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.
F. E,
V. TJ and
D. J,
"Lightweight Techniques to Improve Generalization and Robustness of U-Net Based Networks for Pulmonary Lobe Segmentation.",
Bioengineering (Basel, Switzerland),
Dez.
2023.
Abstract:
Lung Lobe Segmentierung in der Brust CT ist für eine breite Palette von klinischen Anwendungen relevant. Jedoch weisen bestehende Segmentierungspipelines bei Verwendung von externen Datensätzen oft Schwachstellen und Performance-Degradationen auf. Dies wird in der Regel auf die Größe des verfügbaren Datensatzes oder Modells zurückgeführt. Wir zeigen, dass es möglich ist, die Verallgemeinerbarkeit ohne große Ressourcen zu verbessern, indem wir den Datensatz sorgfältig kurieren und maschinelles Lernen mit medizinischer Expertise kombinieren. Mehrere maschinelle Lerntechniken (SSL), Aufmerksamkeit (A) und Daten-Augmentation (DA)) werden verwendet, um ein schnelles und vollautomatisiertes Lungen-Lobe-Segmentationsmodell basierend auf 2D U-Net zu trainieren. Unsere Studie untersuchte diese Techniken auf einem vielfältigen Datensatz, der unter dem RACOON-Projekt gesammelt wurde, und umfasste 100 CT-Brustscans von Patienten mit bakteriellen, viralen oder SARS-CoV2-Infektionen. Wir vergleichen unser Modell mit einem auf demselben Datensatz ausgebildeten Basis-U-Net. Unser Ansatz hat die Segmentierungsgenauigkeit deutlich verbessert (Score von 92,8% gegenüber 82,3%, <i>p>/i> < 0,001). Darüber hinaus erreichte unser Modell eine hochmoderne Performance (Dice-Score von 92,8% gegenüber 90,8% für die hochmoderne Literatur, <i>p</i> = 0,102) mit reduzierten Trainingsbeispielen (69 vs. 231 CT Scans). Unter den Techniken zeigten die Datenvergrößerung mit Expertenwissen die signifikantesten Auswirkungen, was die Dice-Score um +0.056 steigerte. Insbesondere sind diese Verbesserungen nicht auf die Lobe-Segmentierung beschränkt, sondern können nahtlos in verschiedene medizinische Bildgebungssegmentierungsaufgaben integriert werden, was ihre Vielseitigkeit und ihr Potenzial für breitere Anwendungen zeigt.
| DOI: | 10.3390/bioengineering11010021 |
Abstract:
Lung Lobe Segmentierung in der Brust CT ist für eine breite Palette von klinischen Anwendungen relevant. Jedoch weisen bestehende Segmentierungspipelines bei Verwendung von externen Datensätzen oft Schwachstellen und Performance-Degradationen auf. Dies wird in der Regel auf die Größe des verfügbaren Datensatzes oder Modells zurückgeführt. Wir zeigen, dass es möglich ist, die Verallgemeinerbarkeit ohne große Ressourcen zu verbessern, indem wir den Datensatz sorgfältig kurieren und maschinelles Lernen mit medizinischer Expertise kombinieren. Mehrere maschinelle Lerntechniken (SSL), Aufmerksamkeit (A) und Daten-Augmentation (DA)) werden verwendet, um ein schnelles und vollautomatisiertes Lungen-Lobe-Segmentationsmodell basierend auf 2D U-Net zu trainieren. Unsere Studie untersuchte diese Techniken auf einem vielfältigen Datensatz, der unter dem RACOON-Projekt gesammelt wurde, und umfasste 100 CT-Brustscans von Patienten mit bakteriellen, viralen oder SARS-CoV2-Infektionen. Wir vergleichen unser Modell mit einem auf demselben Datensatz ausgebildeten Basis-U-Net. Unser Ansatz hat die Segmentierungsgenauigkeit deutlich verbessert (Score von 92,8% gegenüber 82,3%, <i>p>/i> < 0,001). Darüber hinaus erreichte unser Modell eine hochmoderne Performance (Dice-Score von 92,8% gegenüber 90,8% für die hochmoderne Literatur, <i>p</i> = 0,102) mit reduzierten Trainingsbeispielen (69 vs. 231 CT Scans). Unter den Techniken zeigten die Datenvergrößerung mit Expertenwissen die signifikantesten Auswirkungen, was die Dice-Score um +0.056 steigerte. Insbesondere sind diese Verbesserungen nicht auf die Lobe-Segmentierung beschränkt, sondern können nahtlos in verschiedene medizinische Bildgebungssegmentierungsaufgaben integriert werden, was ihre Vielseitigkeit und ihr Potenzial für breitere Anwendungen zeigt.
K. F,
K. JN,
M. G,
W. T,
H. T,
T. A. S,
H. K,
B. K,
H. C,
S. J,
C. Kuhl,
N. S and
T. D,
"Medical transformer for multimodal survival prediction in intensive care: integration of imaging and non-imaging data.",
Scientific reports,
Jul.
2023.
Abstract:
Bei der Beurteilung der Prognose von Patienten in der Intensivpflege berücksichtigen sie bildgebende und nicht bildgebende Daten. Im Gegensatz dazu verlassen sich viele traditionelle maschinelle Lernmodelle nur auf eine dieser Modalitäten und begrenzen ihr Potenzial in medizinischen Anwendungen. Diese Arbeit schlägt vor und wertet ein transformatorbasiertes neuronales Netzwerk als neuartige AI-Architektur aus, die multimodale Patientendaten, d.h. Abbildungsdaten (chest radiographs) und nicht-imaging-Daten (klinische Daten) integriert. Wir bewerten die Leistung unseres Modells in einer retrospektiven Studie mit 6,125 Patienten in intensiver Pflege. Wir zeigen, dass das kombinierte Modell (Fläche unter der Empfänger-Betriebskennlinie [AUROC] von 0,863) dem Radiographen-only-Modell (AUROC = 0,811, p < 0,001) und dem klinischen Daten-only-Modell (AUROC = 0,785, p < 0,001) überlegen ist, wenn es mit der Vorhersage von In-hospital-Überleben pro Patient betraut wird. Darüber hinaus zeigen wir, dass unser vorgeschlagenes Modell robust ist, wenn nicht alle (klinischen) Datenpunkte zur Verfügung stehen.
| DOI: | 10.1038/s41598-023-37835-1 |
Abstract:
Bei der Beurteilung der Prognose von Patienten in der Intensivpflege berücksichtigen sie bildgebende und nicht bildgebende Daten. Im Gegensatz dazu verlassen sich viele traditionelle maschinelle Lernmodelle nur auf eine dieser Modalitäten und begrenzen ihr Potenzial in medizinischen Anwendungen. Diese Arbeit schlägt vor und wertet ein transformatorbasiertes neuronales Netzwerk als neuartige AI-Architektur aus, die multimodale Patientendaten, d.h. Abbildungsdaten (chest radiographs) und nicht-imaging-Daten (klinische Daten) integriert. Wir bewerten die Leistung unseres Modells in einer retrospektiven Studie mit 6,125 Patienten in intensiver Pflege. Wir zeigen, dass das kombinierte Modell (Fläche unter der Empfänger-Betriebskennlinie [AUROC] von 0,863) dem Radiographen-only-Modell (AUROC = 0,811, p < 0,001) und dem klinischen Daten-only-Modell (AUROC = 0,785, p < 0,001) überlegen ist, wenn es mit der Vorhersage von In-hospital-Überleben pro Patient betraut wird. Darüber hinaus zeigen wir, dass unser vorgeschlagenes Modell robust ist, wenn nicht alle (klinischen) Datenpunkte zur Verfügung stehen.
G. Baumgärtner,
H. CA,
S. Schulze-Weddige,
R. R,
B. NL,
R. M,
D. F,
F. KP,
P. H,
L. J,
B. F and
P. T,
"Metadata-independent classification of MRI sequences using convolutional neural networks: Successful application to prostate MRI.",
European journal of radiology,
Sep.
2023.
Abstract:
Das zunehmende Volumen an medizinischen Bildgebungsdaten und das Interesse an Big Data Forschung bringt Herausforderungen an die Datenorganisation, Kategorisierung und Retrieval. Obwohl die radiologische Wertschöpfungskette fast vollständig digital ist, wurde die Datenstrukturierung pragmatisch weit verbreitet, aber mit unzureichenden Namens- und Metadatenstandards für die strengen Bedürfnisse der Bildanalyse. Um das automatisierte Datenmanagement unabhängig von der Benennung und Metadaten zu ermöglichen, konzentrierte sich diese Studie auf die Entwicklung eines konvolutionalen neuronalen Netzwerks (CNN), das medizinische Bilder auf Basis von Voxel-Daten klassifiziert. Ein 3D CNN (3D-ResNet18) wurde mit einem Datensatz von 31,602 Prostata-MRT-Volumen mit 10 verschiedenen Sequenztypen von 1243 Patienten trainiert. Für Schulungen und Tests wurde ein fünffacher Cross-Validation-Ansatz mit patientenbasierten Splits gewählt. Die Ausbildung wurde wiederholt mit einer allmählichen Verringerung der Ausbildungsdaten, die Klassifizierungsgenauigkeiten bewerten, um die für eine ausreichende Leistung erforderlichen Mindestausbildungsdaten zu ermitteln. Das ausgebildete Modell und entwickelte Verfahren wurden an drei externen Datensätzen getestet. Das Modell erreichte eine Gesamtgenauigkeit von 99,88 % ± 0,13 % bei der Klassifizierung typischer Prostata-MRT-Sequenzentypen. Bei der Ausbildung mit etwa 10 % der ursprünglichen Kohorte (112 Patienten) erreichte die CNN noch eine Genauigkeit von 97,43 % ± 2,10 %. Bei externen Tests erreichte das Modell Empfindlichkeiten von > 90 % für 10/15 getestete Sequenztypen. Die hier entwickelte CNN ermöglichte eine automatische und zuverlässige Sequenzidentifikation in der Prostata MRI. Letztendlich könnten solche CNN-Modelle zur voxelbasierten Sequenzidentifizierung das Management von medizinischen Bildgebungsdaten wesentlich verbessern, die Workflow-Effizienz und Datenqualität verbessern und robuste klinische AI-Workflows ermöglichen.
| DOI: | 10.1016/j.ejrad.2023.110964 |
Abstract:
Das zunehmende Volumen an medizinischen Bildgebungsdaten und das Interesse an Big Data Forschung bringt Herausforderungen an die Datenorganisation, Kategorisierung und Retrieval. Obwohl die radiologische Wertschöpfungskette fast vollständig digital ist, wurde die Datenstrukturierung pragmatisch weit verbreitet, aber mit unzureichenden Namens- und Metadatenstandards für die strengen Bedürfnisse der Bildanalyse. Um das automatisierte Datenmanagement unabhängig von der Benennung und Metadaten zu ermöglichen, konzentrierte sich diese Studie auf die Entwicklung eines konvolutionalen neuronalen Netzwerks (CNN), das medizinische Bilder auf Basis von Voxel-Daten klassifiziert. Ein 3D CNN (3D-ResNet18) wurde mit einem Datensatz von 31,602 Prostata-MRT-Volumen mit 10 verschiedenen Sequenztypen von 1243 Patienten trainiert. Für Schulungen und Tests wurde ein fünffacher Cross-Validation-Ansatz mit patientenbasierten Splits gewählt. Die Ausbildung wurde wiederholt mit einer allmählichen Verringerung der Ausbildungsdaten, die Klassifizierungsgenauigkeiten bewerten, um die für eine ausreichende Leistung erforderlichen Mindestausbildungsdaten zu ermitteln. Das ausgebildete Modell und entwickelte Verfahren wurden an drei externen Datensätzen getestet. Das Modell erreichte eine Gesamtgenauigkeit von 99,88 % ± 0,13 % bei der Klassifizierung typischer Prostata-MRT-Sequenzentypen. Bei der Ausbildung mit etwa 10 % der ursprünglichen Kohorte (112 Patienten) erreichte die CNN noch eine Genauigkeit von 97,43 % ± 2,10 %. Bei externen Tests erreichte das Modell Empfindlichkeiten von > 90 % für 10/15 getestete Sequenztypen. Die hier entwickelte CNN ermöglichte eine automatische und zuverlässige Sequenzidentifikation in der Prostata MRI. Letztendlich könnten solche CNN-Modelle zur voxelbasierten Sequenzidentifizierung das Management von medizinischen Bildgebungsdaten wesentlich verbessern, die Workflow-Effizienz und Datenqualität verbessern und robuste klinische AI-Workflows ermöglichen.
[eng]
A. T. Azeke,
J. Schädler,
B. Ondruschka,
S. Steurer,
D. Möbius and
A. Fitzek,
"Minimally Invasive Tissue Sampling via Post Mortem Ultrasound: A Feasible Tool (Not Only) in Infectious Diseases-A Case Report",
Diagnostics (Basel, Switzerland),
vol. 13,
no. 16,
pp. 2643,
Aug.
2023.
Abstract:
In the past years the number of hospital autopsies have declined steadily, becoming almost excluded from medical training. Medicolegal (forensic) autopsies account for almost all autopsies, whereas hospital autopsies are becoming increasingly rare. Minimally invasive tissue sampling (MITS) using post mortem ultrasound offers the opportunity to increase the number of post mortem examinations in a clinical and even forensic context. MITS is a needle-based post mortem procedure that uses (radiological) imaging techniques to examine major organs of the body, acquire tissue samples and aspirate fluid from the body cavities or hollow organs. In this study, MITS was used to determine the presence of other co-existing diseases in a deceased infected 97-year-old woman with severe acute respiratory syndrome coronavirus 2. The examination of her body was carried out using ultrasound as an imaging tool and to gather ultrasound-guided biopsies as conventional autopsy was rejected by the next of kin. Ultrasound and histology identified an intravesical mass leading to an obstruction of the urinary outlet resulting in bilateral hydronephrosis and purulent pyelonephritis, which was unknown during her lifetime. Histopathological examination revealed the tumor mass to be a squamous cell carcinoma. This study has shown that MITS can be used to determine the cause of death and the presence of concomitant diseases in the infectious deceased.
| DOI: | 10.3390/diagnostics13162643 |
| Datei: | https://doi.org/10.3390%2Fdiagnostics13162643 |
Abstract:
In the past years the number of hospital autopsies have declined steadily, becoming almost excluded from medical training. Medicolegal (forensic) autopsies account for almost all autopsies, whereas hospital autopsies are becoming increasingly rare. Minimally invasive tissue sampling (MITS) using post mortem ultrasound offers the opportunity to increase the number of post mortem examinations in a clinical and even forensic context. MITS is a needle-based post mortem procedure that uses (radiological) imaging techniques to examine major organs of the body, acquire tissue samples and aspirate fluid from the body cavities or hollow organs. In this study, MITS was used to determine the presence of other co-existing diseases in a deceased infected 97-year-old woman with severe acute respiratory syndrome coronavirus 2. The examination of her body was carried out using ultrasound as an imaging tool and to gather ultrasound-guided biopsies as conventional autopsy was rejected by the next of kin. Ultrasound and histology identified an intravesical mass leading to an obstruction of the urinary outlet resulting in bilateral hydronephrosis and purulent pyelonephritis, which was unknown during her lifetime. Histopathological examination revealed the tumor mass to be a squamous cell carcinoma. This study has shown that MITS can be used to determine the cause of death and the presence of concomitant diseases in the infectious deceased.
K. J,
F. P,
G. S,
G. RJ,
B. J,
R. M,
W. M,
S. R,
M. D and
P. T,
"Morphological appearance of the B.1.1.7 mutation of the novel coronavirus 2 (SARS-CoV-2) in chest CT.",
Quantitative imaging in medicine and surgery,
Feb.
2023.
Abstract:
Die Diagnose einer Coronavirus-Krankheit 2019 (COVID-19)-Infektion mit hoher Spezifität in der Brust-Computertomographie (CT)-Bildgebung wird aufgrund von markanten Abbildungsmerkmalen der COVID-19-Pneumonie als möglich angesehen. Da andere virale nicht-COVID-Pneumonie meist ein anderes Verteilungsmuster zeigen, ist es sinnvoll, davon auszugehen, dass die durch das neuartige schwere akute Atemsyndrom Coronavirus 2 (SARS-CoV-2) beobachteten Muster eine Folge ihrer genetisch kodierten molekularen Eigenschaften bei der Interaktion mit dem Atemgewebe sind. Da im Laufe von 2021 mehr Mutationen des anfänglichen SARS-CoV-2 Wildtyps mit unterschiedlicher Aggressivität nachgewiesen wurden, wurde deutlich, dass sein Genom in einem Transformationszustand ist und somit eine mögliche Modifikation des spezifischen morphologischen Erscheinungsbildes in CT auftreten kann. Ziel dieser Studie war es, die morphologischen Unterschiede der SARS-CoV-2-B.1.1.7 Mutation und Wildtypvariante in CT-Scans des Thorax quantitativ zu analysieren. Wir analysierten einen Datensatz von 140 Patienten, der in Pneumonien unterteilt wurde, die durch n=40 Wildtypvarianten, n=40 B.1.1.7 Varianten, n=20 Bakterienpneumonien, n=20 virale (non-COVID) Pneumonien und eine Testgruppe von n=20 unremarkable CT-Untersuchungen des Thorax verursacht wurden. Zur Quantifizierung der Lungenwege wurde eine semiautomatisierte 3D-Segmentierung des Lungengewebes durchgeführt. Das Ausmaß, das Verhältnis und die spezifische Verteilung des entzündlich betroffenen Lungengewebes in jeder Gruppe wurden in einer multivariaten Gruppenanalyse verglichen. Die Lung-Segmentierung ergab einen signifikanten Unterschied zwischen dem Ausmaß der Bodenglasundurchlässigkeiten (GGO) oder dem Konsolidierungsvergleich von SARS-CoV-2 Wildtyp und B.1.1.7 Variante. Wildtyp und B.1.1.7 Variante zeigten sowohl ein symmetrisches Verteilungsmuster stufenabhängiger GGO als auch eine Konsolidierung in aufeinander abgestimmten COVID-19-Stufen. Virale nicht-COVID Pneumonien hatten deutlich weniger Konsolidierungen als die Bakterien, aber auch als die COVID-19 B.1.1.7 Variantengruppen. Die CT-basierte Segmentierung zeigte keinen signifikanten Unterschied zwischen dem morphologischen Erscheinungsbild der COVID-19 Wildtyp-Variante und der SARS-CoV-2 B.1.1.7 Mutation. Unser Ansatz erlaubte jedoch eine halbautomatische Quantifizierung von bakteriellen und viralen Lungenerkrankungen. Quantitative CT-Bildanalysen, wie die vorgestellte, scheinen eine wichtige Komponente der Pandemievorbereitung in Anbetracht eines Organismus mit anhaltender genetischer Veränderung zu sein, um eine potenziell auftretende Veränderung des CT-morphologischen Erscheinungsbildes möglicher neuer ankommender COVID-19-Varianten zu beschreiben.
| DOI: | 10.21037/qims-22-718 |
Abstract:
Die Diagnose einer Coronavirus-Krankheit 2019 (COVID-19)-Infektion mit hoher Spezifität in der Brust-Computertomographie (CT)-Bildgebung wird aufgrund von markanten Abbildungsmerkmalen der COVID-19-Pneumonie als möglich angesehen. Da andere virale nicht-COVID-Pneumonie meist ein anderes Verteilungsmuster zeigen, ist es sinnvoll, davon auszugehen, dass die durch das neuartige schwere akute Atemsyndrom Coronavirus 2 (SARS-CoV-2) beobachteten Muster eine Folge ihrer genetisch kodierten molekularen Eigenschaften bei der Interaktion mit dem Atemgewebe sind. Da im Laufe von 2021 mehr Mutationen des anfänglichen SARS-CoV-2 Wildtyps mit unterschiedlicher Aggressivität nachgewiesen wurden, wurde deutlich, dass sein Genom in einem Transformationszustand ist und somit eine mögliche Modifikation des spezifischen morphologischen Erscheinungsbildes in CT auftreten kann. Ziel dieser Studie war es, die morphologischen Unterschiede der SARS-CoV-2-B.1.1.7 Mutation und Wildtypvariante in CT-Scans des Thorax quantitativ zu analysieren. Wir analysierten einen Datensatz von 140 Patienten, der in Pneumonien unterteilt wurde, die durch n=40 Wildtypvarianten, n=40 B.1.1.7 Varianten, n=20 Bakterienpneumonien, n=20 virale (non-COVID) Pneumonien und eine Testgruppe von n=20 unremarkable CT-Untersuchungen des Thorax verursacht wurden. Zur Quantifizierung der Lungenwege wurde eine semiautomatisierte 3D-Segmentierung des Lungengewebes durchgeführt. Das Ausmaß, das Verhältnis und die spezifische Verteilung des entzündlich betroffenen Lungengewebes in jeder Gruppe wurden in einer multivariaten Gruppenanalyse verglichen. Die Lung-Segmentierung ergab einen signifikanten Unterschied zwischen dem Ausmaß der Bodenglasundurchlässigkeiten (GGO) oder dem Konsolidierungsvergleich von SARS-CoV-2 Wildtyp und B.1.1.7 Variante. Wildtyp und B.1.1.7 Variante zeigten sowohl ein symmetrisches Verteilungsmuster stufenabhängiger GGO als auch eine Konsolidierung in aufeinander abgestimmten COVID-19-Stufen. Virale nicht-COVID Pneumonien hatten deutlich weniger Konsolidierungen als die Bakterien, aber auch als die COVID-19 B.1.1.7 Variantengruppen. Die CT-basierte Segmentierung zeigte keinen signifikanten Unterschied zwischen dem morphologischen Erscheinungsbild der COVID-19 Wildtyp-Variante und der SARS-CoV-2 B.1.1.7 Mutation. Unser Ansatz erlaubte jedoch eine halbautomatische Quantifizierung von bakteriellen und viralen Lungenerkrankungen. Quantitative CT-Bildanalysen, wie die vorgestellte, scheinen eine wichtige Komponente der Pandemievorbereitung in Anbetracht eines Organismus mit anhaltender genetischer Veränderung zu sein, um eine potenziell auftretende Veränderung des CT-morphologischen Erscheinungsbildes möglicher neuer ankommender COVID-19-Varianten zu beschreiben.
[eng]
F. Heinrich,
T. Huter,
S. Mertens,
P. Lange,
J. Vering,
A. Heinemann,
D. S. Nörz,
A. Hoffmann,
B. Ondruschka,
S. Krasemann and
M. Lütgehetmann,
"New Postmortem Perspective on Emerging SARS-CoV-2 Variants of Concern, Germany",
Emerging Infectious Diseases,
vol. 29,
no. 3,
pp. 652—656,
Mä.
2023.
Abstract:
We performed autopsies on persons in Germany who died from COVID-19 and observed higher nasopharyngeal SARS-CoV-2 viral loads for variants of concern (VOC) compared with non-VOC lineages. Pulmonary inflammation and damage appeared higher in non-VOC than VOC lineages until adjusted for vaccination status, suggesting COVID-19 vaccination may mitigate pulmonary damage.
| DOI: | 10.3201/eid2903.221297 |
Abstract:
We performed autopsies on persons in Germany who died from COVID-19 and observed higher nasopharyngeal SARS-CoV-2 viral loads for variants of concern (VOC) compared with non-VOC lineages. Pulmonary inflammation and damage appeared higher in non-VOC than VOC lineages until adjusted for vaccination status, suggesting COVID-19 vaccination may mitigate pulmonary damage.
N. J,
S. F,
E. S,
M. F,
D. D,
V. L,
V. E,
C. H,
B. MFH,
A. BH,
S. PB,
P. M,
J. U,
B. G,
P. T,
F. J and
H. U,
"Non-contrast computed tomography features predict intraventricular hemorrhage growth.",
European radiology,
Nov.
2023.
Abstract:
Nicht kontrastreich berechnete Tomographie (NCCT) Marker sind robuste Prädiktoren der parenchymalen Hämatomenausweitung in der intracerebralen Blutung (ICH). Wir untersuchten, ob NCCT-Funktionen auch ICH-Patienten identifizieren können, die mit dem Risiko eines intraventrikulären Hämorrhage-Wachstums (IVH) rechnen können. Patienten mit akuter spontaner ICH in vier Tertiärzentren in Deutschland und Italien wurden von Januar 2017 bis Juni 2020 rückwirkend aufgenommen. NCCT-Marker wurden von zwei Ermittlern für heterogene Dichte, Hypodensität, schwarzes Lochzeichen, Drallzeichen, Blendzeichen, Flüssigkeitsspiegel, Inselschild, Satellitenzeichen und unregelmäßige Form bewertet. ICH- und IVH-Volumen wurden halbmanuell segmentiert. IVH-Wachstum wurde definiert als IVH-Erweiterung > 1 mL (eIVH) oder jede verzögerte IVH (dIVH) bei der Nachbildung. Predictors von eIVH und dIVH wurden mit multivariabler logistischer Regression erforscht. Hypothesize Moderatoren und Mediatoren wurden in PROCESS-Makromodellen unabhängig bewertet. Insgesamt wurden 731 Patienten aufgenommen, von denen 185 (25,31%) unter IVH-Wachstum litten, 130 (17,78%) eIVH und 55 (7,52%) dIVH. Unregelmäßige Form wurde mit IVH-Wachstum (OR 1.68; 95%CI [1.16-2.44]; p = 0,006) signifikant verbunden. Bei der durch den IVH-Wachstumstyp gestreuten Untergruppenanalyse wurden Hypodensitäten signifikant mit eIVH (OR 2.06; 95%CI [1.48-2.64]; p = 0.015) verbunden, während unregelmäßige Form (OR 2.72; 95%CI [1.91-3.53]; p = 0.016) in dIVH. Der Zusammenhang zwischen NCCT-Markern und IVH-Wachstum wurde nicht durch parenchymale Hämatom-Erweiterung vermittelt. NCCT-Funktionen identifizierten ICH-Patienten mit einem hohen Risiko von IVH-Wachstum. Unsere Ergebnisse schlagen die Möglichkeit vor, das Risiko von IVH-Wachstum mit Basis-NCCT zu verlagern und laufende und zukünftige Studien zu informieren. Nicht kontrastreiche CT-Funktionen identifizierten ICH-Patienten bei einem hohen Risiko des intraventrikulären Hämorrhagewachstums mit subtypspezifischen Unterschieden. Unsere Ergebnisse können bei der Risikoschichtung des intraventrikulären Hämorrhage-Wachstums mit Basis-CT helfen und möglicherweise laufende und zukünftige klinische Studien informieren. • NCCT-Funktionen identifizierten ICH-Patienten mit hohem Risiko des IVH-Wachstums mit subtypspezifischen Unterschieden. • Die Wirkung von NCCT-Features wurde nicht von Zeit und Ort moderiert oder indirekt durch die Hämatom-Erweiterung vermittelt. • Unsere Ergebnisse können bei der Risikoschichtung des IVH-Wachstums mit Basis-NCCT helfen und laufende und zukünftige Studien informieren.
| DOI: | 10.1007/s00330-023-09707-9 |
Abstract:
Nicht kontrastreich berechnete Tomographie (NCCT) Marker sind robuste Prädiktoren der parenchymalen Hämatomenausweitung in der intracerebralen Blutung (ICH). Wir untersuchten, ob NCCT-Funktionen auch ICH-Patienten identifizieren können, die mit dem Risiko eines intraventrikulären Hämorrhage-Wachstums (IVH) rechnen können. Patienten mit akuter spontaner ICH in vier Tertiärzentren in Deutschland und Italien wurden von Januar 2017 bis Juni 2020 rückwirkend aufgenommen. NCCT-Marker wurden von zwei Ermittlern für heterogene Dichte, Hypodensität, schwarzes Lochzeichen, Drallzeichen, Blendzeichen, Flüssigkeitsspiegel, Inselschild, Satellitenzeichen und unregelmäßige Form bewertet. ICH- und IVH-Volumen wurden halbmanuell segmentiert. IVH-Wachstum wurde definiert als IVH-Erweiterung > 1 mL (eIVH) oder jede verzögerte IVH (dIVH) bei der Nachbildung. Predictors von eIVH und dIVH wurden mit multivariabler logistischer Regression erforscht. Hypothesize Moderatoren und Mediatoren wurden in PROCESS-Makromodellen unabhängig bewertet. Insgesamt wurden 731 Patienten aufgenommen, von denen 185 (25,31%) unter IVH-Wachstum litten, 130 (17,78%) eIVH und 55 (7,52%) dIVH. Unregelmäßige Form wurde mit IVH-Wachstum (OR 1.68; 95%CI [1.16-2.44]; p = 0,006) signifikant verbunden. Bei der durch den IVH-Wachstumstyp gestreuten Untergruppenanalyse wurden Hypodensitäten signifikant mit eIVH (OR 2.06; 95%CI [1.48-2.64]; p = 0.015) verbunden, während unregelmäßige Form (OR 2.72; 95%CI [1.91-3.53]; p = 0.016) in dIVH. Der Zusammenhang zwischen NCCT-Markern und IVH-Wachstum wurde nicht durch parenchymale Hämatom-Erweiterung vermittelt. NCCT-Funktionen identifizierten ICH-Patienten mit einem hohen Risiko von IVH-Wachstum. Unsere Ergebnisse schlagen die Möglichkeit vor, das Risiko von IVH-Wachstum mit Basis-NCCT zu verlagern und laufende und zukünftige Studien zu informieren. Nicht kontrastreiche CT-Funktionen identifizierten ICH-Patienten bei einem hohen Risiko des intraventrikulären Hämorrhagewachstums mit subtypspezifischen Unterschieden. Unsere Ergebnisse können bei der Risikoschichtung des intraventrikulären Hämorrhage-Wachstums mit Basis-CT helfen und möglicherweise laufende und zukünftige klinische Studien informieren. • NCCT-Funktionen identifizierten ICH-Patienten mit hohem Risiko des IVH-Wachstums mit subtypspezifischen Unterschieden. • Die Wirkung von NCCT-Features wurde nicht von Zeit und Ort moderiert oder indirekt durch die Hämatom-Erweiterung vermittelt. • Unsere Ergebnisse können bei der Risikoschichtung des IVH-Wachstums mit Basis-NCCT helfen und laufende und zukünftige Studien informieren.
L. Schmidbauer,
C. Nürnberger,
C. Fiessler,
K. Franzpötter,
J. Haug,
F. Haug,
A. Hermes,
S. Jiru-Hillmann,
O. Miljukov,
A. Ruß,
J. J. Vehreschild,
M. Krawczak,
M. Witzenrath,
W. Lieb,
S. Schmidt,
J. Reese,
P. Heuschmann and
C. Bauer,
"NUKLEUS – NUM Klinische Epidemiologie- und Studienplattform",
Poster NAPKON Vention 2023, Frankfurt,
2023.
L. Schmidbauer,
C. Nürnberger,
C. Fiessler,
K. Franzpötter,
F. Haug,
J. Haug,
A. Hermes,
S. Jiru-Hillmann,
K. Günther,
O. Miljukov,
A. Ruß,
J. J. Vehreschild,
M. Krawczak,
M. Witzenrath,
W. Lieb,
M. Rose,
S. Schmidt,
W. Hoffmann,
J. Schmitt,
P. Ihle,
J. Reese and
P. U. Heuschmann,
"NUKLEUS – NUM Klinische Epidemiologie- und Studienplattform Epidemiology Core Unit (ECU)",
Poster DGEpi 2023, Würzburg,
2023.
M. Hoffmann,
L. Wong,
P. Arora,
L. Zhang,
C. Rocha,
A. Odle,
I. Nehlmeier,
A. Kempf,
A. Richter,
N. Halwe,
J. Schön,
L. Ulrich,
D. Hoffmann,
M. Beer,
C. Drosten,
S. Perlman and
S. Pöhlmann,
"Omicron subvariant BA.5 efficiently infects lung cells",
Nature communications,
vol. 14,
no. 1,
pp. 3500,
2023.
| DOI: | 10.1038/s41467-023-39147-4 |
M. Hoffmann,
L. Wong,
P. Arora,
L. Zhang,
C. Rocha,
A. Odle,
I. Nehlmeier,
A. Kempf,
A. Richter,
N. Halwe,
J. Schön,
L. Ulrich,
D. Hoffmann,
M. Beer,
C. Drosten,
S. Perlman and
S. Pöhlmann,
"Omicron subvariant BA.5 efficiently infects lung cells",
Nat Commun,
vol. 14,
no. 1,
pp. 3500,
Jun.
2023.
| DOI: | 10.1038/s41467-023-39147-4 |
M. Hoffmann,
L. R. Wong,
P. Arora,
L. Zhang,
C. Rocha,
A. Odle,
I. Nehlmeier,
A. Kempf,
A. Richter,
N. J. Halwe,
J. Schoen,
L. Ulrich,
D. Hoffmann,
M. Beer,
C. Drosten,
S. Perlman and
S. Poehlmann,
"Omicron subvariant BA.5 efficiently infects lung cells",
Nature Communications,
2023.
| DOI: | 10.1038/s41467-023-39147-4 |
| Datei: | https://doi.org/10.1038/s41467-023-39147-4 |
[en]
Y. Shi,
R. Strobl,
C. Apfelbacher,
T. Bahmer,
R. Geisler,
P. Heuschmann,
A. Horn,
H. Hoven,
T. Keil,
M. Krawczak,
L. Krist,
C. Lemhöfer,
W. Lieb,
B. Lorenz-Depiereux,
R. Mikolajczyk,
F. A. Montellano,
J. P. Reese,
S. Schreiber,
N. Skoetz,
S. Störk,
J. J. Vehreschild,
M. Witzenrath,
E. Grill and
NAPKON Study Group,
"Persistent symptoms and risk factors predicting prolonged time to symptom-free after SARS‑CoV‑2 infection: an analysis of the baseline examination of the German COVIDOM/NAPKON-POP cohort",
Infection,
vol. 51,
no. 6,
pp. 1679–1694,
Mai
2023.
Abstract:
PURPOSE: We aimed to assess symptoms in patients after SARS-CoV-2 infection and to identify factors predicting prolonged time to symptom-free. METHODS: COVIDOM/NAPKON-POP is a population-based prospective cohort of adults whose first on-site visits were scheduled $\geq$ 6 months after a positive SARS-CoV-2 PCR test. Retrospective data including self-reported symptoms and time to symptom-free were collected during the survey before a site visit. In the survival analyses, being symptom-free served as the event and time to be symptom-free as the time variable. Data were visualized with Kaplan-Meier curves, differences were tested with log-rank tests. A stratified Cox proportional hazard model was used to estimate adjusted hazard ratios (aHRs) of predictors, with aHR < 1 indicating a longer time to symptom-free. RESULTS: Of 1175 symptomatic participants included in the present analysis, 636 (54.1%) reported persistent symptoms after 280 days (SD 68) post infection. 25% of participants were free from symptoms after 18 days [quartiles: 14, 21]. Factors associated with prolonged time to symptom-free were age 49-59 years compared to < 49 years (aHR 0.70, 95% CI 0.56-0.87), female sex (aHR 0.78, 95% CI 0.65-0.93), lower educational level (aHR 0.77, 95% CI 0.64-0.93), living with a partner (aHR 0.81, 95% CI 0.66-0.99), low resilience (aHR 0.65, 95% CI 0.47-0.90), steroid treatment (aHR 0.22, 95% CI 0.05-0.90) and no medication (aHR 0.74, 95% CI 0.62-0.89) during acute infection. CONCLUSION: In the studied population, COVID-19 symptoms had resolved in one-quarter of participants within 18 days, and in 34.5% within 28 days. Over half of the participants reported COVID-19-related symptoms 9 months after infection. Symptom persistence was predominantly determined by participant's characteristics that are difficult to modify.
| DOI: | 10.1007/s15010-023-02043-6 |
| Pubmed: | 37231313 |
Abstract:
PURPOSE: We aimed to assess symptoms in patients after SARS-CoV-2 infection and to identify factors predicting prolonged time to symptom-free. METHODS: COVIDOM/NAPKON-POP is a population-based prospective cohort of adults whose first on-site visits were scheduled $\geq$ 6 months after a positive SARS-CoV-2 PCR test. Retrospective data including self-reported symptoms and time to symptom-free were collected during the survey before a site visit. In the survival analyses, being symptom-free served as the event and time to be symptom-free as the time variable. Data were visualized with Kaplan-Meier curves, differences were tested with log-rank tests. A stratified Cox proportional hazard model was used to estimate adjusted hazard ratios (aHRs) of predictors, with aHR < 1 indicating a longer time to symptom-free. RESULTS: Of 1175 symptomatic participants included in the present analysis, 636 (54.1%) reported persistent symptoms after 280 days (SD 68) post infection. 25% of participants were free from symptoms after 18 days [quartiles: 14, 21]. Factors associated with prolonged time to symptom-free were age 49-59 years compared to < 49 years (aHR 0.70, 95% CI 0.56-0.87), female sex (aHR 0.78, 95% CI 0.65-0.93), lower educational level (aHR 0.77, 95% CI 0.64-0.93), living with a partner (aHR 0.81, 95% CI 0.66-0.99), low resilience (aHR 0.65, 95% CI 0.47-0.90), steroid treatment (aHR 0.22, 95% CI 0.05-0.90) and no medication (aHR 0.74, 95% CI 0.62-0.89) during acute infection. CONCLUSION: In the studied population, COVID-19 symptoms had resolved in one-quarter of participants within 18 days, and in 34.5% within 28 days. Over half of the participants reported COVID-19-related symptoms 9 months after infection. Symptom persistence was predominantly determined by participant's characteristics that are difficult to modify.
[en]
S. Winkelmann,
A. Korth,
B. Voss,
M. A. Nasr,
N. Behrend,
A. Pudszuhn,
V. M. Hofmann,
P. Schendzielorz,
C. Maetzler,
A. Hermes,
C. Borzikowsky,
T. Bahmer,
W. Lieb,
S. Schreiber,
S. Störk,
F. A. Montellano,
M. Witzenrath,
T. Keil,
M. Krawczak,
M. Laudien and
On Behalf Of The Napkon Study Group,
"Persisting chemosensory dysfunction in COVID-19 - a cross-sectional population-based survey",
Rhinology,
vol. 61,
no. 1,
pp. 12—23,
Feb.
2023.
Stichting Nase.
Abstract:
BACKGROUND: Chemosensory dysfunction (CD) has been reported as a common symptom of SARS-CoV-2 infection, but it is not well understood whether and for how long changes of smell, taste and chemesthesis persist in infected individuals. METHODOLOGY: Unselected adult residents of the German federal state of Schleswig-Holstein with Polymerase Chain Reaction (PCR)-test-confirmed SARS-CoV-2 infection were invited to participate in this large cross-sectional study. Data on the medical history and subjective chemosensory function of participants were obtained through questionnaires and visual analogue scales (VAS). Olfactory function (OF) was objectified with the Sniffin Sticks test (SST), including threshold (T), discrimination (D) and identification (I) test as well as summarized TDI score, and compared to that in healthy controls. Gustatory function (GF) was evaluated with the suprathreshold taste strips (TS) test, and trigeminal function was tested with an ampoule containing ammonia. RESULTS: Between November 2020 and June 2021, 667 infected individuals (mean age: 48.2 years) were examined 9.1 months, on average, after positive PCR testing. Of these, 45.6% had persisting subjective olfactory dysfunction (OD), 36.2% had subjective gustatory dysfunction (GD). Tested OD, tested GD and impaired trigeminal function were observed in 34.6%, 7.3% and 1.8% of participants, respectively. The mean TDI score of participants was significantly lower compared to healthy subjects. Significant associations were observed between subjective OD and GD, and between tested OD and GD. CONCLUSION: Nine months after SARS-CoV-2 infection, OD prevalence is significantly increased among infected members of the general population. Therefore, OD should be included in the list of symptoms collectively defining Long-COVID.
| DOI: | 10.4193/Rhin22.176 |
Abstract:
BACKGROUND: Chemosensory dysfunction (CD) has been reported as a common symptom of SARS-CoV-2 infection, but it is not well understood whether and for how long changes of smell, taste and chemesthesis persist in infected individuals. METHODOLOGY: Unselected adult residents of the German federal state of Schleswig-Holstein with Polymerase Chain Reaction (PCR)-test-confirmed SARS-CoV-2 infection were invited to participate in this large cross-sectional study. Data on the medical history and subjective chemosensory function of participants were obtained through questionnaires and visual analogue scales (VAS). Olfactory function (OF) was objectified with the Sniffin Sticks test (SST), including threshold (T), discrimination (D) and identification (I) test as well as summarized TDI score, and compared to that in healthy controls. Gustatory function (GF) was evaluated with the suprathreshold taste strips (TS) test, and trigeminal function was tested with an ampoule containing ammonia. RESULTS: Between November 2020 and June 2021, 667 infected individuals (mean age: 48.2 years) were examined 9.1 months, on average, after positive PCR testing. Of these, 45.6% had persisting subjective olfactory dysfunction (OD), 36.2% had subjective gustatory dysfunction (GD). Tested OD, tested GD and impaired trigeminal function were observed in 34.6%, 7.3% and 1.8% of participants, respectively. The mean TDI score of participants was significantly lower compared to healthy subjects. Significant associations were observed between subjective OD and GD, and between tested OD and GD. CONCLUSION: Nine months after SARS-CoV-2 infection, OD prevalence is significantly increased among infected members of the general population. Therefore, OD should be included in the list of symptoms collectively defining Long-COVID.
F. P,
F. F,
R. M,
W. M,
K. J,
R. R,
Z. D,
C. E,
M. D,
G. N and
P. T,
"Physiological iodine uptake of the spine's bone marrow in dual-energy computed tomography - using artificial intelligence to define reference values based on 678 CT examinations of 189 individuals.",
Frontiers in endocrinology,
2023.
Abstract:
Die Jodaufnahme des Knochenmarks im dualen energetischen CT (DECT) ist bei maligner Krankheit erhöht. Wir wollten nach intravenöser Kontrastanwendung den physiologischen Bereich der Knochenmark-Iodaufnahme untersuchen und die Abhängigkeit von vBMD, Jod-Blutpool, Patientenalter und Sex untersuchen. Retrospektive Analyse von onkologischen Patienten ohne Nachweis der metastasierenden Erkrankung. DECT-Untersuchungen wurden an einem Spektraldetektor CT-Scanner in Portal venöser Kontrastphase durchgeführt. Die Thorax- und Lendenwirbelsäule wurden durch ein vortrainiertes neuronales Netz segmentiert, wobei volumetrische Jodkonzentrationsdaten erhalten wurden [mg/ml]. vBMD wurde mit einer phantomlosen, CE-zertifizierten Software [mg/cm3] bewertet. Der Jod-Blutpool wurde durch ROI-basierte Messungen in den großen Bauchgefäßen geschätzt. Ein multivariates Regressionsmodell passte zur abhängigen Variablen "medianen Knochenmark-Iodaufnahme". Zur Beurteilung der Auswirkungen jedes Kovariats wurden standardisierte Regressionskoeffizienten (β) berechnet. 678 aufeinanderfolgende DECT-Prüfungen von 189 Personen (93 weiblich, Alter 61.4 ± 16.0 Jahre) wurden bewertet. KI-basierte Segmentierung lieferte Volumendaten von 97,9 % der eingeschlossenen Wirbel (n=11,286). Die 95<sup>th</sup>-prozentile Knochenmark-Iodaufnahme, als Surrogat für den oberen Rand der physiologischen Verteilung, lag zwischen 4,7-6,4 mg/ml vBMD (p <0.001, mittlere β=0,50) und Portalven-Iod-Blutpool (p <0.001, mittlere β=0,43) vermittelte den stärksten Einfluss. Darauf aufbauend wurden angepasste Referenzwerte berechnet. Die Knochenmark-Iodaufnahme zeigt ein deutliches Profil je nach vBMD, Jod-Blutpool, Patientenalter und Sex. Diese Studie ist die erste, die die angepassten Referenzwerte liefert.
| DOI: | 10.3389/fendo.2023.1098898 |
Abstract:
Die Jodaufnahme des Knochenmarks im dualen energetischen CT (DECT) ist bei maligner Krankheit erhöht. Wir wollten nach intravenöser Kontrastanwendung den physiologischen Bereich der Knochenmark-Iodaufnahme untersuchen und die Abhängigkeit von vBMD, Jod-Blutpool, Patientenalter und Sex untersuchen. Retrospektive Analyse von onkologischen Patienten ohne Nachweis der metastasierenden Erkrankung. DECT-Untersuchungen wurden an einem Spektraldetektor CT-Scanner in Portal venöser Kontrastphase durchgeführt. Die Thorax- und Lendenwirbelsäule wurden durch ein vortrainiertes neuronales Netz segmentiert, wobei volumetrische Jodkonzentrationsdaten erhalten wurden [mg/ml]. vBMD wurde mit einer phantomlosen, CE-zertifizierten Software [mg/cm3] bewertet. Der Jod-Blutpool wurde durch ROI-basierte Messungen in den großen Bauchgefäßen geschätzt. Ein multivariates Regressionsmodell passte zur abhängigen Variablen "medianen Knochenmark-Iodaufnahme". Zur Beurteilung der Auswirkungen jedes Kovariats wurden standardisierte Regressionskoeffizienten (β) berechnet. 678 aufeinanderfolgende DECT-Prüfungen von 189 Personen (93 weiblich, Alter 61.4 ± 16.0 Jahre) wurden bewertet. KI-basierte Segmentierung lieferte Volumendaten von 97,9 % der eingeschlossenen Wirbel (n=11,286). Die 95<sup>th</sup>-prozentile Knochenmark-Iodaufnahme, als Surrogat für den oberen Rand der physiologischen Verteilung, lag zwischen 4,7-6,4 mg/ml vBMD (p <0.001, mittlere β=0,50) und Portalven-Iod-Blutpool (p <0.001, mittlere β=0,43) vermittelte den stärksten Einfluss. Darauf aufbauend wurden angepasste Referenzwerte berechnet. Die Knochenmark-Iodaufnahme zeigt ein deutliches Profil je nach vBMD, Jod-Blutpool, Patientenalter und Sex. Diese Studie ist die erste, die die angepassten Referenzwerte liefert.
K. H,
B. G,
P. M,
O. M,
O. MR,
A. F,
H. E,
Y. Ö,
I. E,
C. E,
C. M,
D. M,
K. İ,
O. Ç and
P. M,
"Prognostic Role of the Pectoralis Musculature in Patients with COVID-19. A Multicenter Study.",
Academic radiology,
Jan.
2023.
Abstract:
Um die Auswirkungen der niedrigen Skelettmuskelmasse bei Patienten mit COVID-19 auf relevante Ergebnisse wie 30-Tage-Sterblichkeit zu bewerten, müssen Intubation und intensiver Pflegeeinheit Zulassung erforderlich sein. Für diese Studie wurden Daten aus sechs Zentren erworben. Die gewonnene Probe umfasst 1138 Patienten. Es gab 547 Frauen (48,1%) und 591 Männer (51.9%) mit einem mittleren Alter von 54.5 ± 18,8 Jahre; mittleres Alter, 55 Jahre; Reichweite, 18-84 Jahre). In jedem Fall wurde thoracic CT ohne intravenöse Applikation von Kontrastmittel durchgeführt. Die folgenden Parameter der Pectoralis-Muskeln wurden geschätzt: Muskelfläche als Summe der bilateralen Bereiche der pectoralis großen und kleineren Muskeln, Muskeldichte, Muskelindex (PMI) (Pectoralis-Muskelbereich geteilt durch den Körperhöhenwinkel des Patienten) als Verhältnis pectoralis großen und kleinen Muskeln geteilt durch die Körperhöhe des Patienten ≥2</sup>, und Muskelmaß als PMI x Muskeldichte. Insgesamt wurden 220 Patienten (19,33%) in die Intensivstation zugelassen. Bei 171 Patienten (15,03%) wurde eine mechanische Lungenentlüftung durchgeführt. Schließlich starben 154 Patienten (13,53%) innerhalb der Beobachtungszeit von 30-Tag. Alle untersuchten Parameter des Pectoralis-Muskels waren bei den Patienten mit ungünstigen Kursen von Covid-19 niedriger. Alle pectoralis Muskelparameter wurden mit 30-Tage-Sterblichkeit in multivariate Analysen eingestellt für Alter und Geschlecht: pectoralis Muskelfläche, HR = 0.93 CI 95% (0.91-0.95) p < 0.001; pectoralis Muskeldichte, HR = 0.94 CI 95% (0.93-0.96) p < 0.001; pectoralis Muskelindex, HR = 0.79 CI 95% (0.75-0.85) p < 0.001, pectoralis Die analysierten Muskelparameter können jedoch nicht zur Vorhersage von Krankheitskursen verwendet werden.
| DOI: | 10.1016/j.acra.2022.05.003 |
Abstract:
Um die Auswirkungen der niedrigen Skelettmuskelmasse bei Patienten mit COVID-19 auf relevante Ergebnisse wie 30-Tage-Sterblichkeit zu bewerten, müssen Intubation und intensiver Pflegeeinheit Zulassung erforderlich sein. Für diese Studie wurden Daten aus sechs Zentren erworben. Die gewonnene Probe umfasst 1138 Patienten. Es gab 547 Frauen (48,1%) und 591 Männer (51.9%) mit einem mittleren Alter von 54.5 ± 18,8 Jahre; mittleres Alter, 55 Jahre; Reichweite, 18-84 Jahre). In jedem Fall wurde thoracic CT ohne intravenöse Applikation von Kontrastmittel durchgeführt. Die folgenden Parameter der Pectoralis-Muskeln wurden geschätzt: Muskelfläche als Summe der bilateralen Bereiche der pectoralis großen und kleineren Muskeln, Muskeldichte, Muskelindex (PMI) (Pectoralis-Muskelbereich geteilt durch den Körperhöhenwinkel des Patienten) als Verhältnis pectoralis großen und kleinen Muskeln geteilt durch die Körperhöhe des Patienten ≥2</sup>, und Muskelmaß als PMI x Muskeldichte. Insgesamt wurden 220 Patienten (19,33%) in die Intensivstation zugelassen. Bei 171 Patienten (15,03%) wurde eine mechanische Lungenentlüftung durchgeführt. Schließlich starben 154 Patienten (13,53%) innerhalb der Beobachtungszeit von 30-Tag. Alle untersuchten Parameter des Pectoralis-Muskels waren bei den Patienten mit ungünstigen Kursen von Covid-19 niedriger. Alle pectoralis Muskelparameter wurden mit 30-Tage-Sterblichkeit in multivariate Analysen eingestellt für Alter und Geschlecht: pectoralis Muskelfläche, HR = 0.93 CI 95% (0.91-0.95) p < 0.001; pectoralis Muskeldichte, HR = 0.94 CI 95% (0.93-0.96) p < 0.001; pectoralis Muskelindex, HR = 0.79 CI 95% (0.75-0.85) p < 0.001, pectoralis Die analysierten Muskelparameter können jedoch nicht zur Vorhersage von Krankheitskursen verwendet werden.
[de]
M. Lutter,
I. Kniep,
B. Ondruschka and
A. Heinemann,
"Pulmonale Befunde in der postmortalen Computertomographie bei COVID-19-assoziierten Todesfällen",
Rechtsmedizin,
vol. 34,
pp. 17—23,
Dez.
2023.
Abstract:
Es gibt keine größeren Vergleichsstudien zu der Anwendbarkeit etablierter klinisch-diagnostischer Computertomographie (CT)-Kriterien für „Coronavirus Disease 2019“ (COVID-19)-Infektionen auf die postmortale Computertomographie (PMCT).
| DOI: | 10.1007/s00194-023-00667-4 |
| Datei: | https://doi.org/10.1007/s00194-023-00667-4 |
Abstract:
Es gibt keine größeren Vergleichsstudien zu der Anwendbarkeit etablierter klinisch-diagnostischer Computertomographie (CT)-Kriterien für „Coronavirus Disease 2019“ (COVID-19)-Infektionen auf die postmortale Computertomographie (PMCT).
E. U,
B. SM,
S. SA,
F. F,
K. P,
P. L,
G. B,
S. S,
S. T,
K. H,
M. Beer and
K. C,
"Quantitative Evaluation of COVID-19 Pneumonia CT Using AI Analysis-Feasibility and Differentiation from Other Common Pneumonia Forms.",
Diagnostics (Basel, Switzerland),
Jun.
2023.
Abstract:
<b>PURPOSE: </b> Um die technische Durchführbarkeit eines KI-basierten Software-Prototyps zu implementieren, der für den Nachweis von COVID-19-Pneumonie in CT-Datensätzen der Lunge und die Differenzierung zwischen anderen Pneumonie-Etiologien optimiert ist. <b>METHODEN: </b> Diese einzentige retrospektive Fall-Kontroll-Studie ergab nacheinander 144 Patienten (58 weiblich, mittleres Alter 57,72 ± 18,25 y) mit CT-Datensätzen der Lunge. Untergruppen einschließlich bestätigter Bakterien (>i>n/i> = 24, 16,6%), virale (<i>n</i> = 52, 36,1%) oder Pilze (<i>n</i> = 25, 16,6%) Pneumonie und (<i>n>/i> = 43, 30.7%) Patienten ohne nachgewiesene Pneumonie (Compison group) wurden mit Hilfe der AI-basierten <i> <b>RESULTS: </b> Die Software erreichte eine optimale Empfindlichkeit von 80,8% mit einer Spezifität von 50% für den Nachweis von COVID-19; der menschliche Radiologe erreichte jedoch eine optimale Empfindlichkeit von 80,8% und eine Spezifität von 97,2%. Die mittlere Nachbearbeitungszeit betrug 7,61 ± 4,2 min. Die Verwendung eines Kontrastmittels hat die Ergebnisse der Software nicht beeinflusst (<i>p</i> = 0,81). Die mittlere bewertete COVID-19-Wahrscheinlichkeit liegt bei COVID-19-Patienten bei 0,80 ± 0,36 deutlich höher als bei Patienten mit pilzlicher Lungenentzündung (<i>p>/i>/i> < 0,001). Der mittlere Anteil an Opazität (PO) und Anteil an hoher Opazität (PHO ≥ -200 HU) lag bei COVID-19 Patienten deutlich höher als bei gesunden Patienten. Der Gesamtmittelwert HU bei COVID-19-Patienten betrug -679.57 ± 112.72, was deutlich höher ist als bei der gesunden Kontrollgruppe (<i>p</i> < 0,001). <b>CONCLUSION:</b> Die Detektion und Quantifizierung von Lungenentzündungen über die primär geschulten COVID-19-Datensätze ist möglich und zeigt vergleichbare Ergebnisse für COVID-19-Pneumonie zu einem erfahrenen Leser. Die Vorteile sind die schnelle, automatisierte Segmentierung und Quantifizierung der Lungenentzündung.
| DOI: | 10.3390/diagnostics13122129 |
Abstract:
<b>PURPOSE: </b> Um die technische Durchführbarkeit eines KI-basierten Software-Prototyps zu implementieren, der für den Nachweis von COVID-19-Pneumonie in CT-Datensätzen der Lunge und die Differenzierung zwischen anderen Pneumonie-Etiologien optimiert ist. <b>METHODEN: </b> Diese einzentige retrospektive Fall-Kontroll-Studie ergab nacheinander 144 Patienten (58 weiblich, mittleres Alter 57,72 ± 18,25 y) mit CT-Datensätzen der Lunge. Untergruppen einschließlich bestätigter Bakterien (>i>n/i> = 24, 16,6%), virale (<i>n</i> = 52, 36,1%) oder Pilze (<i>n</i> = 25, 16,6%) Pneumonie und (<i>n>/i> = 43, 30.7%) Patienten ohne nachgewiesene Pneumonie (Compison group) wurden mit Hilfe der AI-basierten <i> <b>RESULTS: </b> Die Software erreichte eine optimale Empfindlichkeit von 80,8% mit einer Spezifität von 50% für den Nachweis von COVID-19; der menschliche Radiologe erreichte jedoch eine optimale Empfindlichkeit von 80,8% und eine Spezifität von 97,2%. Die mittlere Nachbearbeitungszeit betrug 7,61 ± 4,2 min. Die Verwendung eines Kontrastmittels hat die Ergebnisse der Software nicht beeinflusst (<i>p</i> = 0,81). Die mittlere bewertete COVID-19-Wahrscheinlichkeit liegt bei COVID-19-Patienten bei 0,80 ± 0,36 deutlich höher als bei Patienten mit pilzlicher Lungenentzündung (<i>p>/i>/i> < 0,001). Der mittlere Anteil an Opazität (PO) und Anteil an hoher Opazität (PHO ≥ -200 HU) lag bei COVID-19 Patienten deutlich höher als bei gesunden Patienten. Der Gesamtmittelwert HU bei COVID-19-Patienten betrug -679.57 ± 112.72, was deutlich höher ist als bei der gesunden Kontrollgruppe (<i>p</i> < 0,001). <b>CONCLUSION:</b> Die Detektion und Quantifizierung von Lungenentzündungen über die primär geschulten COVID-19-Datensätze ist möglich und zeigt vergleichbare Ergebnisse für COVID-19-Pneumonie zu einem erfahrenen Leser. Die Vorteile sind die schnelle, automatisierte Segmentierung und Quantifizierung der Lungenentzündung.
L. CS,
M. S,
W. D,
L. CG,
S. SA,
M. Beer,
T. W,
B. C,
Z. F and
G. M,
"Radiomics and Clinicopathological Characteristics for Predicting Lymph Node Metastasis in Testicular Cancer.",
Cancers,
Nov.
2023.
Abstract:
Eine genaue Vorhersage der Lymphknotenmetastase (LNM) bei Patienten mit Hodenkrebs ist für die Therapieentscheidungsfindung und prognostische Auswertung sehr relevant. Unsere Studie zielte darauf ab, klinische Radiomikromodelle für individuelle präoperative Vorhersage von LNM bei Patienten mit Hodenkrebs zu entwickeln und zu validieren. Wir haben 91 Patienten mit klinikopathologisch bestätigten frühen Stadium der Hodenkrebs, mit Krankheit beschränkt auf die Tests. Wir umfassten fünf signifikante klinische Risikofaktoren (Alter, präoperative Serum Tumormarker AFP und B-HCG, Histotyp und BMI) zur Erstellung des klinischen Modells. Nach der Segmentierung von 273 retroperitonealen Lymphknoten haben wir dann die klinischen Risikofaktoren und Lymphknoten-Radiomics-Funktionen kombiniert, um kombinierte Vorhersagemodelle mit Random Forest (RF), Light Gradient Boosting Machine (LGBM), Support Vector Machine Classifier (SVC) und K-Nearest Neighbours (KNN). Die Modellleistung wurde durch den Bereich unter der Empfängerbetriebskennlinie (ROC) (AUC) bewertet. Schließlich wurde mit der Entscheidungskurvenanalyse (DCA) die klinische Nützlichkeit bewertet. Das Random Forest kombinierte klinische Lymphknoten-Radiomics-Modell mit dem höchsten AUC von 0.95 (±0.03 SD; 95% CI) wurde als Kandidatenmodell mit Entscheidungskurvenanalyse betrachtet, was seine Nützlichkeit für präoperative Vorhersage in der klinischen Einstellung zeigt. Unsere Studie hat zuverlässige und vorausschauende maschinelle Lerntechniken für die Vorhersage von Lymphknotenmetastasen im frühen Stadium des Hodenkrebses identifiziert. Die Identifizierung der effektivsten maschinellen Lernansätze für die prädiktive Analyse auf Basis von Radiomik, die klinische Risikofaktoren integrieren, kann die Anwendbarkeit von Radiomik in der Präzisions-Onkologie und Krebsbehandlung erweitern.
| DOI: | 10.3390/cancers15235630 |
Abstract:
Eine genaue Vorhersage der Lymphknotenmetastase (LNM) bei Patienten mit Hodenkrebs ist für die Therapieentscheidungsfindung und prognostische Auswertung sehr relevant. Unsere Studie zielte darauf ab, klinische Radiomikromodelle für individuelle präoperative Vorhersage von LNM bei Patienten mit Hodenkrebs zu entwickeln und zu validieren. Wir haben 91 Patienten mit klinikopathologisch bestätigten frühen Stadium der Hodenkrebs, mit Krankheit beschränkt auf die Tests. Wir umfassten fünf signifikante klinische Risikofaktoren (Alter, präoperative Serum Tumormarker AFP und B-HCG, Histotyp und BMI) zur Erstellung des klinischen Modells. Nach der Segmentierung von 273 retroperitonealen Lymphknoten haben wir dann die klinischen Risikofaktoren und Lymphknoten-Radiomics-Funktionen kombiniert, um kombinierte Vorhersagemodelle mit Random Forest (RF), Light Gradient Boosting Machine (LGBM), Support Vector Machine Classifier (SVC) und K-Nearest Neighbours (KNN). Die Modellleistung wurde durch den Bereich unter der Empfängerbetriebskennlinie (ROC) (AUC) bewertet. Schließlich wurde mit der Entscheidungskurvenanalyse (DCA) die klinische Nützlichkeit bewertet. Das Random Forest kombinierte klinische Lymphknoten-Radiomics-Modell mit dem höchsten AUC von 0.95 (±0.03 SD; 95% CI) wurde als Kandidatenmodell mit Entscheidungskurvenanalyse betrachtet, was seine Nützlichkeit für präoperative Vorhersage in der klinischen Einstellung zeigt. Unsere Studie hat zuverlässige und vorausschauende maschinelle Lerntechniken für die Vorhersage von Lymphknotenmetastasen im frühen Stadium des Hodenkrebses identifiziert. Die Identifizierung der effektivsten maschinellen Lernansätze für die prädiktive Analyse auf Basis von Radiomik, die klinische Risikofaktoren integrieren, kann die Anwendbarkeit von Radiomik in der Präzisions-Onkologie und Krebsbehandlung erweitern.
E. G,
M. C,
S. Holzwarth,
B. Lange,
S. H,
B. S,
H. C,
S. H,
R,
B. R,
L. J,
B. F and
T. N,
"SARS-CoV-2 sero-immunity and quality of life in children and adolescents in relation to infections and vaccinations: the IMMUNEBRIDGE KIDS cross-sectional study, 2022.",
Infection,
Okt.
2023.
Abstract:
Die Studie bewertet die Auswirkungen auf die Sero-Immunität, den Gesundheitsstatus und die Lebensqualität von Kindern und Jugendlichen nach dem Aufstand der Omicron-Variante in Deutschland. Diese multizentrische Querschnittsstudie (IMMUNEBRIDGE Kids) wurde von Juli bis Oktober 2022 in der Deutschen Netzwerk-Universitätsmedizin (NUM) durchgeführt. Die SARS-CoV-2-Antikörper wurden gemessen und die Daten zu SARS-CoV-2 Infektionen, Impfungen, gesundheitlichen und sozioökonomischen Faktoren sowie der sorggiver-reported Bewertung über die Gesundheit und den psychologischen Status ihrer Kinder bewertet. 497 Kinder im Alter von 2 bis 17 Jahren wurden einbezogen. Drei Gruppen wurden analysiert: 183 Vorschulkinder im Alter von 2-4 Jahren, 176 Schulkinder im Alter von 5-11 Jahren und 138 Jugendliche im Alter von 12-18 Jahren. Positive Antikörper gegen das S- oder N-Antigen von SARS-CoV-2 wurden in 86,5% aller Teilnehmer (70,0% [128/183] der Vorschulkinder, 94,3% der Schulkinder [166/176] und 98,6% der Jugendlichen [136/138]) nachgewiesen. Unter allen Kindern wurden 40,4% (201/497) gegen COVID-19 geimpft (Vorschulkinder 4,4% [8/183], Schüler 44,3% [78/176] und Jugendliche 83,3% [115/138]). Die Seroprevalenz von SARS-CoV-2 war in der Vorschule am niedrigsten. Gesundheitsstatus und Lebensqualität der Eltern waren zum Zeitpunkt der Erhebung sehr positiv (Sommer 2022). Altersbedingte Unterschiede bei SARS-CoV-2 Sero-Immunität könnten vor allem durch Unterschiede bei Impfungen anhand der offiziellen deutschen Impfungsempfehlungen sowie Unterschiede bei SARS-CoV-2 Infektionsraten in den verschiedenen Altersgruppen erklärt werden. Gesundheitsstatus und Lebensqualität von fast allen Kindern waren sehr gut unabhängig von der Infektion und/oder Impfung von SARS-CoV-2. Deutsches Register für klinische Studien Identifier Würzburg: DRKS00025546 (Registrierung: 11.09.2021), Bochum: DRKS00022434 (Registrierung:07.08.2020), Dresden: DRKS 00022455 (Registrierung: 23.07.2020).
| DOI: | 10.1007/s15010-023-02052-5 |
Abstract:
Die Studie bewertet die Auswirkungen auf die Sero-Immunität, den Gesundheitsstatus und die Lebensqualität von Kindern und Jugendlichen nach dem Aufstand der Omicron-Variante in Deutschland. Diese multizentrische Querschnittsstudie (IMMUNEBRIDGE Kids) wurde von Juli bis Oktober 2022 in der Deutschen Netzwerk-Universitätsmedizin (NUM) durchgeführt. Die SARS-CoV-2-Antikörper wurden gemessen und die Daten zu SARS-CoV-2 Infektionen, Impfungen, gesundheitlichen und sozioökonomischen Faktoren sowie der sorggiver-reported Bewertung über die Gesundheit und den psychologischen Status ihrer Kinder bewertet. 497 Kinder im Alter von 2 bis 17 Jahren wurden einbezogen. Drei Gruppen wurden analysiert: 183 Vorschulkinder im Alter von 2-4 Jahren, 176 Schulkinder im Alter von 5-11 Jahren und 138 Jugendliche im Alter von 12-18 Jahren. Positive Antikörper gegen das S- oder N-Antigen von SARS-CoV-2 wurden in 86,5% aller Teilnehmer (70,0% [128/183] der Vorschulkinder, 94,3% der Schulkinder [166/176] und 98,6% der Jugendlichen [136/138]) nachgewiesen. Unter allen Kindern wurden 40,4% (201/497) gegen COVID-19 geimpft (Vorschulkinder 4,4% [8/183], Schüler 44,3% [78/176] und Jugendliche 83,3% [115/138]). Die Seroprevalenz von SARS-CoV-2 war in der Vorschule am niedrigsten. Gesundheitsstatus und Lebensqualität der Eltern waren zum Zeitpunkt der Erhebung sehr positiv (Sommer 2022). Altersbedingte Unterschiede bei SARS-CoV-2 Sero-Immunität könnten vor allem durch Unterschiede bei Impfungen anhand der offiziellen deutschen Impfungsempfehlungen sowie Unterschiede bei SARS-CoV-2 Infektionsraten in den verschiedenen Altersgruppen erklärt werden. Gesundheitsstatus und Lebensqualität von fast allen Kindern waren sehr gut unabhängig von der Infektion und/oder Impfung von SARS-CoV-2. Deutsches Register für klinische Studien Identifier Würzburg: DRKS00025546 (Registrierung: 11.09.2021), Bochum: DRKS00022434 (Registrierung:07.08.2020), Dresden: DRKS 00022455 (Registrierung: 23.07.2020).
W. D,
P. T,
L. CS,
L. CG,
M. Beer,
G. M and
R. T,
"Self-supervised pre-training with contrastive and masked autoencoder methods for dealing with small datasets in deep learning for medical imaging.",
Scientific reports,
Nov.
2023.
Abstract:
Deep Learning in der medizinischen Bildgebung hat das Potenzial, das Risiko von diagnostischen Fehlern zu minimieren, die radiologische Arbeitsbelastung zu reduzieren und die Diagnose zu beschleunigen. Die Ausbildung solcher Deep Learning-Modelle erfordert große und genaue Datensätze, mit Anmerkungen für alle Trainingsproben. Allerdings sind in der medizinischen Bildgebungsdomäne annotierte Datensätze für bestimmte Aufgaben aufgrund der hohen Komplexität von Anmerkungen, eingeschränktem Zugriff oder der Seltenheit von Krankheiten oft klein. Um diese Herausforderung anzugehen, können tiefe Lernmodelle auf großen Bilddatensätzen vortrainiert werden, ohne dass mit Methoden aus dem Bereich des selbsterweiterten Lernens Anmerkungen gemacht werden. Nach dem Vortraining reichen kleine annotierte Datensätze aus, um die Modelle für eine bestimmte Aufgabe zu verfeinern. Die populärsten selbstbeaufsichtigten Vorschulansätze in der medizinischen Bildgebung basieren auf kontrastierendem Lernen. Neue Studien in der natürlichen Bildverarbeitung zeigen jedoch ein starkes Potenzial für maskierte Autoencoder-Ansätze. Unsere Arbeit vergleicht hochmoderne kontrastive Lernmethoden mit dem kürzlich eingeführten maskierten Autoencoder-Ansatz "SparK" für konvolutionale neuronale Netzwerke (CNNs) auf medizinischen Bildern. Daher trainieren wir auf einem großen, unbemerkten CT-Bilddatensatz und Feinabstimmung auf mehreren CT-Klassifikationsaufgaben. Aufgrund der Herausforderung, ausreichende annotierte Trainingsdaten in der medizinischen Bildgebung zu erhalten, ist es von besonderem Interesse, zu bewerten, wie die selbstübertroffenen Vortrainingsmethoden bei der Feinabstimmung auf kleinen Datensätzen durchgeführt werden. Durch Experimente mit einer allmählichen Verringerung der Trainingsdatensatzgröße für Feinabstimmung finden wir, dass die Reduktion je nach Art der gewählten Vorausbildung unterschiedliche Auswirkungen hat. Die SparK-Vortrainingsmethode ist robuster als die kontrastierenden Methoden. Basierend auf unseren Ergebnissen schlagen wir die SparK-Vorschulung für medizinische Bildgebungsaufgaben mit nur kleinen annotierten Datensätzen vor.
| DOI: | 10.1038/s41598-023-46433-0 |
Abstract:
Deep Learning in der medizinischen Bildgebung hat das Potenzial, das Risiko von diagnostischen Fehlern zu minimieren, die radiologische Arbeitsbelastung zu reduzieren und die Diagnose zu beschleunigen. Die Ausbildung solcher Deep Learning-Modelle erfordert große und genaue Datensätze, mit Anmerkungen für alle Trainingsproben. Allerdings sind in der medizinischen Bildgebungsdomäne annotierte Datensätze für bestimmte Aufgaben aufgrund der hohen Komplexität von Anmerkungen, eingeschränktem Zugriff oder der Seltenheit von Krankheiten oft klein. Um diese Herausforderung anzugehen, können tiefe Lernmodelle auf großen Bilddatensätzen vortrainiert werden, ohne dass mit Methoden aus dem Bereich des selbsterweiterten Lernens Anmerkungen gemacht werden. Nach dem Vortraining reichen kleine annotierte Datensätze aus, um die Modelle für eine bestimmte Aufgabe zu verfeinern. Die populärsten selbstbeaufsichtigten Vorschulansätze in der medizinischen Bildgebung basieren auf kontrastierendem Lernen. Neue Studien in der natürlichen Bildverarbeitung zeigen jedoch ein starkes Potenzial für maskierte Autoencoder-Ansätze. Unsere Arbeit vergleicht hochmoderne kontrastive Lernmethoden mit dem kürzlich eingeführten maskierten Autoencoder-Ansatz "SparK" für konvolutionale neuronale Netzwerke (CNNs) auf medizinischen Bildern. Daher trainieren wir auf einem großen, unbemerkten CT-Bilddatensatz und Feinabstimmung auf mehreren CT-Klassifikationsaufgaben. Aufgrund der Herausforderung, ausreichende annotierte Trainingsdaten in der medizinischen Bildgebung zu erhalten, ist es von besonderem Interesse, zu bewerten, wie die selbstübertroffenen Vortrainingsmethoden bei der Feinabstimmung auf kleinen Datensätzen durchgeführt werden. Durch Experimente mit einer allmählichen Verringerung der Trainingsdatensatzgröße für Feinabstimmung finden wir, dass die Reduktion je nach Art der gewählten Vorausbildung unterschiedliche Auswirkungen hat. Die SparK-Vortrainingsmethode ist robuster als die kontrastierenden Methoden. Basierend auf unseren Ergebnissen schlagen wir die SparK-Vorschulung für medizinische Bildgebungsaufgaben mit nur kleinen annotierten Datensätzen vor.
[en]
C. Thibeault,
L. Bardtke,
K. Vanshylla,
V. Cristanziano,
K. A. Eberhardt,
P. Stubbemann,
D. Hillus,
P. Tober-Lau,
P. Mukherjee,
F. Münn,
L. J. Lippert,
E. T. Helbig,
T. Lingscheid,
F. Steinbeis,
M. Mittermaier,
M. Witzenrath,
T. Zoller,
P. Group,
F. Klein,
L. E. Sander and
F. Kurth,
"Short- and long-term T cell and antibody responses following
dexamethasone treatment in COVID-19",
JCI Insight,
vol. 8,
no. 8,
Apr.
2023.
Abstract:
BACKGROUNDAfter its introduction as standard-of-care for severe COVID-19, dexamethasone has been administered to a large number of patients globally. Detailed knowledge of its impact on the cellular and humoral immune response to SARS-CoV-2 remains scarce.METHODSWe included immunocompetent individuals with (a) mild COVID-19, (b) severe COVID-19 before introduction of dexamethasone treatment, and (c) severe COVID-19 infection treated with dexamethasone from prospective observational cohort studies at Charité-Universit"atsmedizin Berlin, Germany. We analyzed SARS-CoV-2 spike-reactive T cells, spike-specific IgG titers, and serum neutralizing activity against B.1.1.7 and B.1.617.2 in samples ranging from 2 weeks to 6 months after infection. We also analyzed BA.2 neutralization in sera after booster immunization.RESULTSPatients with severe COVID-19 and dexamethasone treatment had lower T cell and antibody responses to SARS-CoV-2 compared with patients without dexamethasone treatment in the early phase of disease, which converged in both groups before 6 months after infection and also after immunization. Patients with mild COVID-19 had comparatively lower T cell and antibody responses than patients with severe disease, including a lower response to booster immunization during convalescence.CONCLUSIONDexamethasone treatment was associated with a short-term reduction in T cell and antibody responses in severe COVID-19 when compared with the nontreated group, but this difference evened out 6 months after infection. We confirm higher cellular and humoral immune responses in patients after severe versus mild COVID-19 and the concept of improved hybrid immunity upon immunization.FUNDINGBerlin Institute of Health, German Federal Ministry of Education, and German Federal Institute for Drugs and Medical Devices.
| DOI: | 10.1172/jci.insight.166711 |
| Pubmed: | 36881474 |
Abstract:
BACKGROUNDAfter its introduction as standard-of-care for severe COVID-19, dexamethasone has been administered to a large number of patients globally. Detailed knowledge of its impact on the cellular and humoral immune response to SARS-CoV-2 remains scarce.METHODSWe included immunocompetent individuals with (a) mild COVID-19, (b) severe COVID-19 before introduction of dexamethasone treatment, and (c) severe COVID-19 infection treated with dexamethasone from prospective observational cohort studies at Charité-Universit"atsmedizin Berlin, Germany. We analyzed SARS-CoV-2 spike-reactive T cells, spike-specific IgG titers, and serum neutralizing activity against B.1.1.7 and B.1.617.2 in samples ranging from 2 weeks to 6 months after infection. We also analyzed BA.2 neutralization in sera after booster immunization.RESULTSPatients with severe COVID-19 and dexamethasone treatment had lower T cell and antibody responses to SARS-CoV-2 compared with patients without dexamethasone treatment in the early phase of disease, which converged in both groups before 6 months after infection and also after immunization. Patients with mild COVID-19 had comparatively lower T cell and antibody responses than patients with severe disease, including a lower response to booster immunization during convalescence.CONCLUSIONDexamethasone treatment was associated with a short-term reduction in T cell and antibody responses in severe COVID-19 when compared with the nontreated group, but this difference evened out 6 months after infection. We confirm higher cellular and humoral immune responses in patients after severe versus mild COVID-19 and the concept of improved hybrid immunity upon immunization.FUNDINGBerlin Institute of Health, German Federal Ministry of Education, and German Federal Institute for Drugs and Medical Devices.
L. J,
G. C,
S. D,
K. J and
E. J,
"Sparse convolutional neural network for high-resolution skull shape completion and shape super-resolution.",
Scientific reports,
Nov.
2023.
Abstract:
Traditionelle konvolutionale neuronale Netzwerk-Methoden (CNN) stützen sich auf dichte Tensors, die sie suboptimal für räumlich sparsame Daten macht. In diesem Papier schlagen wir ein CNN-Modell auf Basis von Sparse Tensors für eine effiziente Verarbeitung von hochauflösenden Formen vor, die als binäre Voxel-Belegungsgitter dargestellt sind. Im Gegensatz zu einem dichten CNN, der das gesamte Voxel-Gitter als Eingabe nimmt, verarbeitet ein spärlicher CNN nur auf den nicht leeren Voxeln, wodurch der Speicher- und Rechenkopf aufgrund der spärlichen Eingabedaten reduziert wird. Wir bewerten unsere Methode auf zwei klinisch relevanten Schädelrekonstruktionsaufgaben: (1) bei einem defekten Schädel, rekonstruieren den kompletten Schädel (d.h. Schädelformvervollständigung), und (2) bei einem groben Schädel, rekonstruieren einen hochauflösenden Schädel mit feinen geometrischen Details (Form Super-Resolution). Unsere Methode übertrifft ihre dichten CNN-basierten Gegenstücke in der Schädelrekonstruktionsaufgabe quantitativ und qualitativ, erfordert jedoch wesentlich weniger Gedächtnis für Training und Inferenz. Wir stellten fest, dass bei den 3D-Schädeldaten der Gesamtspeicherverbrauch des spärlichen CNN bei der Inferenz zu den Bildauflösungen etwa linear wächst. Während des Trainings bleibt die Speichernutzung deutlich unter den Erhöhungen der Bildauflösung-an [Formel: siehe Text] Erhöhung der Voxelzahl führt zu weniger als [Formel: siehe Text] Erhöhung der Speicheranforderungen. Unsere Studie zeigt die Wirksamkeit der Verwendung eines spärlichen CNN für Schädelrekonstruktionsaufgaben, und unsere Ergebnisse können auf andere räumlich spärliche Probleme angewendet werden. Wir beweisen dies durch zusätzliche experimentelle Ergebnisse auf anderen sparsamen medizinischen Datensätzen, wie die Aorta und das Herz. Projektseite unter https://github.com/Jianningli/SparseCNN .
| DOI: | 10.1038/s41598-023-47437-6 |
Abstract:
Traditionelle konvolutionale neuronale Netzwerk-Methoden (CNN) stützen sich auf dichte Tensors, die sie suboptimal für räumlich sparsame Daten macht. In diesem Papier schlagen wir ein CNN-Modell auf Basis von Sparse Tensors für eine effiziente Verarbeitung von hochauflösenden Formen vor, die als binäre Voxel-Belegungsgitter dargestellt sind. Im Gegensatz zu einem dichten CNN, der das gesamte Voxel-Gitter als Eingabe nimmt, verarbeitet ein spärlicher CNN nur auf den nicht leeren Voxeln, wodurch der Speicher- und Rechenkopf aufgrund der spärlichen Eingabedaten reduziert wird. Wir bewerten unsere Methode auf zwei klinisch relevanten Schädelrekonstruktionsaufgaben: (1) bei einem defekten Schädel, rekonstruieren den kompletten Schädel (d.h. Schädelformvervollständigung), und (2) bei einem groben Schädel, rekonstruieren einen hochauflösenden Schädel mit feinen geometrischen Details (Form Super-Resolution). Unsere Methode übertrifft ihre dichten CNN-basierten Gegenstücke in der Schädelrekonstruktionsaufgabe quantitativ und qualitativ, erfordert jedoch wesentlich weniger Gedächtnis für Training und Inferenz. Wir stellten fest, dass bei den 3D-Schädeldaten der Gesamtspeicherverbrauch des spärlichen CNN bei der Inferenz zu den Bildauflösungen etwa linear wächst. Während des Trainings bleibt die Speichernutzung deutlich unter den Erhöhungen der Bildauflösung-an [Formel: siehe Text] Erhöhung der Voxelzahl führt zu weniger als [Formel: siehe Text] Erhöhung der Speicheranforderungen. Unsere Studie zeigt die Wirksamkeit der Verwendung eines spärlichen CNN für Schädelrekonstruktionsaufgaben, und unsere Ergebnisse können auf andere räumlich spärliche Probleme angewendet werden. Wir beweisen dies durch zusätzliche experimentelle Ergebnisse auf anderen sparsamen medizinischen Datensätzen, wie die Aorta und das Herz. Projektseite unter https://github.com/Jianningli/SparseCNN .
R. Heyder,
N. C. Office,
N. S. Group,
N. Coordination,
R. Coordination,
A. Coordination and
G. S. Group,
"The German Network of University Medicine: technical and organizational approaches for research data platforms",
01
2023.
| DOI: | 10.1007/s00103-022-03649-1 |
[en]
I. Miederer,
J. M. M. Rogasch,
R. Fischer,
T. Fuchs,
C. Lapa,
P. Lohmann,
K. Shi,
J. Tran-Gia,
T. Wendler and
D. Hellwig,
"The Medical Informatics Initiative and the Network University Medicine - Perspectives for Nuclear Medicine",
Nuklearmedizin,
vol. 62,
no. 5,
pp. 276—283,
2023.
Georg Thieme Verlag KG,
http://dx.doi.org/10.1055/a-2067-7642.
Abstract:
Digitization in the healthcare sector and the support of clinical workflows with artificial intelligence (AI), including AI-supported image analysis, represent a great challenge and equally a promising perspective for preclinical and clinical nuclear medicine. In Germany, the Medical Informatics Initiative (MII) and the Network University Medicine (NUM) are of central importance for this transformation. This review article outlines these structures and highlights their future role in enabling privacy-preserving federated multi-center analyses with interoperable data structures harmonized between site-specific IT infrastructures. The newly founded working group "Digitization and AI" in the German Society of Nuclear Medicine (DGN) as well as the Fach- und Organspezifische Arbeitsgruppe (FOSA, specialty- and organ-specific working group) founded for the field of nuclear medicine (FOSA Nuklearmedizin) within the NUM aim to initiate and coordinate measures in the context of digital medicine and (image-)data-driven analyses for the DGN.
| DOI: | 10.1055/a-2067-7642 |
Abstract:
Digitization in the healthcare sector and the support of clinical workflows with artificial intelligence (AI), including AI-supported image analysis, represent a great challenge and equally a promising perspective for preclinical and clinical nuclear medicine. In Germany, the Medical Informatics Initiative (MII) and the Network University Medicine (NUM) are of central importance for this transformation. This review article outlines these structures and highlights their future role in enabling privacy-preserving federated multi-center analyses with interoperable data structures harmonized between site-specific IT infrastructures. The newly founded working group "Digitization and AI" in the German Society of Nuclear Medicine (DGN) as well as the Fach- und Organspezifische Arbeitsgruppe (FOSA, specialty- and organ-specific working group) founded for the field of nuclear medicine (FOSA Nuklearmedizin) within the NUM aim to initiate and coordinate measures in the context of digital medicine and (image-)data-driven analyses for the DGN.
G. K,
F. S,
K. D,
S. F,
G. T and
W. D,
"The Status of Data Management Practices Across German Medical Data Integration Centers: Mixed Methods Study.",
Journal of medical Internet research,
Nov.
2023.
Abstract:
Im Rahmen der Medical Informatics Initiative haben medizinische Datenintegrationszentren (DICs) komplexe Datenflüsse implementiert, um routinemäßige Gesundheitsdaten in Forschungsdaten-Repositorien für die sekundäre Nutzung zu übertragen. Die Methoden der Datenverwaltung sind während dieser Prozesse von Bedeutung, und besondere Aufmerksamkeit sollte auf Provenienzaspekte gegeben werden. Unzureichendes Wissen kann zu Gültigkeitsrisiken führen und das Vertrauen und die Qualität der verarbeiteten Daten reduzieren. Die Notwendigkeit, pflegefähige Datenmanagement-Praktiken zu implementieren, ist unbestritten, aber es gibt einen großen Mangel an Klarheit über den Status. Unsere Studie untersucht die aktuellen Methoden des Datenmanagements während des gesamten Datenlebenszyklus innerhalb des Konsortiums Medical Informatics in Research and Care in University Medicine (MIRACUM). Wir stellen einen Rahmen für den Reifestatus von Datenmanagement-Praktiken dar und geben Empfehlungen vor, um eine vertrauensvolle Verbreitung und Wiederverwendung von routinemäßigen Gesundheitsdaten zu ermöglichen. In dieser gemischten Methodenstudie führten wir zwischen Juli und September 2021 halbstrukturierte Interviews mit Interessenvertretern aus 10 DICs durch. Wir nutzten einen selbst gestalteten Fragebogen, den wir auf die MIRACUM DICs zugeschnitten haben, um qualitative und quantitative Daten zu sammeln. Unsere Studienmethode entspricht der Good Reporting einer Mixed Methods Study (GRAMMS) Checkliste. Unsere Studie liefert Einblicke in die Datenmanagementpraxis der MIRACUM DICs. Wir identifizieren mehrere Rückverfolgbarkeitsfragen, die teilweise mit fehlenden kontextbezogenen Informationen innerhalb nicht harmonisierter Arbeitsabläufe, unklarer Verantwortlichkeiten, fehlender oder unvollständiger Datenelemente und unvollständiger Informationen über die rechnergestützten Umgebungsinformationen erläutert werden können. Basierend auf den identifizierten Mängeln schlagen wir einen Rahmen für die Reife des Datenmanagements vor, um mehr Klarheit zu erreichen und verbesserte Strategien für das Datenmanagement zu definieren. Der Rahmen für die Datenverwaltung unterstützt die Erstellung und Verbreitung von genauen und nachweislich bereicherten Daten für die sekundäre Nutzung. Unsere Arbeit dient als Katalysator für die Ableitung einer übergeordneten Datenmanagementstrategie, die die Datenintegrität und Provenienzeigenschaften als Schlüsselfaktoren bewahrt. Wir stellen fest, dass diese Arbeit zur Erzeugung fairer und aufrechterhaltener Gesundheitsforschungsdaten von hoher Qualität führen wird.
| DOI: | 10.2196/48809 |
Abstract:
Im Rahmen der Medical Informatics Initiative haben medizinische Datenintegrationszentren (DICs) komplexe Datenflüsse implementiert, um routinemäßige Gesundheitsdaten in Forschungsdaten-Repositorien für die sekundäre Nutzung zu übertragen. Die Methoden der Datenverwaltung sind während dieser Prozesse von Bedeutung, und besondere Aufmerksamkeit sollte auf Provenienzaspekte gegeben werden. Unzureichendes Wissen kann zu Gültigkeitsrisiken führen und das Vertrauen und die Qualität der verarbeiteten Daten reduzieren. Die Notwendigkeit, pflegefähige Datenmanagement-Praktiken zu implementieren, ist unbestritten, aber es gibt einen großen Mangel an Klarheit über den Status. Unsere Studie untersucht die aktuellen Methoden des Datenmanagements während des gesamten Datenlebenszyklus innerhalb des Konsortiums Medical Informatics in Research and Care in University Medicine (MIRACUM). Wir stellen einen Rahmen für den Reifestatus von Datenmanagement-Praktiken dar und geben Empfehlungen vor, um eine vertrauensvolle Verbreitung und Wiederverwendung von routinemäßigen Gesundheitsdaten zu ermöglichen. In dieser gemischten Methodenstudie führten wir zwischen Juli und September 2021 halbstrukturierte Interviews mit Interessenvertretern aus 10 DICs durch. Wir nutzten einen selbst gestalteten Fragebogen, den wir auf die MIRACUM DICs zugeschnitten haben, um qualitative und quantitative Daten zu sammeln. Unsere Studienmethode entspricht der Good Reporting einer Mixed Methods Study (GRAMMS) Checkliste. Unsere Studie liefert Einblicke in die Datenmanagementpraxis der MIRACUM DICs. Wir identifizieren mehrere Rückverfolgbarkeitsfragen, die teilweise mit fehlenden kontextbezogenen Informationen innerhalb nicht harmonisierter Arbeitsabläufe, unklarer Verantwortlichkeiten, fehlender oder unvollständiger Datenelemente und unvollständiger Informationen über die rechnergestützten Umgebungsinformationen erläutert werden können. Basierend auf den identifizierten Mängeln schlagen wir einen Rahmen für die Reife des Datenmanagements vor, um mehr Klarheit zu erreichen und verbesserte Strategien für das Datenmanagement zu definieren. Der Rahmen für die Datenverwaltung unterstützt die Erstellung und Verbreitung von genauen und nachweislich bereicherten Daten für die sekundäre Nutzung. Unsere Arbeit dient als Katalysator für die Ableitung einer übergeordneten Datenmanagementstrategie, die die Datenintegrität und Provenienzeigenschaften als Schlüsselfaktoren bewahrt. Wir stellen fest, dass diese Arbeit zur Erzeugung fairer und aufrechterhaltener Gesundheitsforschungsdaten von hoher Qualität führen wird.
[eng]
J. Lücke,
M. Nawrocki,
J. Schnell,
N. Meins,
F. Heinrich,
T. Zhang,
F. Bertram,
M. Sabihi,
M. Böttcher,
T. Blankenburg,
M. Pfaff,
S. Notz,
J. Kempski,
M. Reeh,
S. Wolter,
O. Mann,
J. R. Izbicki,
M. Lütgehetmann,
A. Duprée,
A. D. Giannou,
B. Ondruschka and
S. Huber,
"TNFα aggravates detrimental effects of SARS-CoV-2 infection in the liver",
Frontiers in Immunology,
vol. 14,
pp. 1151937,
2023.
Abstract:
Coronavirus disease 2019 (COVID-19) is caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). This virus does not only lead to pulmonary infection but can also infect other organs such as the gut, the kidney, or the liver. Recent studies confirmed that severe cases of COVID-19 are often associated with liver damage and liver failure, as well as the systemic upregulation of pro-inflammatory cytokines such as tumor necrosis factor-alpha (TNFα). However, the impact these immune mediators in the liver have on patient survival during SARS-CoV-2 infection is currently unknown. Here, by performing a post-mortem analysis of 45 patients that died from a SARS-CoV-2 infection, we find that an increased expression of TNFA in the liver is associated with elevated mortality. Using publicly available single-cell sequencing datasets, we determined that Kupffer cells and monocytes are the main sources of this TNFα production. Further analysis revealed that TNFα signaling led to the upregulation of pro-inflammatory genes that are associated with an unfavorable outcome. Moreover, high levels of TNFA in the liver were associated with lower levels of interferon alpha and interferon beta. Thus, TNFα signaling in the infected SARS-CoV-2 liver correlates with reduced interferon levels and overall survival time.
| DOI: | 10.3389/fimmu.2023.1151937 |
Abstract:
Coronavirus disease 2019 (COVID-19) is caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). This virus does not only lead to pulmonary infection but can also infect other organs such as the gut, the kidney, or the liver. Recent studies confirmed that severe cases of COVID-19 are often associated with liver damage and liver failure, as well as the systemic upregulation of pro-inflammatory cytokines such as tumor necrosis factor-alpha (TNFα). However, the impact these immune mediators in the liver have on patient survival during SARS-CoV-2 infection is currently unknown. Here, by performing a post-mortem analysis of 45 patients that died from a SARS-CoV-2 infection, we find that an increased expression of TNFA in the liver is associated with elevated mortality. Using publicly available single-cell sequencing datasets, we determined that Kupffer cells and monocytes are the main sources of this TNFα production. Further analysis revealed that TNFα signaling led to the upregulation of pro-inflammatory genes that are associated with an unfavorable outcome. Moreover, high levels of TNFA in the liver were associated with lower levels of interferon alpha and interferon beta. Thus, TNFα signaling in the infected SARS-CoV-2 liver correlates with reduced interferon levels and overall survival time.
T. P,
L. L,
K. C,
B. D,
M. Beer and
K. HA,
"Unsupervised domain adaptation for the detection of cardiomegaly in cross-domain chest X-ray images.",
Frontiers in artificial intelligence,
2023.
Abstract:
In den letzten Jahren wurden mehrere tiefgreifende Lernansätze im Bereich der medizinischen Bildanalyse erfolgreich angewandt. Speziell wurden verschiedene tiefe neuronale Netzwerkarchitekturen für die Detektion verschiedener Pathologien auf der Grundlage von Brust-Röntgenbildern vorgeschlagen und bewertet. Während die durchgeführten Bewertungen sehr vielversprechende Ergebnisse gezeigt haben, bestehen die meisten von ihnen in der Ausbildung und Bewertung der Leistung der vorgeschlagenen Ansätze auf einem einzigen Datensatz. Die Verallgemeinerung solcher Modelle ist jedoch in einer Kreuzdomaineinstellung recht begrenzt, da bei der Auswertung dieser Modelle auf Datensätzen, die aus verschiedenen medizinischen Zentren stammen oder unter verschiedenen Protokollen aufgezeichnet werden, ein signifikanter Leistungsabbau beobachtet werden kann. Der Leistungsabbau wird meist durch die Domänenverschiebung zwischen dem Trainingssatz und dem Bewertungssatz verursacht. Um dieses Problem zu lindern, werden in der aktuellen Arbeit unterschiedliche ununterbrochene Domänenanpassungsansätze vorgeschlagen und ausgewertet, um Kardiomegalie basierend auf Brust-Röntgenbildern in einer Kreuzdomäneneinstellung zu erkennen. Die vorgeschlagenen Ansätze erzeugen Domäneninvariante Merkmalsdarstellungen durch Anpassung der Parameter eines auf einer großen Menge markierter Proben optimierten Modells an eine Reihe von unmarkierten Bildern, die aus einem anderen Datensatz stammen. Die durchgeführte Auswertung weist auf die Wirksamkeit der vorgeschlagenen Ansätze hin, da die angepassten Modelle optimierte Modelle ausprägen, die ohne jede Form der Domänenanpassung direkt auf die Auswertesätze angewendet werden.
| DOI: | 10.3389/frai.2023.1056422 |
Abstract:
In den letzten Jahren wurden mehrere tiefgreifende Lernansätze im Bereich der medizinischen Bildanalyse erfolgreich angewandt. Speziell wurden verschiedene tiefe neuronale Netzwerkarchitekturen für die Detektion verschiedener Pathologien auf der Grundlage von Brust-Röntgenbildern vorgeschlagen und bewertet. Während die durchgeführten Bewertungen sehr vielversprechende Ergebnisse gezeigt haben, bestehen die meisten von ihnen in der Ausbildung und Bewertung der Leistung der vorgeschlagenen Ansätze auf einem einzigen Datensatz. Die Verallgemeinerung solcher Modelle ist jedoch in einer Kreuzdomaineinstellung recht begrenzt, da bei der Auswertung dieser Modelle auf Datensätzen, die aus verschiedenen medizinischen Zentren stammen oder unter verschiedenen Protokollen aufgezeichnet werden, ein signifikanter Leistungsabbau beobachtet werden kann. Der Leistungsabbau wird meist durch die Domänenverschiebung zwischen dem Trainingssatz und dem Bewertungssatz verursacht. Um dieses Problem zu lindern, werden in der aktuellen Arbeit unterschiedliche ununterbrochene Domänenanpassungsansätze vorgeschlagen und ausgewertet, um Kardiomegalie basierend auf Brust-Röntgenbildern in einer Kreuzdomäneneinstellung zu erkennen. Die vorgeschlagenen Ansätze erzeugen Domäneninvariante Merkmalsdarstellungen durch Anpassung der Parameter eines auf einer großen Menge markierter Proben optimierten Modells an eine Reihe von unmarkierten Bildern, die aus einem anderen Datensatz stammen. Die durchgeführte Auswertung weist auf die Wirksamkeit der vorgeschlagenen Ansätze hin, da die angepassten Modelle optimierte Modelle ausprägen, die ohne jede Form der Domänenanpassung direkt auf die Auswertesätze angewendet werden.
[en]
M. S. Woo,
M. Shafiq,
A. Fitzek,
M. Dottermusch,
B. Mohammadi,
C. Mayer,
L. C. Bal,
L. Raich,
J. Matschke,
S. Krasemann,
S. Pfefferle,
T. T. Brehm,
M. Lütgehetmann,
J. Schädler,
J. Wiesch,
B. Ondruschka,
M. A. Friese and
M. Glatzel,
"Vagus nerve inflammation contributes to dysautonomia in COVID-19",
Acta Neuropathologica,
vol. 146,
no. 3,
pp. 387—394,
Sep.
2023.
Abstract:
Dysautonomia has substantially impacted acute COVID-19 severity as well as symptom burden after recovery from COVID-19 (long COVID), yet the underlying causes remain unknown. Here, we hypothesized that vagus nerves are affected in COVID-19 which might contribute to autonomic dysfunction. We performed a histopathological characterization of postmortem vagus nerves from COVID-19 patients and controls, and detected SARS-CoV-2 RNA together with inflammatory cell infiltration composed primarily of monocytes. Furthermore, we performed RNA sequencing which revealed a strong inflammatory response of neurons, endothelial cells, and Schwann cells which correlated with SARS-CoV-2 RNA load. Lastly, we screened a clinical cohort of 323 patients to detect a clinical phenotype of vagus nerve affection and found a decreased respiratory rate in non-survivors of critical COVID-19. Our data suggest that SARS-CoV-2 induces vagus nerve inflammation followed by autonomic dysfunction which contributes to critical disease courses and might contribute to dysautonomia observed in long COVID.
| DOI: | 10.1007/s00401-023-02612-x |
| Datei: | https://doi.org/10.1007/s00401-023-02612-x |
Abstract:
Dysautonomia has substantially impacted acute COVID-19 severity as well as symptom burden after recovery from COVID-19 (long COVID), yet the underlying causes remain unknown. Here, we hypothesized that vagus nerves are affected in COVID-19 which might contribute to autonomic dysfunction. We performed a histopathological characterization of postmortem vagus nerves from COVID-19 patients and controls, and detected SARS-CoV-2 RNA together with inflammatory cell infiltration composed primarily of monocytes. Furthermore, we performed RNA sequencing which revealed a strong inflammatory response of neurons, endothelial cells, and Schwann cells which correlated with SARS-CoV-2 RNA load. Lastly, we screened a clinical cohort of 323 patients to detect a clinical phenotype of vagus nerve affection and found a decreased respiratory rate in non-survivors of critical COVID-19. Our data suggest that SARS-CoV-2 induces vagus nerve inflammation followed by autonomic dysfunction which contributes to critical disease courses and might contribute to dysautonomia observed in long COVID.
T. M,
B. C and
B. J,
"Validation of clinical-radiological scores for prognosis of mortality in acute pulmonary embolism.",
Respiratory research,
Aug.
2023.
Abstract:
Akute Lungenembolie (APE) ist eine gefährliche Erkrankung mit hoher Sterblichkeit. Die Kombination von klinischen, radiologischen und serologischen Parametern kann die Risikoschichtung von APE verbessern. Die meisten der vorgeschlagenen kombinierten Punkte wurden in unabhängigen Kohorten nicht validiert. Unser Ziel war es, die vorgeschlagenen klinisch-radiologischen Ergebnisse zur Prognose von 7- und 30-tägiger Sterblichkeit in APE zu validieren. Unsere Probe umfasste 531 Patienten mit APE, mittleres Alter 64,8 ± 15,6 Jahre, 221 (41.6%) Frauen und 310 (58,4%) Männer. Die folgenden Parameter wurden gesammelt: Alter und Geschlecht der Patienten, Mortalität innerhalb der Beobachtungszeit von 30 Tagen, vereinfachter Lungenprägegrad (sPESI), pH-Poponinspiegel (pg/ml), minimaler systolischer und diastolischer Blutdruck (mmHg), Herzfrequenz, O<sub>2>/sub> Sättigung, Synkopsequenzen und Notwendigkeit für Vasokpressoren. Bei CT-Pulmonalangiographie (CTPA) wurden kurzes Achsverhältnis rechts Ventrikel/linkes Ventrikel (RV/LV) und Rückfluss von Kontrastmittel in die minderwertige Venenkava erhalten. Die folgenden klinisch-radiologischen Punkte wurden berechnet: BOVA-Score, Lungenembolismus-Mortalitäts-Score (PEMS), European Society of Cardiology (ESC)-Score, Kumamaru-Score und Calgary akuter Lungenembolismus (CAPE). Insgesamt starben 31 Patienten (5,8%) innerhalb von sieben und 64 Patienten (12%) innerhalb von 30 Tagen. Alle Punkte zeigten hohe negative Prognosewerte von 89,0 bis 99,0%. PEMS und CAPE haben die höchste Spezifität für die 7-Tage-Sterblichkeit gezeigt (93,4% und 85,0%), PEMS und BOVA für 30-Tage-Sterblichkeit (94,2% und 90,4%). Die höchste Empfindlichkeit wurde für das ESC 2019 (96,8% und 95,3%) beobachtet. Kumamaru und CAPE erzielten eine geringe Empfindlichkeit. Alle Punkte hatten niedrige positive und hohe negative Vorhersagewerte. Zur Prognose der 7- und 30-tägigen Sterblichkeit in APE hat PEMS die höchste Spezifität. ESC 2019 zeigt die höchste Empfindlichkeit. Alle Punkte hatten niedrige positive und hohe negative Vorhersagewerte.
| DOI: | 10.1186/s12931-023-02489-0 |
Abstract:
Akute Lungenembolie (APE) ist eine gefährliche Erkrankung mit hoher Sterblichkeit. Die Kombination von klinischen, radiologischen und serologischen Parametern kann die Risikoschichtung von APE verbessern. Die meisten der vorgeschlagenen kombinierten Punkte wurden in unabhängigen Kohorten nicht validiert. Unser Ziel war es, die vorgeschlagenen klinisch-radiologischen Ergebnisse zur Prognose von 7- und 30-tägiger Sterblichkeit in APE zu validieren. Unsere Probe umfasste 531 Patienten mit APE, mittleres Alter 64,8 ± 15,6 Jahre, 221 (41.6%) Frauen und 310 (58,4%) Männer. Die folgenden Parameter wurden gesammelt: Alter und Geschlecht der Patienten, Mortalität innerhalb der Beobachtungszeit von 30 Tagen, vereinfachter Lungenprägegrad (sPESI), pH-Poponinspiegel (pg/ml), minimaler systolischer und diastolischer Blutdruck (mmHg), Herzfrequenz, O<sub>2>/sub> Sättigung, Synkopsequenzen und Notwendigkeit für Vasokpressoren. Bei CT-Pulmonalangiographie (CTPA) wurden kurzes Achsverhältnis rechts Ventrikel/linkes Ventrikel (RV/LV) und Rückfluss von Kontrastmittel in die minderwertige Venenkava erhalten. Die folgenden klinisch-radiologischen Punkte wurden berechnet: BOVA-Score, Lungenembolismus-Mortalitäts-Score (PEMS), European Society of Cardiology (ESC)-Score, Kumamaru-Score und Calgary akuter Lungenembolismus (CAPE). Insgesamt starben 31 Patienten (5,8%) innerhalb von sieben und 64 Patienten (12%) innerhalb von 30 Tagen. Alle Punkte zeigten hohe negative Prognosewerte von 89,0 bis 99,0%. PEMS und CAPE haben die höchste Spezifität für die 7-Tage-Sterblichkeit gezeigt (93,4% und 85,0%), PEMS und BOVA für 30-Tage-Sterblichkeit (94,2% und 90,4%). Die höchste Empfindlichkeit wurde für das ESC 2019 (96,8% und 95,3%) beobachtet. Kumamaru und CAPE erzielten eine geringe Empfindlichkeit. Alle Punkte hatten niedrige positive und hohe negative Vorhersagewerte. Zur Prognose der 7- und 30-tägigen Sterblichkeit in APE hat PEMS die höchste Spezifität. ESC 2019 zeigt die höchste Empfindlichkeit. Alle Punkte hatten niedrige positive und hohe negative Vorhersagewerte.
S. M. Hopff,
"Vergleich von Akut- und Langzeit-Symptomen bei mit den SARS-CoV-2-Varianten Delta und Omikron infizierten Patient:innen - Ergebnisse des Nationalen Pandemie Kohorten Netzes (NAPKON)",
Vortrag KIT Kongress 2023, Leipzig,
2023.
T. M,
K. H,
H. M,
O. J,
C. E,
C. M,
D. M,
K. İ,
O. Ç,
Y. Ö,
H. E,
I. E,
Ö. H,
E. H,
C. O,
S. H,
G. KA and
P. M,
"Visceral to subcutaneous fat ratio predicts short-term mortality in patients with Covid 19. A multicenter study.",
The British journal of radiology,
Mä.
2023.
Abstract:
Um die Assoziierung von Körperzusammensetzungsparametern mit Ergebnissen in Covid-19 zu bewerten, wurden 173 Patienten, die für die Covid-19-Infektion in 6 europäischen Zentren stationiert waren, in diese retrospektive Studie aufgenommen. Die Messungen wurden auf L3-Ebene durchgeführt und umfassten Skelettmuskelindex (SMI), Muskeldichte (MD) und Adipose Gewebemessungen [visceral adipose Gewebe (VAT), subkutanes Fettgewebe (SAT), intramuskuläres Fettgewebe (IMAT), visceral-to-subcutane-adipose-tissue-area-ratio (VSR)]. Die Zuordnung zur Sterblichkeit, die Notwendigkeit der Intubation (MV) und die Notwendigkeit der Zulassung zur ICU innerhalb von 30 Tagen wurden bewertet. Höhere SAT-Dichte wurde mit einem höheren Risiko von MV (OR = 1.071, 95%CI=(1.034;1.110), <i>p</i> < 0,001) verbunden. Höhere MwSt.-Dichte wurde mit der Zulassung zu ICU (OR = 1.068, 95%CI=(1.029;1.109), <i>p</i> < 0.001) verbunden. Höhere MD war ein Schutzfaktor für MV und ICU-Zulassung (OR = 0.914, 95%CI=(0.870;0.960), <i>p</i> < 0.001; OR = 0.882, 95%CI=(0.832;0.934), <i>p>/i> = 0.028). Höhere VSR war mit der Sterblichkeit verbunden (OR = 2.147, 95%CI=(1.022;4.512), <i>p</i> = 0,044). Der männliche Sex zeigte den stärksten Einfluss auf das Risiko von ICU-Zulassungen und MV. SMI wurde weder mit einem Parameter verknüpft. Bei Patienten, die für die Covid-19-Infektion stationiert sind, scheint die höhere VSR ein starker prognostizierter Faktor der kurzfristigen Sterblichkeit zu sein. Schwache Assoziationen mit klinischem Kurs wurden für MD- und Fettgewebemessungen gefunden. Männlicher Sex war der stärkste prognostische Faktor des negativen klinischen Kurses. VSR ist ein prognostizierter Biomarker für 30-tägige Mortalität bei Patienten, die für die Kovid-19-Krankheit ins Krankenhaus gebracht werden.
| DOI: | 10.1259/bjr.20220869 |
Abstract:
Um die Assoziierung von Körperzusammensetzungsparametern mit Ergebnissen in Covid-19 zu bewerten, wurden 173 Patienten, die für die Covid-19-Infektion in 6 europäischen Zentren stationiert waren, in diese retrospektive Studie aufgenommen. Die Messungen wurden auf L3-Ebene durchgeführt und umfassten Skelettmuskelindex (SMI), Muskeldichte (MD) und Adipose Gewebemessungen [visceral adipose Gewebe (VAT), subkutanes Fettgewebe (SAT), intramuskuläres Fettgewebe (IMAT), visceral-to-subcutane-adipose-tissue-area-ratio (VSR)]. Die Zuordnung zur Sterblichkeit, die Notwendigkeit der Intubation (MV) und die Notwendigkeit der Zulassung zur ICU innerhalb von 30 Tagen wurden bewertet. Höhere SAT-Dichte wurde mit einem höheren Risiko von MV (OR = 1.071, 95%CI=(1.034;1.110), <i>p</i> < 0,001) verbunden. Höhere MwSt.-Dichte wurde mit der Zulassung zu ICU (OR = 1.068, 95%CI=(1.029;1.109), <i>p</i> < 0.001) verbunden. Höhere MD war ein Schutzfaktor für MV und ICU-Zulassung (OR = 0.914, 95%CI=(0.870;0.960), <i>p</i> < 0.001; OR = 0.882, 95%CI=(0.832;0.934), <i>p>/i> = 0.028). Höhere VSR war mit der Sterblichkeit verbunden (OR = 2.147, 95%CI=(1.022;4.512), <i>p</i> = 0,044). Der männliche Sex zeigte den stärksten Einfluss auf das Risiko von ICU-Zulassungen und MV. SMI wurde weder mit einem Parameter verknüpft. Bei Patienten, die für die Covid-19-Infektion stationiert sind, scheint die höhere VSR ein starker prognostizierter Faktor der kurzfristigen Sterblichkeit zu sein. Schwache Assoziationen mit klinischem Kurs wurden für MD- und Fettgewebemessungen gefunden. Männlicher Sex war der stärkste prognostische Faktor des negativen klinischen Kurses. VSR ist ein prognostizierter Biomarker für 30-tägige Mortalität bei Patienten, die für die Kovid-19-Krankheit ins Krankenhaus gebracht werden.
R. Mieling,
M. Neidhardt,
S. Latus,
C. Stapper,
S. Gerlach,
I. Kniep,
A. Heinemann,
B. Ondruschka and
A. Schlaefer,
"Collaborative Robotic Biopsy with Trajectory Guidance and Needle Tip Force Feedback"
in 2023 IEEE International Conference on Robotics and Automation (ICRA),
Mai
2023,
pp. 6893—6900.
Abstract:
The diagnostic value of biopsies is highly dependent on the placement of needles. Robotic trajectory guidance has been shown to improve needle positioning, but feedback for real-time navigation is limited. Haptic display of needle tip forces can provide rich feedback for needle navigation by enabling localization of tissue structures along the insertion path. We present a collaborative robotic biopsy system that combines trajectory guidance with kinesthetic feedback to assist the physician in needle placement. The robot aligns the needle while the insertion is performed in collaboration with a medical expert who controls the needle position on site. We present a needle design that senses forces at the needle tip based on optical coherence tomography and machine learning for real-time data processing. Our robotic setup allows operators to sense deep tissue interfaces independent of frictional forces to improve needle placement relative to a desired target structure. We first evaluate needle tip force sensing in ex-vivo tissue in a phantom study. We characterize the tip forces during insertions with constant velocity and demonstrate the ability to detect tissue interfaces in a collaborative user study. Participants are able to detect 91 percent of ex-vivo tissue interfaces based on needle tip force feedback alone. Finally, we demonstrate that even smaller, deep target structures can be accurately sampled by performing post-mortem in situ biopsies of the pancreas.
| DOI: | 10.1109/ICRA48891.2023.10161377 |
Abstract:
The diagnostic value of biopsies is highly dependent on the placement of needles. Robotic trajectory guidance has been shown to improve needle positioning, but feedback for real-time navigation is limited. Haptic display of needle tip forces can provide rich feedback for needle navigation by enabling localization of tissue structures along the insertion path. We present a collaborative robotic biopsy system that combines trajectory guidance with kinesthetic feedback to assist the physician in needle placement. The robot aligns the needle while the insertion is performed in collaboration with a medical expert who controls the needle position on site. We present a needle design that senses forces at the needle tip based on optical coherence tomography and machine learning for real-time data processing. Our robotic setup allows operators to sense deep tissue interfaces independent of frictional forces to improve needle placement relative to a desired target structure. We first evaluate needle tip force sensing in ex-vivo tissue in a phantom study. We characterize the tip forces during insertions with constant velocity and demonstrate the ability to detect tissue interfaces in a collaborative user study. Participants are able to detect 91 percent of ex-vivo tissue interfaces based on needle tip force feedback alone. Finally, we demonstrate that even smaller, deep target structures can be accurately sampled by performing post-mortem in situ biopsies of the pancreas.
K. AM,
B. M,
B. A,
F. D,
H. J,
L. C,
S. J,
H. W and
S. S.,
"Leadership is replaced by participation in Pandemic Preparedness: A rapid review of the existing evidence on recommended approaches in crises."
in 7th International Conference on Prevention & Infection Control (ICPIC), Geneva, Switzerland.,
2023.
| DOI: | 10.1186/s13756-023-01276-2 |
| Datei: | https://doi.org/10.1186/s13756-023-01276-2 |
T. J. Hartung,
C. Neumann,
T. Bahmer,
I. Chaplinskaya-Sobol,
M. Endres,
J. Geritz,
K. G. Haeusler,
P. Heuschmann,
H. Hildesheim,
A. Hinz,
S. Hopff,
A. Horn,
M. Krawczak,
L. Krist,
J. Kudelka,
W. Lieb,
C. Maetzler,
A. Mehnert-Theuerkauf,
F. Montellano,
C. Morbach,
S. Schmidt,
S. Schreiber,
F. Steigerwald,
S. Störk,
W. Maetzler and
C. Finke,
"Fatigue and cognitive impairment after COVID-19: A prospective multicentre study.",
EClinicalMedicine,
09
2022.
| DOI: | 10.1016/j.eclinm.2022.101651 |
N. Hettich,
"Lebensqualität von COVID-19 Erkrankten im Verlauf (Analyse aus dem NAPKON Projekt)",
Vortrag Deutscher Kongress für Physikalische und Rehabilitative Medizin,
09
2022.
M. Weigl and
C. Lemhöfer,
"Leistungen zur Frührehabilitation während und nach dem akutstationären NAPKON Erweiterungsmodul zur Analyse von Pat. in Rehabilitationskliniken nach COVID-19",
Vortrag Deutscher Kongress für Physikalische und Rehabilitative Medizin,
09
2022.
S. Hopff,
"Netzwerk Universitätsmedizin - Aufbau und Projekte inkl. NAPKON",
ortrag Deutscher Kongress für Physikalische und Rehabilitative Medizin,
09
2022.
M. Weigl,
"Post-COVID: Prognostische Faktoren für Einschränkungen der Arbeitsfähigkeit und Bedarf an Rehabilitation (Analyse aus dem NAPKON Projekt",
Vortrag Deutscher Kongress für Physikalische und Rehabilitative Medizin,
09
2022.
K. O. Yusuf,
O. Miljukov,
A. Schoneberg and
S. Hanß,
"Consistency as a Data Quality Measure for German Corona Consensus items mapped from National Pandemic Cohort Network data collections.",
Methods Inf Med,
07
2022.
| DOI: | 10.1055/a-2006-1086 |
T. Bahmer,
"Severity Score-Based Study of Predictors and Clinical Correlates of Post-COVID Syndrome (PCS) in the German Population",
07
2022.
| DOI: | 10.1016/j.eclinm.2022.101549 |
M. Schons,
L. Pilgram and
J. Reese,
"The German National Pandemic Cohort Network (NAPKON): rationale, study design and baseline characteristics.",
European Journal of Epidemiology 37(8),
07
2022.
| DOI: | 10.1007/s10654-022-00896-z |
L. Fiedler-Lacombe,
E. Heim,
H. Valentin,
H. Rau,
A. Blumentritt,
D. Stahl,
M. Kraus and
B. Lorenz-Depiereux,
"Herausforderungen des Einwilligungsmanagements von Minderjährigen bei Kohortenstudien",
16. DVMD-Fachtagung,
05
2022.
H. Rau,
A. Blumentritt and
D. Stahl,
"Qualitätsgesichertes Management von Einwilligungserklärungen – Ein Appell zur Nutzung elektronischer Einwilligungserhebungen für zeitkritische klinische Forschung. 16. DVMD-Fachtagung, 12.05.2022",
05
2022.
H. Rau,
A. Blumentritt and
D. Stahl,
"Unabhängige Treuhandstelle der Universitätsmedizin Greifswald K.d.ö.R. Qualitätsgesichertes Management von Einwilligungserklärungen – Ein Appell zur Nutzung elektronischer Einwilligungserhebungen für zeitkritische klinische Forschung",
16. DVMD-Fachtagung,
05
2022.
E. Heim,
H. Valentin,
H. Rau,
A. Blumentritt,
D. Stahl,
M. Stecher,
M. Kraus and
B. Lorenz-Depiereux,
"Widerrufs- und Ausschlussmanagement unter Berücksichtigung komplexer Konstellationen in der COVID-19-Forschung am Beispiel NUM",
16. DVMD-Fachtagung,
05
2022.
S. Hopff,
K. Tilch,
M. Kraus,
B. Lorenz-Depiereux,
G. Anton,
K. Appel,
T. Bahmer,
A. Bartschke,
C. Bellinghausen,
I. Bernemann,
M. Brechtel,
C. Brünn,
C. Fiessler,
R. Geisler,
S. Hansch,
F. Hanses,
S. Hanß,
R. Heyder,
A. Hoffmann,
A. Horn,
C. Jakob,
S. Jiru-Hillmann,
T. Keil,
Y. Khodamoradi,
M. Kohls,
D. Krefting,
S. Kunze,
F. Kurth,
W. Lieb,
L. J. Lippert,
R. Lorbeer,
L. Lysyakova,
C. Maetzler,
O. Miljukov,
M. Nauck,
L. Pilgram,
V. Püntmann,
J. Reese,
L. Reinke,
S. Rudolph,
J. Sass,
C. Schäfer,
J. Schaller,
M. Schattschneider,
C. Scheer,
M. Scherer,
J. Schmidt,
S. Schmidt,
M. Schons,
K. Seibel,
D. Stahl,
M. Stecher,
F. Steinbeis,
S. Störk,
M. Tauchert,
C. Thibeault,
N. Töpfner,
K. Ungethüm,
H. Valentin,
S. Wiedmann,
T. Zoller,
R. Berner,
M. Krawczak,
E. Nagel,
T. Illig,
S. Schreiber,
M. Witzenrath,
P. Heuschmann and
J. J. Vehreschild,
"Ethical and coordinative challenges in setting up a national cohort study exemplified by the German National Pandemic Cohort Network (NAPKON)",
Oral presentation Kongress ECCMID 04/2022,
04
2022.
D. Stahl,
"Vollelektronische Erfassung von Einwilligungen (Informed Consents) mittels Tablets. Lohfert – Preis.",
no. https://www.christophlohfert-stiftung.de/panorama/ausschreibung-fuer-den-lohfert-preis-2022-beendet/,
02
2022.
L. Triefenbach,
R. Otto,
J. Bienzeisler,
A. Kombeiz,
S. Ehrentreich,
R. Röhrig and
R. W. Majeed,
"Establishing a data quality baseline in the AKTIN Emergency Department Data Registry – A secondary use perspective",
Stud Health Technol Inform.,
vol. 294,
no. 25,
pp. 209-213,
Mai
2022.
| DOI: | https://doi.org/10.3233/shti220439 |
| Pubmed: | 35612058 |
C. Werlein,
H. Stark,
A. Tzankov,
J. D. Haslbauer and
et al,
"Inflammation and vascular remodeling in COVID-19 hearts",
Angiogenesis,
vol. 26,
pp. 233-248,
Nov.
2022.
| DOI: | https://doi.org/10.1007/s10456-022-09860-7 |