Innerhalb des Radiological Cooperative Network (RACOON) wurde das Scoring-System nach mehreren Expertensitzungen entwickelt und in dieser Nachweisstudie mit 8,525 Beobachtungen getestet. In der Untermenge der Interreadervalidierung (7.800 Beobachtungen) applizierten acht blinde Radiologen die RVPS und bewerteten für jede Lungenkeule die folgenden CT-Ergebnisse einzeln: (I) reine Bodenglasundurchlässigkeiten (GGO), (II) GGO und interstitielle Verdickung, (III) Konsolidierungen, (IV) lineare Opazitäten und Retikulationen und (V) fibrotischartige Veränderungen. Das Ausmaß jeder Pathologie wurde auf einer Skala von 0-5 Punkten bewertet, und die Gesamtbeteiligung wurde berechnet. Die Variabilität der Interreader wurde mit Kendalls W bewertet. Die Gesamtinterreadersicherheit des RVPS war ausgezeichnet (Kendalls' W 0.95). CT-Ergebnisse im Zusammenhang mit akuter Lungenentzündung wurden mit guter Einigung erzielt (W 0.81-0.87). Bei der Trennung der Ergebnisse der Kategorie IV vs. Kategorie V (W 0.55-0.69) wurde eine geringe Unsicherheit eingeführt. Der Gesamtumfang der nachinfektiösen Ergebnisse wurde mit guter Einigung bewertet (W 0.79). Die Längsverteilung der Subscores erlaubte eine Differenzierung zwischen akuter Lungenentzündung und post-pneumonischer Sequenz. Diese Studie präsentiert das RVPS als umfassendes Werkzeug für eine zuverlässige Auswertung, Längsüberwachung und strukturierte Dokumentation des Ausmaßes sowie der Qualität der Brust-CT-Ergebnisse bei Infektions-Lungenerkrankungen.
M. E. Liebl,
A. Reisshauer,
D. Loudovici-Krug,
P. Baumbach,
K. S. Appel,
S. Blaschke,
J. Erber,
I. Grewe,
M. Hagen,
E. Heim,
S. M. Pütz,
K. Lehnert,
P. Meybohm,
O. Miljukov,
M. Milovanovic,
S. M. Miranda,
C. Römmele,
P. Tepasse,
J. J. Vehreschild,
N. Weinert,
M. Weigl,
J. Wendel and
C. Lemhöfer,
"Utilization of interdisciplinary in-hospital early rehabilitation in COVID-19 patients - a multicenter cohort study in the National Pandemic Cohort Network (NAPKON) in Germany",
PloS one,
vol. 20,
no. 10,
pp. e0334941,
2025.
Abstract:
BACKGROUND Early rehabilitation in acute hospitals aims to prevent immobilization-related complications and improve the functional capacity of patients with severe or critical illness. Early rehabilitation can be a useful concept to improve functioning in COVID-19 patients. However, literature concerning early in-hospital rehabilitation in COVID-19 patients is scarce. AIM To analyze the utilization of in-hospital interdisciplinary early rehabilitation (IER) in COVID-19 patients and characterize the sample of IER patients. DESIGN Prospective cohort study. SETTING Hospitalized COVID-19 patient cases. POPULATION This study used data from the National Pandemic Cohort Network (NAPKON) in Germany. METHODS IER utilization rates were retrieved. Demographic and clinical data from hospitalized COVID-19 patients who had received IER during the course of their treatment were evaluated. RESULTS Out of the 2,644 patients in the Cross-Sectoral Platform (German abbreviation: SUEP) cohort, 0.79% [95% CI: 0.51% to 1.22%] received IER during their stay in an acute care hospital. Among the subgroup of patients who had previously been treated in intensive care, 2.13% [95% CI: 1.16% to 3.63%] received IER. The most common comorbidities were cardiovascular diseases (66.7%) and neurological/psychiatric diseases (36.1%). The small sample size limited further analyses. CONCLUSION The low rate of early rehabilitation in acute hospitals for COVID-19 patients indicates an unmet need, particularly in severe cases. Structural changes in the health system are needed to close this gap. The WHO and the German Medical Council have recently acknowledged the necessity of early in-hospital rehabilitation and have issued a call for its implementation in acute hospitals.
| DOI: | 10.1371/journal.pone.0334941 |
Abstract:
BACKGROUND Early rehabilitation in acute hospitals aims to prevent immobilization-related complications and improve the functional capacity of patients with severe or critical illness. Early rehabilitation can be a useful concept to improve functioning in COVID-19 patients. However, literature concerning early in-hospital rehabilitation in COVID-19 patients is scarce. AIM To analyze the utilization of in-hospital interdisciplinary early rehabilitation (IER) in COVID-19 patients and characterize the sample of IER patients. DESIGN Prospective cohort study. SETTING Hospitalized COVID-19 patient cases. POPULATION This study used data from the National Pandemic Cohort Network (NAPKON) in Germany. METHODS IER utilization rates were retrieved. Demographic and clinical data from hospitalized COVID-19 patients who had received IER during the course of their treatment were evaluated. RESULTS Out of the 2,644 patients in the Cross-Sectoral Platform (German abbreviation: SUEP) cohort, 0.79% [95% CI: 0.51% to 1.22%] received IER during their stay in an acute care hospital. Among the subgroup of patients who had previously been treated in intensive care, 2.13% [95% CI: 1.16% to 3.63%] received IER. The most common comorbidities were cardiovascular diseases (66.7%) and neurological/psychiatric diseases (36.1%). The small sample size limited further analyses. CONCLUSION The low rate of early rehabilitation in acute hospitals for COVID-19 patients indicates an unmet need, particularly in severe cases. Structural changes in the health system are needed to close this gap. The WHO and the German Medical Council have recently acknowledged the necessity of early in-hospital rehabilitation and have issued a call for its implementation in acute hospitals.
S. Kugai,
B. Aretz,
Y. Krumpholtz,
M. Schmidt,
D. Süssle,
L. Steyer,
A. Henkel,
K. Bender,
F. Girrbach,
S. Stehr,
K. Balzer and
B. Weltermann,
"Innovative Regional Services and Heterogeneous Communication Channels: Results from the Nationwide German egePan Project for Pandemic Management",
Healthcare,
vol. 21,
no. 21,
pp. 2192,
Nov.
2024.
| DOI: | 10.3390/healthcare12212192 |
K. Appel,
C. Lee,
S. N. Miranda,
D. Maier,
J. Reese,
G. Anton,
T. Bahmer,
S. Ballhausen,
B. Balzuweit,
C. Bellinghausen,
A. Blumentritt,
M. Brechtel,
I. Chaplinskaya-Sobol,
J. Erber,
K. Fiedler,
R. Geisler,
R. Heyder,
T. Illig,
M. Kohls,
L. Krist,
R. Lorbeer,
O. Miljukov,
L. Mitrov,
C. Nürnberger,
C. Pape,
C. Pley,
C. Schäfer,
J. Schaller,
M. Schattschneider,
M. Scherer,
N. Schulze,
D. Stahl,
H. C. Stubbe,
T. Tamminga,
J. J. Tebbe,
M. Vehreschild,
J. J. Vehreschild,
S. Wiedmann and
J. Kollek,
"A precise performance-based reimbursement model for the multi-centre NAPKON cohorts - development and evaluation",
Sci Rep. 2024 Jun 13;14(1):13607,
06
2024.
| DOI: | 10.1038/s41598-024-63945-5 |
| Pubmed: | 38871878 |
C. Stellmach,
S. Hopff,
T. Jaenisch,
S. N. Miranda,
E. Rinaldi,
N. group and
R. Working Groups,
"Creation of Standardized Common Data Elements for Diagnostic Tests in Infectious Disease Studies: Semantic and Syntactic Mapping",
J Med Internet Res. 2024 Jun 10;26:e50049,
06
2024.
| DOI: | 10.2196/50049 |
Y. Devaux,
L. Zhang,
A. Lumley,
K. Karaduzovic-Hadziabdic,
V. Mooser,
S. Rousseau,
M. Shoaib,
V. Satagopam,
P. Srivastava,
C. Emanueli,
F. Martelli,
S. Greco,
L. Badimon,
T. Padro,
M. Lustrek,
M. Scholz,
M. Rosolowski,
T. Brandenburger,
J. J. Vehreschild,
B. Lorenz-Depiereux,
M. Dörr,
O. Witzke,
M. Jordan,
B. Benczik,
P. Ferdinandy,
G. Sanchez,
S. Kul,
A. Baker,
G. Fagherazzi,
M. Ollert,
R. Wereski,
N. Mills and
H. Firat,
"Development of a long noncoding RNA-based machine learning model to predict COVID-19 in-hospital mortality",
Nat Commun. 2024 May 20; 15(1):4259.,
05
2024.
S. Hopff,
K. Appel,
O. Miljukov,
J. Schneider,
S. Bercker,
S. Blaschke,
I. Bröhl,
H. Dashti,
J. Erber,
A. Friedrichs,
R. Geisler,
S. Göpel,
M. Hagen,
F. Hanses,
B. Jensen,
A. Krawczyk,
B. Lorenz-Depiereux,
P. Meybohm,
M. Milovanovic,
L. Mitrov,
C. Nürnberger,
C. Römmele,
C. Schäfer,
C. Scheer,
M. Scherer,
J. Schmidt,
K. Seibel,
S. Sikdar,
J. J. Tebbe,
P. R. Tepasse,
M. Vehreschild,
C. Weismantel,
J. J. Vehreschild,
R. Bals,
N. Büchner,
M. Keul,
W. Obst and
P. Thelen,
"Comparison of post-COVID-19 symptoms in patients infected with the SARS-CoV-2 variants delta and omicron-results of the Cross-Sectoral Platform of the German National Pandemic Cohort Network (NAPKON-SUEP)",
Infection. 2024 May 3,
05
2024.
| DOI: | 10.1007/s15010-024-02270-5 |
J. Bienzeisler,
G. Becker,
B. Erdmann,
A. Kombeiz,
R. W. Majeed,
R. Röhrig,
F. Greiner,
R. Otto and
F. Otto-Sobotka,
"The Effects of Displaying the Time Targets of the Manchester Triage System to Emergency Department Personnel: Prospective Crossover Study",
J Med Internet Res,
vol. 26,
Mai
2024.
| DOI: | 10.2196/45593 |
| Pubmed: | 38743464 |
[en]
M. Heming,
A. B"orsch,
S. Melnik,
N. Gmahl,
L. M"uller-Miny,
C. Dambietz,
L. Fisch,
T. K"uhnel,
T. J. Brix,
A. Janssen,
E. Schumann,
C. C. Gross,
J. Varghese,
T. Hahn,
H. Wiendl and
G. Meyer Zu H"orste,
"Atlas of Cerebrospinal Fluid Immune Cells Across Neurological
Diseases",
Ann Neurol,
vol. 97,
no. 4,
pp. 779—790,
Dez.
2024.
Abstract:
In dieser Studie wurden die Immunzellen in Nervenwasser (Liquor) und Blut von über 8.000 Patientinnen und Patienten untersucht, um Muster zu erkennen, die bei verschiedenen neurologischen Erkrankungen auftreten. Die Forschenden fanden heraus, dass bestimmte Abwehrzellen im Liquor und Blut mit dem Alter zunehmen oder abnehmen und so etwas wie ein „Immun-Alter“ anzeigen können. Mithilfe von Computermodellen konnten vier große Krankheitsgruppen allein anhand der Zellprofile im Liquor und Blut unterschieden werden: gesunde Personen, Autoimmunerkrankungen, Hirnhaut- bzw. Gehirnentzündungen und neurodegenerative Erkrankungen. Diese Einteilung funktionierte auch in weiteren unabhängigen Patientengruppen. Zudem zeigte sich, dass die Methode helfen kann, Erkrankungen wie Multiple Sklerose oder Demenz besser einzuschätzen und die Diagnose zu verbessern.
Abstract:
In dieser Studie wurden die Immunzellen in Nervenwasser (Liquor) und Blut von über 8.000 Patientinnen und Patienten untersucht, um Muster zu erkennen, die bei verschiedenen neurologischen Erkrankungen auftreten. Die Forschenden fanden heraus, dass bestimmte Abwehrzellen im Liquor und Blut mit dem Alter zunehmen oder abnehmen und so etwas wie ein „Immun-Alter“ anzeigen können. Mithilfe von Computermodellen konnten vier große Krankheitsgruppen allein anhand der Zellprofile im Liquor und Blut unterschieden werden: gesunde Personen, Autoimmunerkrankungen, Hirnhaut- bzw. Gehirnentzündungen und neurodegenerative Erkrankungen. Diese Einteilung funktionierte auch in weiteren unabhängigen Patientengruppen. Zudem zeigte sich, dass die Methode helfen kann, Erkrankungen wie Multiple Sklerose oder Demenz besser einzuschätzen und die Diagnose zu verbessern.
[de]
S. Windeck,
S. Stillfried,
L. Triefenbach,
U. Nienaber,
R. D. Bülow,
R. Röhrig,
B. Ondruschka,
P. Boor and
NATON,
"[Development and progress of the National Autopsy Network
(NATON)]",
Pathologie (Heidelb),
vol. Online ahead of print,
2024.
Abstract:
BACKGROUND: Autopsies have long been considered the gold standard for quality assurance in medicine, yet their significance in basic research has been relatively overlooked. The COVID-19 pandemic underscored the potential of autopsies in understanding pathophysiology, therapy, and disease management. In response, the German Registry for COVID-19 Autopsies (DeRegCOVID) was established in April 2020, followed by the DEFEAT PANDEMIcs consortium (2020-2021), which evolved into the National Autopsy Network (NATON). DEREGCOVID: DeRegCOVID collected and analyzed autopsy data from COVID-19 deceased in Germany over three years, serving as the largest national multicenter autopsy study. Results identified crucial factors in severe/fatal cases, such as pulmonary vascular thromboemboli and the intricate virus-immune interplay. DeRegCOVID served as a central hub for data analysis, research inquiries, and public communication, playing a vital role in informing policy changes and responding to health authorities. NATON: Initiated by the Network University Medicine (NUM), NATON emerged as a sustainable infrastructure for autopsy-based research. NATON aims to provide a data and method platform, fostering collaboration across pathology, neuropathology, and legal medicine. Its structure supports a swift feedback loop between research, patient care, and pandemic management. CONCLUSION: DeRegCOVID has significantly contributed to understanding COVID-19 pathophysiology, leading to the establishment of NATON. The National Autopsy Registry (NAREG), as its successor, embodies a modular and adaptable approach, aiming to enhance autopsy-based research collaboration nationally and, potentially, internationally.
| DOI: | https://doi.org/10.1007/s00292-024-01307-8 |
Abstract:
BACKGROUND: Autopsies have long been considered the gold standard for quality assurance in medicine, yet their significance in basic research has been relatively overlooked. The COVID-19 pandemic underscored the potential of autopsies in understanding pathophysiology, therapy, and disease management. In response, the German Registry for COVID-19 Autopsies (DeRegCOVID) was established in April 2020, followed by the DEFEAT PANDEMIcs consortium (2020-2021), which evolved into the National Autopsy Network (NATON). DEREGCOVID: DeRegCOVID collected and analyzed autopsy data from COVID-19 deceased in Germany over three years, serving as the largest national multicenter autopsy study. Results identified crucial factors in severe/fatal cases, such as pulmonary vascular thromboemboli and the intricate virus-immune interplay. DeRegCOVID served as a central hub for data analysis, research inquiries, and public communication, playing a vital role in informing policy changes and responding to health authorities. NATON: Initiated by the Network University Medicine (NUM), NATON emerged as a sustainable infrastructure for autopsy-based research. NATON aims to provide a data and method platform, fostering collaboration across pathology, neuropathology, and legal medicine. Its structure supports a swift feedback loop between research, patient care, and pandemic management. CONCLUSION: DeRegCOVID has significantly contributed to understanding COVID-19 pathophysiology, leading to the establishment of NATON. The National Autopsy Registry (NAREG), as its successor, embodies a modular and adaptable approach, aiming to enhance autopsy-based research collaboration nationally and, potentially, internationally.
H. T,
T. U,
L. B,
K. C,
K. M,
F. M,
R. D,
O. P,
B. J,
F. M,
W. G and
G. F,
"[Is JAK inhibition an option in the treatment of interstitial lung disease in rheumatoid arthritis?].",
Zeitschrift fur Rheumatologie,
Aug.
2024.
Abstract:
Ein 69-jähriger männlicher Patient mit seropositiver erosiver rheumatoider Arthritis (RA) präsentierte sich in unserer Klinik durch progressive Dyspnea. Hochauflösende berechnete Tomographie (HRCT) und immunologische Bronchioalveolarlavage ergaben Bodenglas-Optik und eine durch interstitielle Lungenerkrankungen (ILD) in RA verursachte lymphozytische Alveolitis. In Anbetracht früherer Behandlungsformen wurde die krankheitsmodifizierende antirheumatische Behandlung (DMARD) auf die Facitinib umgestellt. Die Tofacitinib-Behandlung zeigte eine Verringerung der Bodenglas-Optik durch künstliche Intelligenz-basierte Quantifizierung der Lungen HRCT im Laufe von 6 Monaten, die mit einer Verbesserung der Dyspnea-Symptome verbunden war. Abschließend stellt Tofacitinib eine effektive entzündungshemmende therapeutische Option bei der Behandlung von RA-ILD dar.
| DOI: | 10.1007/s00393-023-01434-2 |
Abstract:
Ein 69-jähriger männlicher Patient mit seropositiver erosiver rheumatoider Arthritis (RA) präsentierte sich in unserer Klinik durch progressive Dyspnea. Hochauflösende berechnete Tomographie (HRCT) und immunologische Bronchioalveolarlavage ergaben Bodenglas-Optik und eine durch interstitielle Lungenerkrankungen (ILD) in RA verursachte lymphozytische Alveolitis. In Anbetracht früherer Behandlungsformen wurde die krankheitsmodifizierende antirheumatische Behandlung (DMARD) auf die Facitinib umgestellt. Die Tofacitinib-Behandlung zeigte eine Verringerung der Bodenglas-Optik durch künstliche Intelligenz-basierte Quantifizierung der Lungen HRCT im Laufe von 6 Monaten, die mit einer Verbesserung der Dyspnea-Symptome verbunden war. Abschließend stellt Tofacitinib eine effektive entzündungshemmende therapeutische Option bei der Behandlung von RA-ILD dar.
F. Steinbeis,
C. Kedor,
H. Meyer,
C. Thibeault,
M. Mittermaier,
P. Knape,
K. Ahrens,
G. Rotter,
B. Temmesfeld-Wollbrück,
L. E. Sander,
F. Kurth,
M. Witzenrath,
C. Scheibenbogen and
T. Zoller,
"A new phenotype of patients with post-COVID-19 condition is characterised by a pattern of complex ventilatory dysfunction, neuromuscular disturbance and fatigue symptoms",
ERJ Open Research,
vol. 10,
no. 5,
2024.
Abstract:
BackgroundPatients with post-COVID-19 condition frequently suffer from chronic dyspnoea. The causes and mechanism for dyspnoea in these patients without evidence of structural lung disease are unclear. MethodsPatients treated for COVID-19 at Charité University Hospital in Berlin received pulmonary function testing including respiratory muscle strength tests and completed health-related quality-of-life questionnaires during follow-up. Patients with post-COVID-19 condition during outpatient follow-up with fatigue and exertional intolerance (PCF) were compared to patients with post-COVID-19 condition with evidence of chronic pulmonary sequelae (post-COVID-19 restriction (PCR)) as well as to patients without post-COVID-19 condition (NCF). ResultsA total of 170 patients presented for follow-up. 36 participants met criteria for PCF, 28 for PCR and 24 for NCF. PCF patients reported dyspnoea in 63.8%. % predicted value of respiratory muscle strength (median (IQR)) was reduced in PCF (55.8 (41.5—75.9)) compared to NCF and PCR (70.6 (66.3—88.9) and 76.8 (63.6—102.2), respectively; p=0.011). A pattern of reduced forced vital capacity (FVC), but normal total lung capacity (TLC), termed complex ventilatory dysfunction defined as TLC $-$ FVC \textgreater10% predicted was observed and occurred more frequently in PCF (88.9%) compared to NCF and PCR (29.1% and 25.0%, respectively; p\textless0.001). ConclusionDyspnoea in PCF is characterised by reduced respiratory muscle strength and complex ventilatory dysfunction indicating neuromuscular disturbance as a distinct phenotype among patients with post-COVID-19 condition. These observations could be a starting point for developing personalised rehabilitation concepts. Shareable abstract Patients with post-COVID-19 condition, fatigue and exertional malaise frequently suffer from dyspnoea. Dyspnoea in this patient group might be caused by a novel pattern of complex ventilatory dysfunction and neuromuscular disturbance. https://bit.ly/3WKhDrN
| DOI: | 10.1183/23120541.01027-2023 |
| Datei: | https://publications.ersnet.org//content/erjor/10/5/01027-2023 |
Abstract:
BackgroundPatients with post-COVID-19 condition frequently suffer from chronic dyspnoea. The causes and mechanism for dyspnoea in these patients without evidence of structural lung disease are unclear. MethodsPatients treated for COVID-19 at Charité University Hospital in Berlin received pulmonary function testing including respiratory muscle strength tests and completed health-related quality-of-life questionnaires during follow-up. Patients with post-COVID-19 condition during outpatient follow-up with fatigue and exertional intolerance (PCF) were compared to patients with post-COVID-19 condition with evidence of chronic pulmonary sequelae (post-COVID-19 restriction (PCR)) as well as to patients without post-COVID-19 condition (NCF). ResultsA total of 170 patients presented for follow-up. 36 participants met criteria for PCF, 28 for PCR and 24 for NCF. PCF patients reported dyspnoea in 63.8%. % predicted value of respiratory muscle strength (median (IQR)) was reduced in PCF (55.8 (41.5—75.9)) compared to NCF and PCR (70.6 (66.3—88.9) and 76.8 (63.6—102.2), respectively; p=0.011). A pattern of reduced forced vital capacity (FVC), but normal total lung capacity (TLC), termed complex ventilatory dysfunction defined as TLC $-$ FVC \textgreater10% predicted was observed and occurred more frequently in PCF (88.9%) compared to NCF and PCR (29.1% and 25.0%, respectively; p\textless0.001). ConclusionDyspnoea in PCF is characterised by reduced respiratory muscle strength and complex ventilatory dysfunction indicating neuromuscular disturbance as a distinct phenotype among patients with post-COVID-19 condition. These observations could be a starting point for developing personalised rehabilitation concepts. Shareable abstract Patients with post-COVID-19 condition, fatigue and exertional malaise frequently suffer from dyspnoea. Dyspnoea in this patient group might be caused by a novel pattern of complex ventilatory dysfunction and neuromuscular disturbance. https://bit.ly/3WKhDrN
M. Bialke,
C. Hampf,
A. Blumentritt,
F. Moser,
S. Lang,
A. Stehn,
E. Sargsyan,
W. Hoffmann and
M. Kraus,
"A semantic consent code to facilitate consistent documentation and implementation of consent in collaborative medical research",
International journal of medical informatics,
vol. 190,
pp. 105545,
2024.
Abstract:
INTRODUCTION In German and international research networks different approaches concerning patient consent are applied. So far it is time-consuming to find out to what extent data from these networks can be used for a specific research project. To make the contents of the consents queryable, we aimed for a permission-based approach (Opt-In) that can map both the permission and the withdrawal of consent contents as well as make it queryable beyond project boundaries. MATERIALS AND METHODS The current state of research was analysed in terms of approach and reusability. Selected process models for defining consent policies were abstracted in a next step. On this basis, a standardised semantic terminology for the description of consent policies was developed and initially agreed with experts. In a final step, the resulting code was evaluated with regards to different aspects of applicability. RESULTS A first and extendable version for a Semantic Consent Code (SCC) based on 3-axis (CLASS, ACTION, PURPOSE) was developed, consolidated und published. The added value achieved by the SCC was illustrated using the example of real consents from large national research associations (Medical Informatics Initiative and NUM NAPKON/NUKLEUS). The applicability of the SCC was successfully evaluated in terms of the manual semantic mapping of consents by briefly trained personnel and the automated interpretability of consent policies according to the SCC (and vice versa). In addition, a concept for the use of the SCC to simplify consent queries in heterogeneous research scenarios was presented. CONCLUSIONS The Semantic Consent Code has already successfully undergone initial evaluations. As the published 3-axis code SCC is an essential preliminary work to standardising initially diverse consent texts and contents and can iteratively be extended in multiple ways in terms of content and technical additions. It should be extended in cooperation with the potential user community.
| DOI: | 10.1016/j.ijmedinf.2024.105545 |
Abstract:
INTRODUCTION In German and international research networks different approaches concerning patient consent are applied. So far it is time-consuming to find out to what extent data from these networks can be used for a specific research project. To make the contents of the consents queryable, we aimed for a permission-based approach (Opt-In) that can map both the permission and the withdrawal of consent contents as well as make it queryable beyond project boundaries. MATERIALS AND METHODS The current state of research was analysed in terms of approach and reusability. Selected process models for defining consent policies were abstracted in a next step. On this basis, a standardised semantic terminology for the description of consent policies was developed and initially agreed with experts. In a final step, the resulting code was evaluated with regards to different aspects of applicability. RESULTS A first and extendable version for a Semantic Consent Code (SCC) based on 3-axis (CLASS, ACTION, PURPOSE) was developed, consolidated und published. The added value achieved by the SCC was illustrated using the example of real consents from large national research associations (Medical Informatics Initiative and NUM NAPKON/NUKLEUS). The applicability of the SCC was successfully evaluated in terms of the manual semantic mapping of consents by briefly trained personnel and the automated interpretability of consent policies according to the SCC (and vice versa). In addition, a concept for the use of the SCC to simplify consent queries in heterogeneous research scenarios was presented. CONCLUSIONS The Semantic Consent Code has already successfully undergone initial evaluations. As the published 3-axis code SCC is an essential preliminary work to standardising initially diverse consent texts and contents and can iteratively be extended in multiple ways in terms of content and technical additions. It should be extended in cooperation with the potential user community.
V. D,
M. T,
W. D,
O. S,
M. S,
G. M,
E. TJ and
B. M,
"Applicability of the CT Radiomics of Skeletal Muscle and Machine Learning for the Detection of Sarcopenia and Prognostic Assessment of Disease Progression in Patients with Gastric and Esophageal Tumors.",
Diagnostics (Basel, Switzerland),
Jan.
2024.
Abstract:
Sarcopenia gilt als negative prognostische Faktor bei Patienten mit malignen Tumoren. Unter anderem diagnostische Optionen kann die rechnetierte Tomographie (CT), die wiederholt an Tumorpatienten durchgeführt wird, von weiterem Nutzen sein. Die vorliegende Studie zielt darauf ab, einen Rahmen für die Einstufung der Auswirkungen von Sarkopenie auf die Prognose von Patienten zu schaffen, die mit Ösophagus- oder Magenkrebs diagnostiziert werden. Zusätzlich untersucht sie die Bedeutung von CT-Radiomics in diagnostischen und prognostischen Methoden. CT-Scans von 83 Patienten mit Ösophagus- oder Magenkrebs zum Zeitpunkt der Diagnose und während einer Nachlaufzeit von einem Jahr wurden rückwirkend ausgewertet. Insgesamt wurden 330 CT-Scans analysiert. Siebenzig drei dieser Patienten erhielten eine operative Tumorrektion nach der Neoadjuvant Chemotherapie, und 74% der Patienten waren männlich. Das Durchschnittsalter betrug 64 Jahre (31-83 Jahre). Drei Zeitpunkte (t) wurden als Grundlage für die statistische Analyse definiert, um den Krankheitsverlauf zu strukturieren: t1 = anfängliche Diagnose, t2 = folgende (neoadjuvante) Chemotherapie und t3 = Ende des ersten Jahres nach der Operation in der "chirurgischen" Gruppe oder Ende des ersten Jahres nach der Chemotherapie. Sarcopenia wurde mit dem Psoas-Muskelindex (PMI) bestimmt. Die weitere Analyse umfasste die Analyse ausgewählter radiomatischer Merkmale der Psoas-Dur, Quadratus lumborum und der erector spinae Muskeln auf der L3-Ebene. Der Krankheitsverlauf wurde nach den Reaktionsauswertungskriterien in festen Tumoren überwacht (RECIST 1.1). CT-Scans und Radiomics wurden verwendet, um die Wahrscheinlichkeit von Tumorfortschritt und ihre Korrelation zu Sarkoopenie zu beurteilen. Für maschinelles Lernen wurden die etablierten Algorithmen Entscheidungsbaum (DT), K-nächster Nachbar (KNN) und zufälliger Wald (RF) angewendet. Zur Bewertung der Leistung jedes Modells wurde eine 10-fache Kreuzvalidierung sowie eine Berechnung der Genauigkeit und Fläche unter der Kurve (AUC) verwendet. Während der Beobachtungszeit der Studie gab es einen signifikanten Rückgang der PMI. Dies zeigte sich am deutlichsten bei Patienten mit chirurgischer Therapie im Vergleich zwischen der Diagnose und nach der Neoadjuvant-Therapie und Chirurgie (jeweils <i>p</i> < 0,001). Die Tumorfortschritte (PD) wurden bei Patienten mit Sarkoopenie im Vergleich zu denen ohne Sarkoopenie zu einem beliebigen Zeitpunkt nicht deutlich beobachtet (<i>p</i> = 0,277 bis <i>p</i> = 0,465). Im Durchschnitt trat PD nach 271.69 ± 104.20 Tagen auf. Die Zeit von der anfänglichen Diagnose bis zur PD bei Patienten "mit Sarkoopenie" war zu keinem Zeitpunkt deutlich kürzer als bei Patienten "ohne Sarkoopenie" (<i>p</i> = 0,521 bis <i>p</i> = 0,817). Die CT-Radiomics des Skelettmuskels könnten sowohl Sarkaopenie als auch Tumorfortschritt vorhersagen, mit den besten Ergebnissen für den Psoas-Durmuskel mit dem RF-Algorithmus. Zur Erkennung von Sarkoopen betrug die Genauigkeit 0,90 ± 0,03 und AUC 0,96 ± 0.02. Für die Vorhersage von PD betrug die Genauigkeit 0,88 ± 0,04 und die AUC 0,93 ± 0,04. In der vorliegenden Studie korreliert die CT-Radiomics des Skelettmuskels zusammen mit dem maschinellen Lernen mit dem Vorhandensein von Sarkaopenie, und dies kann zusätzlich bei der Vorhersage des Krankheitsverlaufs helfen. Diese Funktionen können als vielversprechende Alternativen zu konventionellen Methoden eingestuft werden, mit großem Potenzial für weitere Forschung und zukünftige klinische Anwendung. Bei der Diagnose von Sarcopenia mit PMI konnte jedoch keine signifikante Korrelation zwischen Sarcopenia und PD beobachtet werden.
| DOI: | 10.3390/diagnostics14020198 |
Abstract:
Sarcopenia gilt als negative prognostische Faktor bei Patienten mit malignen Tumoren. Unter anderem diagnostische Optionen kann die rechnetierte Tomographie (CT), die wiederholt an Tumorpatienten durchgeführt wird, von weiterem Nutzen sein. Die vorliegende Studie zielt darauf ab, einen Rahmen für die Einstufung der Auswirkungen von Sarkopenie auf die Prognose von Patienten zu schaffen, die mit Ösophagus- oder Magenkrebs diagnostiziert werden. Zusätzlich untersucht sie die Bedeutung von CT-Radiomics in diagnostischen und prognostischen Methoden. CT-Scans von 83 Patienten mit Ösophagus- oder Magenkrebs zum Zeitpunkt der Diagnose und während einer Nachlaufzeit von einem Jahr wurden rückwirkend ausgewertet. Insgesamt wurden 330 CT-Scans analysiert. Siebenzig drei dieser Patienten erhielten eine operative Tumorrektion nach der Neoadjuvant Chemotherapie, und 74% der Patienten waren männlich. Das Durchschnittsalter betrug 64 Jahre (31-83 Jahre). Drei Zeitpunkte (t) wurden als Grundlage für die statistische Analyse definiert, um den Krankheitsverlauf zu strukturieren: t1 = anfängliche Diagnose, t2 = folgende (neoadjuvante) Chemotherapie und t3 = Ende des ersten Jahres nach der Operation in der "chirurgischen" Gruppe oder Ende des ersten Jahres nach der Chemotherapie. Sarcopenia wurde mit dem Psoas-Muskelindex (PMI) bestimmt. Die weitere Analyse umfasste die Analyse ausgewählter radiomatischer Merkmale der Psoas-Dur, Quadratus lumborum und der erector spinae Muskeln auf der L3-Ebene. Der Krankheitsverlauf wurde nach den Reaktionsauswertungskriterien in festen Tumoren überwacht (RECIST 1.1). CT-Scans und Radiomics wurden verwendet, um die Wahrscheinlichkeit von Tumorfortschritt und ihre Korrelation zu Sarkoopenie zu beurteilen. Für maschinelles Lernen wurden die etablierten Algorithmen Entscheidungsbaum (DT), K-nächster Nachbar (KNN) und zufälliger Wald (RF) angewendet. Zur Bewertung der Leistung jedes Modells wurde eine 10-fache Kreuzvalidierung sowie eine Berechnung der Genauigkeit und Fläche unter der Kurve (AUC) verwendet. Während der Beobachtungszeit der Studie gab es einen signifikanten Rückgang der PMI. Dies zeigte sich am deutlichsten bei Patienten mit chirurgischer Therapie im Vergleich zwischen der Diagnose und nach der Neoadjuvant-Therapie und Chirurgie (jeweils <i>p</i> < 0,001). Die Tumorfortschritte (PD) wurden bei Patienten mit Sarkoopenie im Vergleich zu denen ohne Sarkoopenie zu einem beliebigen Zeitpunkt nicht deutlich beobachtet (<i>p</i> = 0,277 bis <i>p</i> = 0,465). Im Durchschnitt trat PD nach 271.69 ± 104.20 Tagen auf. Die Zeit von der anfänglichen Diagnose bis zur PD bei Patienten "mit Sarkoopenie" war zu keinem Zeitpunkt deutlich kürzer als bei Patienten "ohne Sarkoopenie" (<i>p</i> = 0,521 bis <i>p</i> = 0,817). Die CT-Radiomics des Skelettmuskels könnten sowohl Sarkaopenie als auch Tumorfortschritt vorhersagen, mit den besten Ergebnissen für den Psoas-Durmuskel mit dem RF-Algorithmus. Zur Erkennung von Sarkoopen betrug die Genauigkeit 0,90 ± 0,03 und AUC 0,96 ± 0.02. Für die Vorhersage von PD betrug die Genauigkeit 0,88 ± 0,04 und die AUC 0,93 ± 0,04. In der vorliegenden Studie korreliert die CT-Radiomics des Skelettmuskels zusammen mit dem maschinellen Lernen mit dem Vorhandensein von Sarkaopenie, und dies kann zusätzlich bei der Vorhersage des Krankheitsverlaufs helfen. Diese Funktionen können als vielversprechende Alternativen zu konventionellen Methoden eingestuft werden, mit großem Potenzial für weitere Forschung und zukünftige klinische Anwendung. Bei der Diagnose von Sarcopenia mit PMI konnte jedoch keine signifikante Korrelation zwischen Sarcopenia und PD beobachtet werden.
H. T,
T. U,
L. B,
R. D,
B. LB,
K. M,
O. P,
B. J,
G. F and
W. G,
"Artificial intelligence-based quantification of pulmonary HRCT (AIqpHRCT) for the evaluation of interstitial lung disease in patients with inflammatory rheumatic diseases.",
Rheumatology international,
Nov.
2024.
Abstract:
Die hochauflösende berechnete Tomographie (HRCT) ist wichtig für die Diagnose der interstitiellen Lungenerkrankung (ILD) bei entzündlichen rheumatischen Erkrankungen (IRD)-Patienten. Die visuelle ILD-Bewertung über HRCT hat jedoch oft eine hohe Interreader-Variabilität. Künstliche Intelligenz (KI)-basierte Techniken für quantitative Bildanalyse versprechen genauere Diagnose- und Prognoseinformationen. Diese Studie bewertete die Zuverlässigkeit der künstlichen Intelligenz-basierten Quantifizierung von pulmonären HRCT (AIqpHRCT) bei IRD-ILD-Patienten und überprüfte IRD-ILD-Quantifizierung mit AIqpHRCT im klinischen Umfeld. Die Reproduzierbarkeit von AIqpHRCT wurde für jedes typische HRCT-Muster (Bodenglas-Optik [GGO], unspezifische interstitielle Lungenentzündung [NSIP], übliche interstitielle Lungenentzündung [UIP], Granuloma) überprüft. Zusätzlich wurden 50 HRCT-Datensätze von 50 IRD-ILD-Patienten mit AIqpHRCT analysiert und mit klinischen Daten und Lungenfunktionsparametern korreliert. AIqpHRCT präsentierte eine 100%ige Vereinbarung (Koeffizient der Variation = 0,00%, Intraklasse-Korrelationskoeffizient = 1.000) über die Detektion des unterschiedlichen HRCT-Musters. Darüber hinaus zeigten AIqpHRCT-Daten eine Zunahme der ILD von 10,7 ± 28,3 % (vermittelt = 1,3 %) in GGO auf 18,9 ± 12,4 % (vermittelt = 18,0 %) im UIP-Muster. Das Ausmaß der Fibrose korrelierte mit FVC (ρ=-0.501), DC (ρ=-0.622) und DLCO (ρ=-0.693) (p < 0,001) negativ. GGO gemessen von AIqpHRCT auch signifikant negativ mit DLCO (ρ=-0.699), DC (ρ=-0.580) und FVC (ρ=-0.423) korreliert. Erstmals zeigt die Studie, dass AIpqHRCT eine hoch zuverlässige Methode zur Quantifizierung von Lungenparenchymalen Veränderungen in HRCT-Bildern von IRD-ILD-Patienten bietet. Ferner ergab die AIqpHRCT-Methode signifikante Zusammenhänge zwischen dem Ausmaß der ILD- und Lungenfunktionsparameter. Dies unterstreicht das Potenzial von AIpqHRCT, die Genauigkeit der ILD-Diagnostik und Prognose in klinischen Einstellungen zu verbessern, letztlich das Patientenmanagement und die Ergebnisse zu verbessern.
| DOI: | 10.1007/s00296-024-05715-0 |
Abstract:
Die hochauflösende berechnete Tomographie (HRCT) ist wichtig für die Diagnose der interstitiellen Lungenerkrankung (ILD) bei entzündlichen rheumatischen Erkrankungen (IRD)-Patienten. Die visuelle ILD-Bewertung über HRCT hat jedoch oft eine hohe Interreader-Variabilität. Künstliche Intelligenz (KI)-basierte Techniken für quantitative Bildanalyse versprechen genauere Diagnose- und Prognoseinformationen. Diese Studie bewertete die Zuverlässigkeit der künstlichen Intelligenz-basierten Quantifizierung von pulmonären HRCT (AIqpHRCT) bei IRD-ILD-Patienten und überprüfte IRD-ILD-Quantifizierung mit AIqpHRCT im klinischen Umfeld. Die Reproduzierbarkeit von AIqpHRCT wurde für jedes typische HRCT-Muster (Bodenglas-Optik [GGO], unspezifische interstitielle Lungenentzündung [NSIP], übliche interstitielle Lungenentzündung [UIP], Granuloma) überprüft. Zusätzlich wurden 50 HRCT-Datensätze von 50 IRD-ILD-Patienten mit AIqpHRCT analysiert und mit klinischen Daten und Lungenfunktionsparametern korreliert. AIqpHRCT präsentierte eine 100%ige Vereinbarung (Koeffizient der Variation = 0,00%, Intraklasse-Korrelationskoeffizient = 1.000) über die Detektion des unterschiedlichen HRCT-Musters. Darüber hinaus zeigten AIqpHRCT-Daten eine Zunahme der ILD von 10,7 ± 28,3 % (vermittelt = 1,3 %) in GGO auf 18,9 ± 12,4 % (vermittelt = 18,0 %) im UIP-Muster. Das Ausmaß der Fibrose korrelierte mit FVC (ρ=-0.501), DC (ρ=-0.622) und DLCO (ρ=-0.693) (p < 0,001) negativ. GGO gemessen von AIqpHRCT auch signifikant negativ mit DLCO (ρ=-0.699), DC (ρ=-0.580) und FVC (ρ=-0.423) korreliert. Erstmals zeigt die Studie, dass AIpqHRCT eine hoch zuverlässige Methode zur Quantifizierung von Lungenparenchymalen Veränderungen in HRCT-Bildern von IRD-ILD-Patienten bietet. Ferner ergab die AIqpHRCT-Methode signifikante Zusammenhänge zwischen dem Ausmaß der ILD- und Lungenfunktionsparameter. Dies unterstreicht das Potenzial von AIpqHRCT, die Genauigkeit der ILD-Diagnostik und Prognose in klinischen Einstellungen zu verbessern, letztlich das Patientenmanagement und die Ergebnisse zu verbessern.
F. P,
H. R,
K. J,
M. D,
P. D. S. D,
L. S and
P. T,
"ChatGPT yields low accuracy in determining LI-RADS scores based on free-text and structured radiology reports in German language.",
Frontiers in radiology,
2024.
Abstract:
Um die Machbarkeit des großen Sprachmodells (LLM) ChatGPT zur Klassifizierung von Leberläsionen nach dem Liver Imaging Reporting and Data System (LI-RADS) basierend auf MRI-Berichten zu untersuchen und die Klassifizierungsleistung auf strukturierten vs. unstrukturierten Berichten zu vergleichen. LI-RADS-klassifizierbare Leberläsionen wurden aus deutschen schriftlichen strukturierten und unstrukturierten MRT-Berichten mit Bericht über Größe, Lage und arterielle Phasenkontrastverbesserung als Mindestinklusionsanforderungen aufgenommen. Die Ergebnisse der Berichte wurden an ChatGPT (GPT-3.5) weiterverbreitet, die für jede klassifizierte Leberläsion zur Bestimmung von LI-RADS-Scores angewiesen wurde. Die Bodenwahrheit wurde durch zwei Radiologen im Konsens begründet. Die Vereinbarung zwischen Grundwahrheit und ChatGPT wurde mit Cohens Kappa bewertet. Test-Retest-Verlässlichkeit wurde bewertet, indem eine Teilmenge von <i>n>/i> = 50 Läsionen fünfmal an ChatGPT, unter Verwendung des Intra-Klasse-Korrelationskoeffizienten (ICC). Es wurden 205 MRT von 150 Patienten aufgenommen. Die Genauigkeit von ChatGPT bei der Bestimmung von LI-RADS-Kategorien war schlecht (53% und 44% auf unstrukturierte und strukturierte Berichte). Die Übereinstimmung mit der Grundwahrheit war höher (<i>k</i> = 0,51 und <i>k</i> = 0,44), der mittlere absolute Fehler bei LI-RADS-Scores war niedriger (0,5 ± 0,5 vs. 0,6 ± 0,7, <i>p</i> < 0,05), und die Prüfretestsicherheit war höher (ICC = 0,81 vs. 0.50), in freier Textfassung im Vergleich zu strukturierten Berichten bzw. ChatGPT erreichte nur eine geringe Genauigkeit, wenn sie darum gebeten wurde, LI-RADS-Scores aus Leber-Imaging-Berichten zu bestimmen. Die überlegene Genauigkeit und Konsistenz in Freitextberichten könnte sich auf den Schulungsprozess von ChatGPT beziehen. Unsere Studie zeigt sowohl die Notwendigkeit der Optimierung von LLMs für strukturierte klinische Dateneingabe als auch das Potenzial von LLMs zur Erstellung von maschinenlesbaren Etiketten auf Basis großer freitextiger radiologischer Datenbanken.
| DOI: | 10.3389/fradi.2024.1390774 |
Abstract:
Um die Machbarkeit des großen Sprachmodells (LLM) ChatGPT zur Klassifizierung von Leberläsionen nach dem Liver Imaging Reporting and Data System (LI-RADS) basierend auf MRI-Berichten zu untersuchen und die Klassifizierungsleistung auf strukturierten vs. unstrukturierten Berichten zu vergleichen. LI-RADS-klassifizierbare Leberläsionen wurden aus deutschen schriftlichen strukturierten und unstrukturierten MRT-Berichten mit Bericht über Größe, Lage und arterielle Phasenkontrastverbesserung als Mindestinklusionsanforderungen aufgenommen. Die Ergebnisse der Berichte wurden an ChatGPT (GPT-3.5) weiterverbreitet, die für jede klassifizierte Leberläsion zur Bestimmung von LI-RADS-Scores angewiesen wurde. Die Bodenwahrheit wurde durch zwei Radiologen im Konsens begründet. Die Vereinbarung zwischen Grundwahrheit und ChatGPT wurde mit Cohens Kappa bewertet. Test-Retest-Verlässlichkeit wurde bewertet, indem eine Teilmenge von <i>n>/i> = 50 Läsionen fünfmal an ChatGPT, unter Verwendung des Intra-Klasse-Korrelationskoeffizienten (ICC). Es wurden 205 MRT von 150 Patienten aufgenommen. Die Genauigkeit von ChatGPT bei der Bestimmung von LI-RADS-Kategorien war schlecht (53% und 44% auf unstrukturierte und strukturierte Berichte). Die Übereinstimmung mit der Grundwahrheit war höher (<i>k</i> = 0,51 und <i>k</i> = 0,44), der mittlere absolute Fehler bei LI-RADS-Scores war niedriger (0,5 ± 0,5 vs. 0,6 ± 0,7, <i>p</i> < 0,05), und die Prüfretestsicherheit war höher (ICC = 0,81 vs. 0.50), in freier Textfassung im Vergleich zu strukturierten Berichten bzw. ChatGPT erreichte nur eine geringe Genauigkeit, wenn sie darum gebeten wurde, LI-RADS-Scores aus Leber-Imaging-Berichten zu bestimmen. Die überlegene Genauigkeit und Konsistenz in Freitextberichten könnte sich auf den Schulungsprozess von ChatGPT beziehen. Unsere Studie zeigt sowohl die Notwendigkeit der Optimierung von LLMs für strukturierte klinische Dateneingabe als auch das Potenzial von LLMs zur Erstellung von maschinenlesbaren Etiketten auf Basis großer freitextiger radiologischer Datenbanken.
G. V,
E. B,
R. C,
F. R,
G. B,
B. S,
B. C,
K. J,
N. F,
B. R,
Y. K,
P. T,
Q. MM,
B. G,
L. H,
C. MJ,
O. S,
K. E,
C. R,
W. RD,
C. T,
B. D,
L. M,
H. R and
S. H,
"Current State of Community-Driven Radiological AI Deployment in Medical Imaging.",
JMIR AI,
Dez.
2024.
Abstract:
Künstliche Intelligenz (KI) ist bei der Lösung routinemäßiger Alltagsaufgaben üblich. Durch das exponentielle Wachstum im Datenvolumen und der Komplexität der medizinischen Bildgebung nimmt die Arbeitsbelastung der Radiologen stetig zu. KI wurde gezeigt, um die Effizienz in der medizinischen Bilderzeugung, -verarbeitung und -interpretation zu verbessern, und verschiedene solche KI-Modelle wurden in Forschungslaboren weltweit entwickelt. Doch nur wenige davon, wenn überhaupt, finden ihren Weg in den routinemäßigen klinischen Gebrauch, eine Diskrepanz, die die Trennung zwischen AI-Forschung und erfolgreicher AI-Übersetzung widerspiegelt. Ziel dieses Papiers ist es, einen Überblick über den Schnittpunkt von KI- und medizinischen Bildgebungslandschaften zu geben. Außerdem möchten wir die Leser über die Bedeutung der Verwendung von Standards in ihrem Radiologie-Workflow und die Herausforderungen im Zusammenhang mit der Bereitstellung von AI-Modellen im klinischen Workflow informieren. Der Schwerpunkt dieses Papiers liegt darin, den bestehenden Zustand des Radiologie-Workflows zu untersuchen und die Herausforderungen zu identifizieren, die die Implementierung von KI in Krankenhauseinstellungen behindern. Dieser Bericht spiegelt umfangreiche wöchentliche Diskussionen und praktische Problemlösungen wider, die über mehrere Jahre von Branchenexperten, bildgebenden Informatikern, Wissenschaftlern und Klinikern gesammelt wurden. Um ein tieferes Verständnis der Anforderungen für die Bereitstellung von KI-Modellen zu gewinnen, führen wir eine Taxonomie von KI-Verwendungsfällen ein, ergänzt durch reale Fälle der KI-Modellintegration in Krankenhäusern. Wir werden auch erklären, wie die Notwendigkeit der KI-Integration in Radiologie mit dem Medical Open Network for AI (MONAI) angesprochen werden kann. MONAI ist ein Open-Source-Konsortium zur Bereitstellung reproduzierbarer Deep Learning-Lösungen und Integrationstools für die Radiologiepraxis in Krankenhäusern.
| DOI: | 10.2196/55833 |
Abstract:
Künstliche Intelligenz (KI) ist bei der Lösung routinemäßiger Alltagsaufgaben üblich. Durch das exponentielle Wachstum im Datenvolumen und der Komplexität der medizinischen Bildgebung nimmt die Arbeitsbelastung der Radiologen stetig zu. KI wurde gezeigt, um die Effizienz in der medizinischen Bilderzeugung, -verarbeitung und -interpretation zu verbessern, und verschiedene solche KI-Modelle wurden in Forschungslaboren weltweit entwickelt. Doch nur wenige davon, wenn überhaupt, finden ihren Weg in den routinemäßigen klinischen Gebrauch, eine Diskrepanz, die die Trennung zwischen AI-Forschung und erfolgreicher AI-Übersetzung widerspiegelt. Ziel dieses Papiers ist es, einen Überblick über den Schnittpunkt von KI- und medizinischen Bildgebungslandschaften zu geben. Außerdem möchten wir die Leser über die Bedeutung der Verwendung von Standards in ihrem Radiologie-Workflow und die Herausforderungen im Zusammenhang mit der Bereitstellung von AI-Modellen im klinischen Workflow informieren. Der Schwerpunkt dieses Papiers liegt darin, den bestehenden Zustand des Radiologie-Workflows zu untersuchen und die Herausforderungen zu identifizieren, die die Implementierung von KI in Krankenhauseinstellungen behindern. Dieser Bericht spiegelt umfangreiche wöchentliche Diskussionen und praktische Problemlösungen wider, die über mehrere Jahre von Branchenexperten, bildgebenden Informatikern, Wissenschaftlern und Klinikern gesammelt wurden. Um ein tieferes Verständnis der Anforderungen für die Bereitstellung von KI-Modellen zu gewinnen, führen wir eine Taxonomie von KI-Verwendungsfällen ein, ergänzt durch reale Fälle der KI-Modellintegration in Krankenhäusern. Wir werden auch erklären, wie die Notwendigkeit der KI-Integration in Radiologie mit dem Medical Open Network for AI (MONAI) angesprochen werden kann. MONAI ist ein Open-Source-Konsortium zur Bereitstellung reproduzierbarer Deep Learning-Lösungen und Integrationstools für die Radiologiepraxis in Krankenhäusern.
T. M,
G. L,
S. B,
N. S,
B. W,
A. UI,
K. D and
L. JA,
"Deep learning for opportunistic, end-to-end automated assessment of epicardial adipose tissue in pre-interventional, ECG-gated spiral computed tomography.",
Insights into imaging,
Dez.
2024.
Abstract:
In jüngster Zeit wurde epikardiales Fettgewebe (EAT) mit CT als unabhängiger Mortalitätsvorhersager bei Patienten mit verschiedenen Herzerkrankungen identifiziert. Unser Ziel war es, eine tiefgreifende Lernpipeline für eine robuste automatische EAT-Bewertung in CT zu entwickeln. Kontrastverstärkte EKG-verstärkte Herz- und Thorako-Abdominalspirale CT-Bildgebung von 1502 Patienten, die einen transcatheter aortic Ventilersatz (TAVR) erlitten haben. Die Selektion auf Aortenventil (AV)-Ebene und EAT-Segmentierung erfolgte manuell als Bodenwahrheit. Für die Schichtextraktion wurden zwei Ansätze verglichen: Ein Regressionsmodell mit einem 2D-Konvolutional-Neuralnetzwerk (CNN) und einem 3D CNN unter Verwendung von Verstärkungslernen (RL). Die Leistungsauswertung basiert auf einer mittleren absoluten z-Abweichung auf der manuell ausgewählten AV-Ebene (Δz). Für die Gewebesegmentierung wurde ein 2D U-Net auf Einzel-Slice-Bilder auf AV-Ebene trainiert und mit Dice-Score im Vergleich zur Open-Source-Körper- und Organanalyse (BOA). Für die End-to-End-Auswertung wurden überlegene Methoden ausgewählt, bei denen der mittlere absolute Unterschied (MAD) von EAT-Bereich und Gewebedichte verglichen wurde. 95 % Vertrauensintervalle (CI) wurden für alle Metriken bewertet. Die Slice-Extraktion mit RL war etwas genauer (Δz: RL 1,8 mm (95% CI: [1.6, 2.0]), 2D CNN 2,0 mm (95% CI: [1.8, 2.3])). Für die EAT-Segmentierung auf AV-Ebene hat das 2D U-Net BOA deutlich übertroffen (Dice-Score: 2D U-Net 91.3% (95% CI: [90.7, 91.8]), BOA 85.6% (95% CI: [84.7, 86.5]). Die End-to-End-Bewertung ergab eine hohe Übereinstimmung zwischen automatischen und manuellen Messungen der EAT (MAD-Bereich: 1,1 cm<sup>2</sup> (95% CI: [1.0, 1.3]), MAD-Dichte: 2.2 Hounsfield Einheiten (95% CI: [2.0, 2.5]). Wir schlagen eine Methode zur robusten automatischen EAT-Bewertung in Spiral-CT-Scans vor, die eine opportunistische Auswertung in der klinischen Routine ermöglicht. Da entzündliche Veränderungen im epikardialen Fettgewebe (EAT) mit einem erhöhten Risiko von Herzerkrankungen verbunden sind, kann die automatisierte Auswertung als Grundlage für die Entwicklung automatisierter Herz-Kreislauf-Risikobewertungstools dienen, die für eine effiziente, groß angelegte Bewertung in opportunistischen Einstellungen unerlässlich sind. Tiefe Lernmethoden zur automatischen Beurteilung von epikardialen Fettgewebe (EAT) haben großes Potenzial. Ein 2-stufiger Ansatz mit Scheibenextraktion und Gewebesegmentierung ermöglicht eine robuste automatisierte Auswertung von EAT. End-to-End-Automatisierung ermöglicht umfangreiche Forschung über den Wert von EAT für die Ergebnisanalyse.
| DOI: | 10.1186/s13244-024-01875-6 |
Abstract:
In jüngster Zeit wurde epikardiales Fettgewebe (EAT) mit CT als unabhängiger Mortalitätsvorhersager bei Patienten mit verschiedenen Herzerkrankungen identifiziert. Unser Ziel war es, eine tiefgreifende Lernpipeline für eine robuste automatische EAT-Bewertung in CT zu entwickeln. Kontrastverstärkte EKG-verstärkte Herz- und Thorako-Abdominalspirale CT-Bildgebung von 1502 Patienten, die einen transcatheter aortic Ventilersatz (TAVR) erlitten haben. Die Selektion auf Aortenventil (AV)-Ebene und EAT-Segmentierung erfolgte manuell als Bodenwahrheit. Für die Schichtextraktion wurden zwei Ansätze verglichen: Ein Regressionsmodell mit einem 2D-Konvolutional-Neuralnetzwerk (CNN) und einem 3D CNN unter Verwendung von Verstärkungslernen (RL). Die Leistungsauswertung basiert auf einer mittleren absoluten z-Abweichung auf der manuell ausgewählten AV-Ebene (Δz). Für die Gewebesegmentierung wurde ein 2D U-Net auf Einzel-Slice-Bilder auf AV-Ebene trainiert und mit Dice-Score im Vergleich zur Open-Source-Körper- und Organanalyse (BOA). Für die End-to-End-Auswertung wurden überlegene Methoden ausgewählt, bei denen der mittlere absolute Unterschied (MAD) von EAT-Bereich und Gewebedichte verglichen wurde. 95 % Vertrauensintervalle (CI) wurden für alle Metriken bewertet. Die Slice-Extraktion mit RL war etwas genauer (Δz: RL 1,8 mm (95% CI: [1.6, 2.0]), 2D CNN 2,0 mm (95% CI: [1.8, 2.3])). Für die EAT-Segmentierung auf AV-Ebene hat das 2D U-Net BOA deutlich übertroffen (Dice-Score: 2D U-Net 91.3% (95% CI: [90.7, 91.8]), BOA 85.6% (95% CI: [84.7, 86.5]). Die End-to-End-Bewertung ergab eine hohe Übereinstimmung zwischen automatischen und manuellen Messungen der EAT (MAD-Bereich: 1,1 cm<sup>2</sup> (95% CI: [1.0, 1.3]), MAD-Dichte: 2.2 Hounsfield Einheiten (95% CI: [2.0, 2.5]). Wir schlagen eine Methode zur robusten automatischen EAT-Bewertung in Spiral-CT-Scans vor, die eine opportunistische Auswertung in der klinischen Routine ermöglicht. Da entzündliche Veränderungen im epikardialen Fettgewebe (EAT) mit einem erhöhten Risiko von Herzerkrankungen verbunden sind, kann die automatisierte Auswertung als Grundlage für die Entwicklung automatisierter Herz-Kreislauf-Risikobewertungstools dienen, die für eine effiziente, groß angelegte Bewertung in opportunistischen Einstellungen unerlässlich sind. Tiefe Lernmethoden zur automatischen Beurteilung von epikardialen Fettgewebe (EAT) haben großes Potenzial. Ein 2-stufiger Ansatz mit Scheibenextraktion und Gewebesegmentierung ermöglicht eine robuste automatisierte Auswertung von EAT. End-to-End-Automatisierung ermöglicht umfangreiche Forschung über den Wert von EAT für die Ergebnisanalyse.
N. S,
K. C,
T. M,
M. M,
A. UI and
L. JA,
"Deep learning-based assessment of CT markers of sarcopenia and myosteatosis for outcome assessment in patients with advanced pancreatic cancer after high-intensity focused ultrasound treatment.",
European radiology,
Jan.
2024.
Abstract:
Um den prognostischen Wert von CT-basierten Markern von Sarkaropenie und Myosteatose im Vergleich zur Eastern Cooperative Oncology Group (ECOG)-Score für das Überleben von Patienten mit fortgeschrittenem Pankreaskarzinom zu bewerten, der mit hochintensivem fokussiertem Ultraschall (HIFU) behandelt wird. Für 142 retrospektive Patienten wurden der Skelettmuskelindex (SMI), die Skelettmuskel-Radiodensität (SMRD), die Fettmuskelfraktion (FMF) und die intermuskuläre Fettfraktion (IMFF) auf dem überlegenen mesenterischen Arterieniveau im vorinterventionalen CT bestimmt. Jeder Marker wurde auf Assoziationen mit Sex, Alter, Körpermasseindex (BMI) und ECOG getestet. Der prognostische Wert der Marker wurde in Kaplan-Meier-Analysen mit dem Log-Rank-Test und in uni- und multivariablen Cox-Proportionalgefahren (CPH)-Modellen untersucht. Folgende signifikante Assoziationen wurden beobachtet: männliche Patienten hatten höhere BMI und SMI. Patienten mit niedrigerem ECOG hatten niedrigeres BMI und SMI. Patienten mit BMI unter 21,8 kg/m<sup>2</sup> (median) zeigten auch weniger SMI und IMFF. Patienten, die jünger als 63,3 Jahre (median) wurden gefunden, haben höhere SMRD, niedriger FMF und niedriger IMFF. In der Kaplan-Meier-Analyse wurden signifikant geringere Überlebenszeiten bei Patienten mit höherem ECOG oder niedrigerem SMI beobachtet. Bei höheren ECOG, niedrigerem BMI und niedrigerem SMI bei unveränderlichen CPH-Analysen für 1-, 2- und 3-jähriges Überleben wurde ein erhöhtes Patientenrisiko beobachtet. Multivariable CPH-Analyse für 1-Jahres-Überleben ergab ein erhöhtes Patientenrisiko für höhere ECOG, niedrigere SMI, niedrigere IMFF und höhere FMF. Bei der multivariablen Analyse des 2- und 3-jährigen Überlebens blieben nur ECOG und FMF signifikant. CT-basierte Marker von Sarkoopenie und Myosteatose zeigen einen prognostischen Wert für die Beurteilung des Überlebens bei fortgeschrittenen Pankreaskrebspatienten, die eine HIFU-Therapie erfahren. Die Ergebnisse zeigen eine größere Rolle der Myosteatose für eine zusätzliche Risikobewertung über klinische Punkte hinaus, da nur FMF mit einem langfristigen Überleben in multivariablen CPH-Analysen entlang ECOG assoziiert wurde und auch ECOG in Gruppenanalysen unabhängig zeigte. • Diese Studie untersucht den prognostischen Wert von CT-basierten Markern von Sarkoopenie und Myosteatose für Patienten mit Pankreaskrebs, die mit hochintensitätsorientiertem Ultraschall behandelt werden. • Marker für Sarkoopenie und Myosteatose zeigten neben der klinischen Beurteilung des physikalischen Status durch die östliche Genossenschaft Onkologie Gruppe einen prognostischen Wert. Im Gegensatz zu Muskelgrößenmessungen zeigte die Myosteatose-Marker-Fettmuskelfraktion die Unabhängigkeit der klinischen Partitur. • Die Ergebnisse zeigen, dass Myosteatose eine größere Rolle für zusätzliche Patientenrisikobewertungen spielen könnte, die über klinische Beurteilungen des körperlichen Status hinausgehen.
| DOI: | 10.1007/s00330-023-09974-6 |
Abstract:
Um den prognostischen Wert von CT-basierten Markern von Sarkaropenie und Myosteatose im Vergleich zur Eastern Cooperative Oncology Group (ECOG)-Score für das Überleben von Patienten mit fortgeschrittenem Pankreaskarzinom zu bewerten, der mit hochintensivem fokussiertem Ultraschall (HIFU) behandelt wird. Für 142 retrospektive Patienten wurden der Skelettmuskelindex (SMI), die Skelettmuskel-Radiodensität (SMRD), die Fettmuskelfraktion (FMF) und die intermuskuläre Fettfraktion (IMFF) auf dem überlegenen mesenterischen Arterieniveau im vorinterventionalen CT bestimmt. Jeder Marker wurde auf Assoziationen mit Sex, Alter, Körpermasseindex (BMI) und ECOG getestet. Der prognostische Wert der Marker wurde in Kaplan-Meier-Analysen mit dem Log-Rank-Test und in uni- und multivariablen Cox-Proportionalgefahren (CPH)-Modellen untersucht. Folgende signifikante Assoziationen wurden beobachtet: männliche Patienten hatten höhere BMI und SMI. Patienten mit niedrigerem ECOG hatten niedrigeres BMI und SMI. Patienten mit BMI unter 21,8 kg/m<sup>2</sup> (median) zeigten auch weniger SMI und IMFF. Patienten, die jünger als 63,3 Jahre (median) wurden gefunden, haben höhere SMRD, niedriger FMF und niedriger IMFF. In der Kaplan-Meier-Analyse wurden signifikant geringere Überlebenszeiten bei Patienten mit höherem ECOG oder niedrigerem SMI beobachtet. Bei höheren ECOG, niedrigerem BMI und niedrigerem SMI bei unveränderlichen CPH-Analysen für 1-, 2- und 3-jähriges Überleben wurde ein erhöhtes Patientenrisiko beobachtet. Multivariable CPH-Analyse für 1-Jahres-Überleben ergab ein erhöhtes Patientenrisiko für höhere ECOG, niedrigere SMI, niedrigere IMFF und höhere FMF. Bei der multivariablen Analyse des 2- und 3-jährigen Überlebens blieben nur ECOG und FMF signifikant. CT-basierte Marker von Sarkoopenie und Myosteatose zeigen einen prognostischen Wert für die Beurteilung des Überlebens bei fortgeschrittenen Pankreaskrebspatienten, die eine HIFU-Therapie erfahren. Die Ergebnisse zeigen eine größere Rolle der Myosteatose für eine zusätzliche Risikobewertung über klinische Punkte hinaus, da nur FMF mit einem langfristigen Überleben in multivariablen CPH-Analysen entlang ECOG assoziiert wurde und auch ECOG in Gruppenanalysen unabhängig zeigte. • Diese Studie untersucht den prognostischen Wert von CT-basierten Markern von Sarkoopenie und Myosteatose für Patienten mit Pankreaskrebs, die mit hochintensitätsorientiertem Ultraschall behandelt werden. • Marker für Sarkoopenie und Myosteatose zeigten neben der klinischen Beurteilung des physikalischen Status durch die östliche Genossenschaft Onkologie Gruppe einen prognostischen Wert. Im Gegensatz zu Muskelgrößenmessungen zeigte die Myosteatose-Marker-Fettmuskelfraktion die Unabhängigkeit der klinischen Partitur. • Die Ergebnisse zeigen, dass Myosteatose eine größere Rolle für zusätzliche Patientenrisikobewertungen spielen könnte, die über klinische Beurteilungen des körperlichen Status hinausgehen.
L. H,
L. H,
H,
G. R,
H. H,
W. D,
P. T,
S. I,
C. MH,
Y. Q,
S. D,
S. S,
C. F,
H. M,
O. I,
C. D and
L. B,
"Deep Learning-based Unsupervised Domain Adaptation via a Unified Model for Prostate Lesion Detection Using Multisite Biparametric MRI Datasets.",
Radiology. Artificial intelligence,
Sep.
2024.
Abstract:
Zweck Um zu ermitteln, ob die ununterbrochene Domänenanpassung (UDA)-Methode mit generierten Bildern die Leistung eines überwachten Lernmodells (SL) für Prostatakrebs (PCa)-Erkennung mit multisite biparametric (bp) MRI-Datensätzen verbessert. Materialien und Methoden Diese retrospektive Studie umfasste Daten von 5150 Patienten (14 191 Proben), die in neun verschiedenen Bildgebungszentren gesammelt wurden. Ein neuartiges UDA-Verfahren mit einem einheitlichen Generativmodell wurde zur PCa-Detektion unter Verwendung von Multisite bpMRI-Datensätzen entwickelt. Diese Methode übersetzt diffusionsgewichtete Bildgebung (DWI) Akquisitionen, einschließlich scheinbarer Diffusionskoeffizient (ADC) und einzelne diffusionsgewichtete (DW)-Bilder, die mit verschiedenen <i>b</i>-Werten erfasst werden, um die Art der Bilder, die unter Verwendung von <i>b</i>-Werten, die von Prostate Imaging Reporting and Data System (PI-RADS)-Richtlinien empfohlen werden, anzupassen. Die generierten ADC- und DW-Bilder ersetzen die Originalbilder für die PCa-Erkennung. Zur Auswertung wurde ein unabhängiger Satz von 1692 Testfällen (2393 Proben) verwendet. Als primäre Metrik wurde die Fläche unter der Empfänger-Betriebskennlinie (AUC) verwendet und über Bootstrapping eine statistische Analyse durchgeführt. Ergebnisse Für alle Testfälle betrugen die AUC-Werte für die Basislinie SL und UDA-Methoden 0,73 bzw. 0,79 (<i>P</i> < .001), für PCa-Läsionen mit PI-RADS-Score von 3 oder mehr und 0,77 bzw. 0,80 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. In den 361 Testfällen unter der ungünstigsten Bildaufnahmeeinstellung betrugen die AUC-Werte für die Basislinie SL und UDA 0,49 und 0,76 (<i>P</i> < .001) für Läsionen mit PI-RADS-Scores von 3 oder mehr und 0,50 und 0,77 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. Fazit UDA mit generierten Bildern verbesserte die Leistung von SL-Methoden in der PCa-Leseerkennung über Multisite-Datensätze mit verschiedenen <i>b</i>-Werten, insbesondere für Bilder, die mit signifikanten Abweichungen vom PI-RADS-recommended DWI-Protokoll (z.B. mit einem extrem hohen <i>b</i>-Wert) erfasst wurden. <b>Keywords:</b> Prostate Cancer Detection, Multisite, Unsupervised Domain Adaptation, Diffusion-weighted Imaging, <i>b</i> Wert <i>Supplementalmaterial ist für diesen Artikel verfügbar.</i> © RSNA, 2024.
| DOI: | 10.1148/ryai.230521 |
Abstract:
Zweck Um zu ermitteln, ob die ununterbrochene Domänenanpassung (UDA)-Methode mit generierten Bildern die Leistung eines überwachten Lernmodells (SL) für Prostatakrebs (PCa)-Erkennung mit multisite biparametric (bp) MRI-Datensätzen verbessert. Materialien und Methoden Diese retrospektive Studie umfasste Daten von 5150 Patienten (14 191 Proben), die in neun verschiedenen Bildgebungszentren gesammelt wurden. Ein neuartiges UDA-Verfahren mit einem einheitlichen Generativmodell wurde zur PCa-Detektion unter Verwendung von Multisite bpMRI-Datensätzen entwickelt. Diese Methode übersetzt diffusionsgewichtete Bildgebung (DWI) Akquisitionen, einschließlich scheinbarer Diffusionskoeffizient (ADC) und einzelne diffusionsgewichtete (DW)-Bilder, die mit verschiedenen <i>b</i>-Werten erfasst werden, um die Art der Bilder, die unter Verwendung von <i>b</i>-Werten, die von Prostate Imaging Reporting and Data System (PI-RADS)-Richtlinien empfohlen werden, anzupassen. Die generierten ADC- und DW-Bilder ersetzen die Originalbilder für die PCa-Erkennung. Zur Auswertung wurde ein unabhängiger Satz von 1692 Testfällen (2393 Proben) verwendet. Als primäre Metrik wurde die Fläche unter der Empfänger-Betriebskennlinie (AUC) verwendet und über Bootstrapping eine statistische Analyse durchgeführt. Ergebnisse Für alle Testfälle betrugen die AUC-Werte für die Basislinie SL und UDA-Methoden 0,73 bzw. 0,79 (<i>P</i> < .001), für PCa-Läsionen mit PI-RADS-Score von 3 oder mehr und 0,77 bzw. 0,80 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. In den 361 Testfällen unter der ungünstigsten Bildaufnahmeeinstellung betrugen die AUC-Werte für die Basislinie SL und UDA 0,49 und 0,76 (<i>P</i> < .001) für Läsionen mit PI-RADS-Scores von 3 oder mehr und 0,50 und 0,77 (<i>P>/i> < .001) für Läsionen mit PI-RADS-Scores von 4 oder mehr. Fazit UDA mit generierten Bildern verbesserte die Leistung von SL-Methoden in der PCa-Leseerkennung über Multisite-Datensätze mit verschiedenen <i>b</i>-Werten, insbesondere für Bilder, die mit signifikanten Abweichungen vom PI-RADS-recommended DWI-Protokoll (z.B. mit einem extrem hohen <i>b</i>-Wert) erfasst wurden. <b>Keywords:</b> Prostate Cancer Detection, Multisite, Unsupervised Domain Adaptation, Diffusion-weighted Imaging, <i>b</i> Wert <i>Supplementalmaterial ist für diesen Artikel verfügbar.</i> © RSNA, 2024.
[en]
K. S. Appel,
C. Nürnberger,
T. Bahmer,
C. Förster,
M. C. Polidori,
M. Kohls,
T. Kraus,
N. Hettich-Damm,
J. Petersen,
S. Blaschke,
I. Bröhl,
J. Butzmann,
H. Dashti,
J. Deckert,
M. Dreher,
K. Fiedler,
C. Finke,
R. Geisler,
F. Hanses,
S. M. Hopff,
B. O. Jensen,
M. Konik,
K. Lehnert,
S. M. N. Miranda,
L. Mitrov,
O. Miljukov,
J. Reese,
G. Rohde,
M. Scherer,
K. Tausche,
J. J. Tebbe,
J. J. Vehreschild,
F. Voit,
P. Wagner,
M. Weigl,
C. Lemhöfer,
E. Hamelmann,
H. Heidenreich,
C. Hornberg,
N. S. A. Kulamadayil-Heidenreich,
P. Maasjosthusmann,
A. Muna,
M. Ruwe,
C. Stellbrink,
N. Buechner,
Y. Dashti,
C. Tessmer,
B. Laumerich,
I. Silberbaur,
S. Bader,
M. Engelmann,
A. Fuchs,
A. Langer,
B. Maerkl,
H. Messmann,
A. Muzalyova,
C. Roemmele,
R. Berner,
S. Dressen,
T. Koch,
D. Lindemann,
K. Seele,
P. Spieth,
N. Toepfner,
S. V. Bonin,
T. Feldt,
V. Keitel,
A. Killer,
L. Knopp,
T. Luedde,
M. Lutterbeck,
M. Paluschinski,
J. P. V. Pereira,
J. Timm,
D. Kraska,
A. E. Kremer,
M. Leppkes,
J. Mang,
M. F. Neurath,
H. U. Prokosch,
J. Schmid,
M. Vetter,
C. Willam,
K. Wolf,
C. Arendt,
C. Bellinghausen,
S. Cremer,
A. Groh,
A. Gruenewaldt,
Y. Khodamoradi,
S. Klinsing,
M. Vehreschild,
T. Vogl,
A. L. F. Engels,
D. Jarczak,
M. Kerinn,
S. Kluge,
R. Kobbe,
S. Petereit,
C. Schlesner,
T. Zeller,
R. Baber,
S. Bercker,
N. Krug,
S. D. Mueller,
H. Wirtz,
G. Boeckel,
J. A. Meier,
T. Nowacki,
P. R. Tepasse,
R. Vollenberg,
C. Wilms,
E. Dahl,
N. Marx,
D. Mueller-Wieland,
J. Wipperfuerth,
C. Brochhausen-Delius,
R. Burkhardt,
M. Feustel,
O. Haag,
S. Hansch,
M. Malfertheiner,
T. Niedermair,
P. Schuster,
S. Wallner,
W. Barkey,
J. Erber,
L. Fricke,
J. Lieb,
T. Michler,
L. Mueller,
C. Spinner,
C. Winter,
M. Bitzer,
S. Bunk,
S. Göpel,
H. Haeberle,
K. Kienzle,
H. Mahrhofer,
N. Malek,
P. Rosenberger,
C. Struemper,
F. Trauner,
S. Frantz,
A. Frey,
K. Haas,
C. Haertel,
J. Herrmann,
N. Isberner,
J. Liese,
P. Meybohm,
J. Schmidt,
P. Schulze,
F. Brinkmann,
Y. Brueggemann,
T. Gambichler,
K. Hellwig,
T. Luecke,
A. Reinacher-Schick,
W. E. Schmidt,
C. Schuette,
E. Steinmann,
C. Torres Reyes,
A. Hafke,
G. Hermanns,
S. Y. Nussbeck,
M. Santibanez-Santana,
S. Zeh,
L. Brochhagen,
S. Dolff,
C. Elsner,
A. Krawczyk,
R. J. Madel,
M. Otte,
O. Witzke,
K. Becker,
M. Doerr,
N. Piasta,
E. Schaefer,
C. Scheer,
A. Arlt,
F. Griesinger,
U. Guenther,
A. Hamprecht,
K. Juergens,
A. Kluge,
C. Meinhardt,
K. Meinhardt,
A. Petersmann,
R. Prenzel,
M. Brechtel,
M. Laugwitz,
C. Lee,
G. Sauer,
N. Schulze,
K. Seibel,
M. Stecher,
M. Hagen,
S. Sikdar,
C. Weismantel,
L. Wolf,
K. Günther,
J. Haug,
F. Haug,
C. Fiessler,
P. U. Heuschmann,
L. Schmidbauer,
S. Jiru-Hillmann,
T. Bahls,
H. Valentin,
I. Chaplinskaya,
S. Hanß,
D. Krefting,
C. Pape,
M. Rainers,
A. Schoneberg,
N. Weinert,
M. Kraus,
B. Lorenz-Depiereux,
R. Lorbeer,
J. Schaller,
J. Fricke,
L. Krist,
M. Rönnefarth,
S. Schmidt,
T. Bahmer,
A. Hermes,
M. Krawczak,
W. Lieb,
T. Tamminga,
S. Herold,
P. Heuschmann,
R. Heyder,
T. Illig,
M. Witzenrath and
Group,
"Definition of the Post-COVID syndrome using a symptom-based
Post-COVID score in a prospective, multi-center,
cross-sectoral cohort of the German National Pandemic Cohort
Network (NAPKON)",
Infection,
Apr.
2024.
Springer Science and Business Media LLC.
Abstract:
Abstract Purpose The objective examination of the Post-COVID syndrome (PCS) remains difficult due to heterogeneous definitions and clinical phenotypes. The aim of the study was to verify the functionality and correlates of a recently developed PCS score. Methods The PCS score was applied to the prospective, multi-center cross-sectoral cohort (in- and outpatients with SARS-CoV-2 infection) of the "National Pandemic Cohort Network (NAPKON, Germany)". Symptom assessment and patient-reported outcome measure questionnaires were analyzed at 3 and 12 months (3/12MFU) after diagnosis. Scores indicative of PCS severity were compared and correlated to demographic and clinical characteristics as well as quality of life (QoL, EQ-5D-5L). Results Six hundred three patients (mean 54.0 years, 60.6% male, 82.0% hospitalized) were included. Among those, 35.7% (215) had no and 64.3% (388) had mild, moderate, or severe PCS. PCS severity groups differed considering sex and pre-existing respiratory diseases. 3MFU PCS worsened with clinical severity of acute infection (p = .011), and number of comorbidities (p = .004). PCS severity was associated with poor QoL at the 3MFU and 12MFU (p Conclusion The PCS score correlated with patients' QoL and demonstrated to be instructive for clinical characterization and stratification across health care settings. Further studies should critically address the high prevalence, clinical relevance, and the role of comorbidities. Trail registration number The cohort is registered at www.clinicaltrials.gov under NCT04768998.
| DOI: | 10.1007/s15010-024-02226-9 |
Abstract:
Abstract Purpose The objective examination of the Post-COVID syndrome (PCS) remains difficult due to heterogeneous definitions and clinical phenotypes. The aim of the study was to verify the functionality and correlates of a recently developed PCS score. Methods The PCS score was applied to the prospective, multi-center cross-sectoral cohort (in- and outpatients with SARS-CoV-2 infection) of the "National Pandemic Cohort Network (NAPKON, Germany)". Symptom assessment and patient-reported outcome measure questionnaires were analyzed at 3 and 12 months (3/12MFU) after diagnosis. Scores indicative of PCS severity were compared and correlated to demographic and clinical characteristics as well as quality of life (QoL, EQ-5D-5L). Results Six hundred three patients (mean 54.0 years, 60.6% male, 82.0% hospitalized) were included. Among those, 35.7% (215) had no and 64.3% (388) had mild, moderate, or severe PCS. PCS severity groups differed considering sex and pre-existing respiratory diseases. 3MFU PCS worsened with clinical severity of acute infection (p = .011), and number of comorbidities (p = .004). PCS severity was associated with poor QoL at the 3MFU and 12MFU (p Conclusion The PCS score correlated with patients' QoL and demonstrated to be instructive for clinical characterization and stratification across health care settings. Further studies should critically address the high prevalence, clinical relevance, and the role of comorbidities. Trail registration number The cohort is registered at www.clinicaltrials.gov under NCT04768998.
[en]
M. Weiß,
J. Gutzeit,
K. S. Appel,
T. Bahmer,
M. Beutel,
J. Deckert,
J. Fricke,
S. Hanß,
N. Hettich-Damm,
P. U. Heuschmann,
A. Horn,
K. Jauch-Chara,
M. Kohls,
L. Krist,
B. Lorenz-Depiereux,
C. Otte,
D. Pape,
J. Reese,
S. Schreiber,
S. Störk,
J. J. Vehreschild and
G. Hein,
"Depression and fatigue six months post-COVID-19 disease are
associated with overlapping symptom constellations: A
prospective, multi-center, population-based cohort study",
J. Affect. Disord.,
vol. 352,
pp. 296—305,
Mai
2024.
Elsevier BV.
| DOI: | 10.1016/j.jad.2024.02.041 |
M. Weiß,
J. Gutzeit,
K. S. Appel,
T. Bahmer,
M. Beutel,
J. Deckert,
J. Fricke,
S. Hanß,
N. Hettich-Damm,
P. U. Heuschmann,
A. Horn,
K. Jauch-Chara,
M. Kohls,
L. Krist,
B. Lorenz-Depiereux,
C. Otte,
D. Pape,
J. Reese,
S. Schreiber,
S. Störk,
J. J. Vehreschild and
G. Hein,
"Depression and fatigue six months post-COVID-19 disease are associated with overlapping symptom constellations: A prospective, multi-center, population-based cohort study",
Journal of affective disorders,
vol. 352,
pp. 296—305,
2024.
Abstract:
BACKGROUND Depression and fatigue are commonly observed sequelae following viral diseases such as COVID-19. Identifying symptom constellations that differentially classify post-COVID depression and fatigue may be helpful to individualize treatment strategies. Here, we investigated whether self-reported post-COVID depression and post-COVID fatigue are associated with the same or different symptom constellations. METHODS To address this question, we used data from COVIDOM, a population-based cohort study conducted as part of the NAPKON-POP platform. Data were collected in three different German regions (Kiel, Berlin, Würzburg). We analyzed data from \textgreater2000 individuals at least six months past a PCR-confirmed COVID-19 disease, using elastic net regression and cluster analysis. The regression model was developed in the Kiel data set, and externally validated using data sets from Berlin and Würzburg. RESULTS Our results revealed that post-COVID depression and fatigue are associated with overlapping symptom constellations consisting of difficulties with daily activities, perceived health-related quality of life, chronic exhaustion, unrestful sleep, and impaired concentration. Confirming the overlap in symptom constellations, a follow-up cluster analysis could categorize individuals as scoring high or low on depression and fatigue but could not differentiate between both dimensions. LIMITATIONS The data presented are cross-sectional, consisting primarily of self-reported questionnaire or medical records rather than biometric data. CONCLUSIONS In summary, our results suggest a strong link between post-COVID depression and fatigue, highlighting the need for integrative treatment approaches.
| DOI: | 10.1016/j.jad.2024.02.041 |
Abstract:
BACKGROUND Depression and fatigue are commonly observed sequelae following viral diseases such as COVID-19. Identifying symptom constellations that differentially classify post-COVID depression and fatigue may be helpful to individualize treatment strategies. Here, we investigated whether self-reported post-COVID depression and post-COVID fatigue are associated with the same or different symptom constellations. METHODS To address this question, we used data from COVIDOM, a population-based cohort study conducted as part of the NAPKON-POP platform. Data were collected in three different German regions (Kiel, Berlin, Würzburg). We analyzed data from \textgreater2000 individuals at least six months past a PCR-confirmed COVID-19 disease, using elastic net regression and cluster analysis. The regression model was developed in the Kiel data set, and externally validated using data sets from Berlin and Würzburg. RESULTS Our results revealed that post-COVID depression and fatigue are associated with overlapping symptom constellations consisting of difficulties with daily activities, perceived health-related quality of life, chronic exhaustion, unrestful sleep, and impaired concentration. Confirming the overlap in symptom constellations, a follow-up cluster analysis could categorize individuals as scoring high or low on depression and fatigue but could not differentiate between both dimensions. LIMITATIONS The data presented are cross-sectional, consisting primarily of self-reported questionnaire or medical records rather than biometric data. CONCLUSIONS In summary, our results suggest a strong link between post-COVID depression and fatigue, highlighting the need for integrative treatment approaches.
M. M,
I. S,
B. B,
W. MA and
M. FG,
"Development and performance evaluation of fully automated deep learning-based models for myocardial segmentation on T1 mapping MRI data.",
Scientific reports,
Aug.
2024.
Abstract:
Um ein tiefes lernbasiertes Modell zu entwickeln, das in der Lage ist, das linke ventrikuläre (LV)-Myokard auf nativen T1-Karten von Herz-MRT in sowohl Long-Achs- als auch Short-Axis-Ausrichtung zu segmentieren. Modelle wurden auf nativen myocardial T1 Karten von 50 gesunden Freiwilligen und 75 Patienten mit manueller Segmentierung als Referenzstandard ausgebildet. Basierend auf einer U-Net-Architektur optimierten wir das Modelldesign systematisch mit zwei unterschiedlichen Trainingsmetriken (Sørensen-Dice Koeffizient = DSC und Intersection-over-Union = IOU), zwei unterschiedlichen Aktivierungsfunktionen (ReLU und LeakyReLU) und verschiedenen Trainingsepochs. Das Training mit DSC-Metrik und einer ReLU-Aktivierungsfunktion über 35 Epochen erreichten die höchste Gesamtleistung (mittlerer Fehler in T1 10,6 ± 17,9 ms, mittlere DSC 0,88 ± 0,07). Grenzen der Übereinstimmung zwischen Modellergebnissen und Bodenwahrheit waren von -35,5 bis + 36,1 ms. Dies war der Vereinbarung zwischen zwei Menschenraten überlegen (-34,7 bis + 59,1 ms). Die Segmentierung war genau für Long-Axis-Ansichten (mittlerer Fehler T1: 6,77 ± 8,3 ms, mittlerer DSC: 0,89 ± 0,03) wie bei Kurzachs-Bildern (mittlerer Fehler ΔT1: 11,6 ± 19,7 ms, mittlerer DSC: 0,88 ± 0,08). Vollautomatische Segmentierung und quantitative Analyse von nativen Myokard-T1-Karten ist sowohl in lang- und kurzachsigen Orientierungen mit sehr hoher Genauigkeit möglich.
| DOI: | 10.1038/s41598-024-69529-7 |
Abstract:
Um ein tiefes lernbasiertes Modell zu entwickeln, das in der Lage ist, das linke ventrikuläre (LV)-Myokard auf nativen T1-Karten von Herz-MRT in sowohl Long-Achs- als auch Short-Axis-Ausrichtung zu segmentieren. Modelle wurden auf nativen myocardial T1 Karten von 50 gesunden Freiwilligen und 75 Patienten mit manueller Segmentierung als Referenzstandard ausgebildet. Basierend auf einer U-Net-Architektur optimierten wir das Modelldesign systematisch mit zwei unterschiedlichen Trainingsmetriken (Sørensen-Dice Koeffizient = DSC und Intersection-over-Union = IOU), zwei unterschiedlichen Aktivierungsfunktionen (ReLU und LeakyReLU) und verschiedenen Trainingsepochs. Das Training mit DSC-Metrik und einer ReLU-Aktivierungsfunktion über 35 Epochen erreichten die höchste Gesamtleistung (mittlerer Fehler in T1 10,6 ± 17,9 ms, mittlere DSC 0,88 ± 0,07). Grenzen der Übereinstimmung zwischen Modellergebnissen und Bodenwahrheit waren von -35,5 bis + 36,1 ms. Dies war der Vereinbarung zwischen zwei Menschenraten überlegen (-34,7 bis + 59,1 ms). Die Segmentierung war genau für Long-Axis-Ansichten (mittlerer Fehler T1: 6,77 ± 8,3 ms, mittlerer DSC: 0,89 ± 0,03) wie bei Kurzachs-Bildern (mittlerer Fehler ΔT1: 11,6 ± 19,7 ms, mittlerer DSC: 0,88 ± 0,08). Vollautomatische Segmentierung und quantitative Analyse von nativen Myokard-T1-Karten ist sowohl in lang- und kurzachsigen Orientierungen mit sehr hoher Genauigkeit möglich.