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.
L. Zhang,
A. Kempf,
I. Nehlmeier,
A. Cossmann,
A. Richter,
N. Bdeir,
L. Graichen,
A. Moldenhauer,
A. Dopfer-Jablonka,
M. V. Stankov,
E. Simon-Loriere,
S. R. Schulz,
H. Jäck,
L. Cičin-Šain,
G. M. N. Behrens,
C. Drosten,
M. Hoffmann and
S. Pöhlmann,
"SARS-CoV-2 BA.2.86 enters lung cells and evades neutralizing antibodies with high efficiency",
Cell,
2024.
Abstract:
BA.2.86, a recently identified descendant of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) Omicron BA.2 sublineage, contains $\sim$35 mutations in the spike (S)~protein and spreads in multiple countries. Here, we investigated whether the virus exhibits altered biological traits, focusing on S protein-driven viral entry. Employing pseudotyped particles, we show that BA.2.86, unlike other Omicron sublineages, enters Calu-3 lung cells with high efficiency and in a serine- but not cysteine-protease-dependent manner. Robust lung cell infection was confirmed with authentic BA.2.86, but the virus exhibited low specific infectivity. Further, BA.2.86 was highly resistant against all therapeutic antibodies tested, efficiently evading neutralization by antibodies induced by non-adapted vaccines. In contrast, BA.2.86 and the currently circulating EG.5.1 sublineage were appreciably neutralized by antibodies induced by the XBB.1.5-adapted vaccine. Collectively, BA.2.86 has regained a trait characteristic of early SARS-CoV-2 lineages, robust lung cell entry, and evades neutralizing antibodies. However, BA.2.86 exhibits low specific infectivity, which might limit transmissibility.
| DOI: | 10.1016/j.cell.2023.12.025 |
Abstract:
BA.2.86, a recently identified descendant of the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) Omicron BA.2 sublineage, contains $\sim$35 mutations in the spike (S)~protein and spreads in multiple countries. Here, we investigated whether the virus exhibits altered biological traits, focusing on S protein-driven viral entry. Employing pseudotyped particles, we show that BA.2.86, unlike other Omicron sublineages, enters Calu-3 lung cells with high efficiency and in a serine- but not cysteine-protease-dependent manner. Robust lung cell infection was confirmed with authentic BA.2.86, but the virus exhibited low specific infectivity. Further, BA.2.86 was highly resistant against all therapeutic antibodies tested, efficiently evading neutralization by antibodies induced by non-adapted vaccines. In contrast, BA.2.86 and the currently circulating EG.5.1 sublineage were appreciably neutralized by antibodies induced by the XBB.1.5-adapted vaccine. Collectively, BA.2.86 has regained a trait characteristic of early SARS-CoV-2 lineages, robust lung cell entry, and evades neutralizing antibodies. However, BA.2.86 exhibits low specific infectivity, which might limit transmissibility.
[en]
M. Mohme,
C. Schultheiß,
A. Piffko,
A. Fitzek,
L. Paschold,
B. Thiele,
K. Püschel,
M. Glatzel,
M. Westphal,
K. Lamszus,
J. Matschke and
M. Binder,
"SARS-CoV-2-associated T-cell infiltration in the central nervous system",
Clinical & Translational Immunology,
vol. 13,
no. 2,
pp. e1487,
Jan.
2024.
Abstract:
In COVID-19 patients, neurological symptoms and complications are increasingly recognised, but their underlying causes remain poorly understood. This study found that SARS-CoV-2-associated T cells we...
| DOI: | 10.1002/cti2.1487 |
| Datei: | https://onlinelibrary.wiley.com/doi/10.1002/cti2.1487 |
Abstract:
In COVID-19 patients, neurological symptoms and complications are increasingly recognised, but their underlying causes remain poorly understood. This study found that SARS-CoV-2-associated T cells we...
G. J,
S. DJ,
H. K,
B. M,
Q. L,
A. S,
B. S,
B. M,
L. S,
P. T,
Z. T and
B. O,
"Seeing the primary tumor because of all the trees: Cancer type prediction on low-dimensional data.",
Frontiers in medicine,
Aug.
2024.
Abstract:
Das Cancer of Unknown Primary (CUP)-Syndrom zeichnet sich durch identifizierbare Metastasen aus, während der primäre Tumor verborgen bleibt. In den letzten Jahren wurden verschiedene datengesteuerte Ansätze vorgeschlagen, um den Standort des primären Tumors (LOP) bei CUP-Patienten vorherzusagen, die eine verbesserte Diagnose und ein Ergebnis versprechen. Diese LOP-Prädiktionsansätze verwenden hochdimensionale Eingabedaten wie Bilder oder genetische Daten. Die Verwendung solcher Daten ist jedoch herausfordernd, ressourcenintensiv und damit eine mögliche Translationsbarriere. Anstatt hochdimensionale Daten zu verwenden, analysierten wir die LOP-Prädiktionsleistung niedrigdimensionaler Daten aus der Routinemedizin. Mit unseren Erkenntnissen zeigen wir, dass solche niedrigdimensionalen klinischen Informationen als Eingabedaten für baumbasierte LOP-Prädiktionsmodelle genügen. Das beste Modell erreichte eine mittlere Genauigkeit von 94% und eine mittlere Matthews Korrelationskoeffizient (MCC) Punktzahl von 0,92 in 10-facher geschachtelter Kreuzvalidierung (NCV) bei der Unterscheidung von vier Krebsarten. Bei der Betrachtung von acht Krebsarten erreichte dieses Modell eine mittlere Genauigkeit von 85% und eine mittlere MCC-Score von 0,81. Dies ist vergleichbar mit der Leistung, die durch Ansätze mit hochdimensionalen Eingangsdaten erreicht wird. Darüber hinaus scheint das Verteilungsmuster von Metastasen wichtige Informationen bei der Vorhersage der LOP zu sein.
| DOI: | 10.3389/fmed.2024.1396459 |
Abstract:
Das Cancer of Unknown Primary (CUP)-Syndrom zeichnet sich durch identifizierbare Metastasen aus, während der primäre Tumor verborgen bleibt. In den letzten Jahren wurden verschiedene datengesteuerte Ansätze vorgeschlagen, um den Standort des primären Tumors (LOP) bei CUP-Patienten vorherzusagen, die eine verbesserte Diagnose und ein Ergebnis versprechen. Diese LOP-Prädiktionsansätze verwenden hochdimensionale Eingabedaten wie Bilder oder genetische Daten. Die Verwendung solcher Daten ist jedoch herausfordernd, ressourcenintensiv und damit eine mögliche Translationsbarriere. Anstatt hochdimensionale Daten zu verwenden, analysierten wir die LOP-Prädiktionsleistung niedrigdimensionaler Daten aus der Routinemedizin. Mit unseren Erkenntnissen zeigen wir, dass solche niedrigdimensionalen klinischen Informationen als Eingabedaten für baumbasierte LOP-Prädiktionsmodelle genügen. Das beste Modell erreichte eine mittlere Genauigkeit von 94% und eine mittlere Matthews Korrelationskoeffizient (MCC) Punktzahl von 0,92 in 10-facher geschachtelter Kreuzvalidierung (NCV) bei der Unterscheidung von vier Krebsarten. Bei der Betrachtung von acht Krebsarten erreichte dieses Modell eine mittlere Genauigkeit von 85% und eine mittlere MCC-Score von 0,81. Dies ist vergleichbar mit der Leistung, die durch Ansätze mit hochdimensionalen Eingangsdaten erreicht wird. Darüber hinaus scheint das Verteilungsmuster von Metastasen wichtige Informationen bei der Vorhersage der LOP zu sein.
T. P,
K. C,
B. D,
B. M and
K. HA,
"Segmentation-based cardiomegaly detection based on semi-supervised estimation of cardiothoracic ratio.",
Scientific reports,
Mä.
2024.
Abstract:
Die erfolgreiche Integration von neuronalen Netzwerken in eine klinische Umgebung ist trotz großer Erfolge, die durch künstliche Intelligenz in anderen Bereichen erzielt werden, noch unüblich. Dies ist vor allem auf die schwarze Box-Charakteristik der optimierten Modelle und die unbestimmte Verallgemeinerungsfähigkeit der geschulten Architekturen zurückzuführen. Die aktuelle Arbeit befasst sich mit beiden Problemen im Bereich der Radiologie, indem sie sich auf die Entwicklung einer effektiven und interpretierbaren Kardiomegalie-Detektionsarchitektur basierend auf Segmentierungsmodellen konzentriert. Die Architektur besteht aus zwei unterschiedlichen neuronalen Netzwerken, die die Segmentierung sowohl von kardialen als auch von thorakalen Gebieten eines Radiographen durchführen. Die jeweiligen Segmentierungsausgänge werden anschließend zur Schätzung des Kardiothorakalverhältnisses verwendet und das entsprechende Röntgenbild wird als Kardiomegalie basierend auf einer vorgegebenen Schwelle eingestuft. Durch die Knappheit von pixel-level-markierten Brust-Radiographen werden beide Segmentierungsmodelle halbüberwacht optimiert. Dies führt zu einer erheblichen Reduzierung der Kosten für die manuelle Anmerkung. Die resultierenden Segmentierungsausgänge verbessern die Interpretationsfähigkeit der endgültigen Klassifizierungsergebnisse der Architektur deutlich. Die Verallgemeinerungsfähigkeit der Architektur wird in einer Kreuzdomäneneinstellung beurteilt. Die Bewertung zeigt die Wirksamkeit der semi-supervisierten Optimierung der Segmentierungsmodelle und die Robustheit der anschließenden Klassifizierungsarchitektur.
| DOI: | 10.1038/s41598-024-56079-1 |
Abstract:
Die erfolgreiche Integration von neuronalen Netzwerken in eine klinische Umgebung ist trotz großer Erfolge, die durch künstliche Intelligenz in anderen Bereichen erzielt werden, noch unüblich. Dies ist vor allem auf die schwarze Box-Charakteristik der optimierten Modelle und die unbestimmte Verallgemeinerungsfähigkeit der geschulten Architekturen zurückzuführen. Die aktuelle Arbeit befasst sich mit beiden Problemen im Bereich der Radiologie, indem sie sich auf die Entwicklung einer effektiven und interpretierbaren Kardiomegalie-Detektionsarchitektur basierend auf Segmentierungsmodellen konzentriert. Die Architektur besteht aus zwei unterschiedlichen neuronalen Netzwerken, die die Segmentierung sowohl von kardialen als auch von thorakalen Gebieten eines Radiographen durchführen. Die jeweiligen Segmentierungsausgänge werden anschließend zur Schätzung des Kardiothorakalverhältnisses verwendet und das entsprechende Röntgenbild wird als Kardiomegalie basierend auf einer vorgegebenen Schwelle eingestuft. Durch die Knappheit von pixel-level-markierten Brust-Radiographen werden beide Segmentierungsmodelle halbüberwacht optimiert. Dies führt zu einer erheblichen Reduzierung der Kosten für die manuelle Anmerkung. Die resultierenden Segmentierungsausgänge verbessern die Interpretationsfähigkeit der endgültigen Klassifizierungsergebnisse der Architektur deutlich. Die Verallgemeinerungsfähigkeit der Architektur wird in einer Kreuzdomäneneinstellung beurteilt. Die Bewertung zeigt die Wirksamkeit der semi-supervisierten Optimierung der Segmentierungsmodelle und die Robustheit der anschließenden Klassifizierungsarchitektur.
E. J,
J. CM,
S. S,
M. I,
C. H,
M. M,
M. K,
C. E,
L. GK,
B. S,
A. G and
T. E,
"Sex-specific ventricular morphology, function, and tissue characteristics in arterial hypertension: a magnetic resonance study of the Hamburg city health cohort.",
European radiology,
Nov.
2024.
Abstract:
Zur Bestimmung des Einflusses der arteriellen Hypertonie (AHT), des Geschlechts und der Wechselwirkung zwischen links- und rechtsventrikulärer (LV, RV) Morphologie, Funktion und Gewebeeigenschaften. Die Hamburg City Health Study (HCHS) ist eine bevölkerungsbasierte, prospektive, monozentrische Studie. 1972 Individuen ohne eine Geschichte von Herzerkrankungen / Interventionen wurden 3 T Herz-MR-Bildgebung (CMR). Allgemeine lineare Modelle wurden durchgeführt, einschließlich AHT, Sex (und die Interaktion wenn signifikant), Alter, Körpermasse Index, Geburtsort, Diabetes mellitus, Rauchen, Hyperlipoproteinämie, Atrialfibrillation, und Medikamente. Von 1972 Fächern litten 68% unter AHT. 42% mit AHT und 49% Kontrollen waren weiblich. Frauen zeigten insgesamt eine höhere Ejektionsfraktion (EF) (LV: Regressionskoeffizient +2,4% [95% Vertrauensintervall: 1,7; 3,1]), geringere Volumina und LV-Masse (-19,8% [-21.3; -18,5]) und verlängerte native Septum T1 (+22.1 ms [18,3; 25,9])/T2-Relaxationszeiten (+1.1 ms [0,9; 1,31)]) (alle männlichen p Themen mit AHT zeigten eine höhere EF (LV: +1,2% [0.3; 2.0], p = 0,009) und LV-Masse (+6,6% [4,3; 9,0], p < 0,001) als Kontrollen. Die Interaktion zwischen Sex und AHT beeinflusste das Mapping. Nach Ausschluss von Segmenten mit LGE zeigten Männchen (-0.7 ms [-1.0; -0.3 |) und Weibchen mit AHT (-1.1 ms [-1.6; -0.6]) kürzere T2 Relaxationszeiten als die sex-respektiven Kontrollen (p < 0,001), die Wirkung war jedoch bei Frauen stärker. In den HCHS zeigten weibliche und männliche Subjekte mit AHT ebenfalls eine höhere EF- und LV-Masse als Kontrollen, unabhängig von Sex. Unterschiede in den Gewebeeigenschaften zwischen Subjekten mit AHT und Kontrollen schienen jedoch sexspezifisch zu sein. Die Wechselwirkung zwischen Sex und Herzrisikofaktoren ist ein unterschätzter Faktor, der beim Vergleich von Gewebeeigenschaften zwischen hypertensiven Subjekten und Kontrollen und bei der Festlegung von Cutoff-Werten für normale und pathologische Relaxationszeiten berücksichtigt werden sollte. Es gibt sexabhängige Unterschiede in der arteriellen Hypertonie, aber es ist unklar, ob kardiale MR-Parameter sexspezifisch sind. Unterschiede bei Herz-MR-Parametern zwischen hypertensiven Subjekten und gesunden Kontrollen schienen sex-spezifisch für Gewebeeigenschaften zu sein. Sex muss beim Vergleich von Gewebeeigenschaften bei Patienten mit arterieller Hypertonie mit gesunden Kontrollen berücksichtigt werden.
| DOI: | 10.1007/s00330-024-10797-2 |
Abstract:
Zur Bestimmung des Einflusses der arteriellen Hypertonie (AHT), des Geschlechts und der Wechselwirkung zwischen links- und rechtsventrikulärer (LV, RV) Morphologie, Funktion und Gewebeeigenschaften. Die Hamburg City Health Study (HCHS) ist eine bevölkerungsbasierte, prospektive, monozentrische Studie. 1972 Individuen ohne eine Geschichte von Herzerkrankungen / Interventionen wurden 3 T Herz-MR-Bildgebung (CMR). Allgemeine lineare Modelle wurden durchgeführt, einschließlich AHT, Sex (und die Interaktion wenn signifikant), Alter, Körpermasse Index, Geburtsort, Diabetes mellitus, Rauchen, Hyperlipoproteinämie, Atrialfibrillation, und Medikamente. Von 1972 Fächern litten 68% unter AHT. 42% mit AHT und 49% Kontrollen waren weiblich. Frauen zeigten insgesamt eine höhere Ejektionsfraktion (EF) (LV: Regressionskoeffizient +2,4% [95% Vertrauensintervall: 1,7; 3,1]), geringere Volumina und LV-Masse (-19,8% [-21.3; -18,5]) und verlängerte native Septum T1 (+22.1 ms [18,3; 25,9])/T2-Relaxationszeiten (+1.1 ms [0,9; 1,31)]) (alle männlichen p Themen mit AHT zeigten eine höhere EF (LV: +1,2% [0.3; 2.0], p = 0,009) und LV-Masse (+6,6% [4,3; 9,0], p < 0,001) als Kontrollen. Die Interaktion zwischen Sex und AHT beeinflusste das Mapping. Nach Ausschluss von Segmenten mit LGE zeigten Männchen (-0.7 ms [-1.0; -0.3 |) und Weibchen mit AHT (-1.1 ms [-1.6; -0.6]) kürzere T2 Relaxationszeiten als die sex-respektiven Kontrollen (p < 0,001), die Wirkung war jedoch bei Frauen stärker. In den HCHS zeigten weibliche und männliche Subjekte mit AHT ebenfalls eine höhere EF- und LV-Masse als Kontrollen, unabhängig von Sex. Unterschiede in den Gewebeeigenschaften zwischen Subjekten mit AHT und Kontrollen schienen jedoch sexspezifisch zu sein. Die Wechselwirkung zwischen Sex und Herzrisikofaktoren ist ein unterschätzter Faktor, der beim Vergleich von Gewebeeigenschaften zwischen hypertensiven Subjekten und Kontrollen und bei der Festlegung von Cutoff-Werten für normale und pathologische Relaxationszeiten berücksichtigt werden sollte. Es gibt sexabhängige Unterschiede in der arteriellen Hypertonie, aber es ist unklar, ob kardiale MR-Parameter sexspezifisch sind. Unterschiede bei Herz-MR-Parametern zwischen hypertensiven Subjekten und gesunden Kontrollen schienen sex-spezifisch für Gewebeeigenschaften zu sein. Sex muss beim Vergleich von Gewebeeigenschaften bei Patienten mit arterieller Hypertonie mit gesunden Kontrollen berücksichtigt werden.
S. I,
F. LJ,
S. D,
M. HJ,
H. M,
M. C,
N. JH,
K. JR and
B. J,
"Short-term mortality prediction in acute pulmonary embolism: Radiomics values of skeletal muscle and intramuscular adipose tissue.",
Journal of cachexia, sarcopenia and muscle,
Aug.
2024.
Abstract:
Akute Lungenembolie (APE) ist eine potentiell lebensbedrohliche Erkrankung, die die Bedeutung einer genauen Risikoschichtung und Überlebensprognose betont. Die Erforschung von bildgebenden Biomarkern, die das Überleben des Patienten widerspiegeln können, bietet das Potenzial, die Schichtung von APE-Patienten weiter zu verbessern und eine personalisierte Behandlung und frühzeitige Intervention zu ermöglichen. Daher entwickeln wir in dieser Studie rechnerische Tomographie-Pulmonal-Angiographie (CTPA) radiomische Signaturen für die Prognose von 7- und 30-Tage-All-Cause Mortalität bei Patienten mit APE. Diagnostische CTPA-Bilder von 829 Patienten mit APE wurden gesammelt. Zweihundert vierunddreißig Merkmale aus jedem Skelettmuskel (SM), intramuskuläres Fettgewebe (IMAT) und beide Gewebe kombiniert (SM + IMAT) wurden auf der Höhe des Brustwirbels 12 berechnet. Radiomische Signaturen wurden mit 10 mal wiederholter dreifacher Kreuzvalidierung auf den Trainingsdaten für SM, IMAT und SM + IMAT zur Vorhersage von 7- und 30-tägiger Mortalität abgeleitet. Die Leistung der radiomischen Signaturen wurde dann auf ausgehaltenen Testdaten bewertet und mit dem vereinfachten Pulmon-Embolismus-Senverity-Index (sPESI)-Score, einem etablierten Biomarker zur Risikoschichtung in APE, verglichen. Prädiktive Genauigkeit wurde durch den Bereich unter der Empfänger-Betriebskennlinie (AUC) mit einem 95 %-Konfidenzintervall (CI), Empfindlichkeit und Spezifität beurteilt. Die radiomischen Signaturen auf Basis von IMAT und einer Kombination von SM und IMAT (SM + IMAT) erzielten eine moderate Performance für die Vorhersage von 30-tägiger Mortalität auf Testdaten (IMAT: AUC = 0.68, 95% CI [0.57-0.78], Sensitivität = 0.57, Spezifität = 0.73; SM + IMAT: AUC = 0.70, 95% CI [0.60-0.79], Empfindlichkeit = 0.74, Spezifität = 0.74, Spezifität Radiomische Signaturen, die für die Vorhersage der 7-Tage-Gesamtsterblichkeit entwickelt wurden, zeigten eine insgesamt niedrige Leistung. Die klinische Signatur, d.h. sPESI, erreichte im Vergleich zu den radiomischen Signaturen für die Prädiktion von sowohl 7- als auch 30-tägiger Mortalität auf den Testdaten eine etwas bessere Leistung (7 Tage: AUC = 0,73, 95% CI [0.67-0.79], Sensitivität = 0.92, Spezifität = 0.16; 30 Tage: AUC = 0.74, 95% CI [0.66-06). Wir entwickelten und testeten radiomische Signaturen zur Vorhersage von 7- und 30-Tage-All-Cause-Sterblichkeit in APE mit einem multizentrischen retrospektiven Datensatz. Die gegenwärtige Multizentre-Arbeit zeigt, dass aus SM und IMAT gewonnene Radiomik-Parameter bei Patienten mit APE 30-Tage-All-Cause-Sterblichkeit vorhersagen können.
| DOI: | 10.1002/jcsm.13488 |
Abstract:
Akute Lungenembolie (APE) ist eine potentiell lebensbedrohliche Erkrankung, die die Bedeutung einer genauen Risikoschichtung und Überlebensprognose betont. Die Erforschung von bildgebenden Biomarkern, die das Überleben des Patienten widerspiegeln können, bietet das Potenzial, die Schichtung von APE-Patienten weiter zu verbessern und eine personalisierte Behandlung und frühzeitige Intervention zu ermöglichen. Daher entwickeln wir in dieser Studie rechnerische Tomographie-Pulmonal-Angiographie (CTPA) radiomische Signaturen für die Prognose von 7- und 30-Tage-All-Cause Mortalität bei Patienten mit APE. Diagnostische CTPA-Bilder von 829 Patienten mit APE wurden gesammelt. Zweihundert vierunddreißig Merkmale aus jedem Skelettmuskel (SM), intramuskuläres Fettgewebe (IMAT) und beide Gewebe kombiniert (SM + IMAT) wurden auf der Höhe des Brustwirbels 12 berechnet. Radiomische Signaturen wurden mit 10 mal wiederholter dreifacher Kreuzvalidierung auf den Trainingsdaten für SM, IMAT und SM + IMAT zur Vorhersage von 7- und 30-tägiger Mortalität abgeleitet. Die Leistung der radiomischen Signaturen wurde dann auf ausgehaltenen Testdaten bewertet und mit dem vereinfachten Pulmon-Embolismus-Senverity-Index (sPESI)-Score, einem etablierten Biomarker zur Risikoschichtung in APE, verglichen. Prädiktive Genauigkeit wurde durch den Bereich unter der Empfänger-Betriebskennlinie (AUC) mit einem 95 %-Konfidenzintervall (CI), Empfindlichkeit und Spezifität beurteilt. Die radiomischen Signaturen auf Basis von IMAT und einer Kombination von SM und IMAT (SM + IMAT) erzielten eine moderate Performance für die Vorhersage von 30-tägiger Mortalität auf Testdaten (IMAT: AUC = 0.68, 95% CI [0.57-0.78], Sensitivität = 0.57, Spezifität = 0.73; SM + IMAT: AUC = 0.70, 95% CI [0.60-0.79], Empfindlichkeit = 0.74, Spezifität = 0.74, Spezifität Radiomische Signaturen, die für die Vorhersage der 7-Tage-Gesamtsterblichkeit entwickelt wurden, zeigten eine insgesamt niedrige Leistung. Die klinische Signatur, d.h. sPESI, erreichte im Vergleich zu den radiomischen Signaturen für die Prädiktion von sowohl 7- als auch 30-tägiger Mortalität auf den Testdaten eine etwas bessere Leistung (7 Tage: AUC = 0,73, 95% CI [0.67-0.79], Sensitivität = 0.92, Spezifität = 0.16; 30 Tage: AUC = 0.74, 95% CI [0.66-06). Wir entwickelten und testeten radiomische Signaturen zur Vorhersage von 7- und 30-Tage-All-Cause-Sterblichkeit in APE mit einem multizentrischen retrospektiven Datensatz. Die gegenwärtige Multizentre-Arbeit zeigt, dass aus SM und IMAT gewonnene Radiomik-Parameter bei Patienten mit APE 30-Tage-All-Cause-Sterblichkeit vorhersagen können.
K. B,
A. S,
A. S,
B. EG,
B. J,
B. E,
B. SM,
E. C,
G. M,
G. S,
G. F,
J. P,
K. C,
K. J,
K. MD,
L. C,
L. N,
M. M,
M. FG,
M. HJ,
P. T,
S. LP,
S. M,
A. G and
V. B,
"Standardization of a CT Protocol for Imaging Patients with Suspected COVID-19-A RACOON Project.",
Bioengineering (Basel, Switzerland),
Feb.
2024.
Abstract:
CT-Protokolle, die COVID-19 diagnostizieren, variieren hinsichtlich der zugehörigen Strahlungsbelichtung und der gewünschten Bildqualität (IQ). Diese Studie zielt darauf ab, CT-Protokolle von Krankenhäusern, die am RACOON (Radiological Cooperative Network)-Projekt teilnehmen, zu bewerten und CT-Protokolle zu konsolidieren, um Empfehlungen und Strategien für künftige Pandemie bereitzustellen. In dieser retrospektiven Studie wurden CT-Erwerbe von COVID-19-Patienten, die zwischen März 2020 und Oktober 2020 (RACOON Phase 1) gescannt wurden, aufgenommen und alle nicht kontrastreichen Protokolle ausgewertet. Zu diesem Zweck wurden CT-Protokollparameter, IQ-Ratings, Strahlenexposition (CTDI<sub>>sub>/sub>) und zentrale Patientendurchmesser abgetastet. Schließlich wurden die Daten aus 14 Standorten und 534 CT Akquisitionen analysiert. IQ wurde für 81 % der bewerteten Untersuchungen gut bewertet. Bewegungs-, Strahlenhärtende Artefakte oder Bildgeräusche waren Gründe für einen suboptimalen IQ. Das Rohrpotenzial reichte zwischen 80 und 140 kV<sub>p</sub>, mit der Mehrheit zwischen 100 und 120 kV<sub>p>/sub>. CTDI<sub>vol</sub> betrug 3.7 ± 3.4 mGy. Die meisten im Lieferumfang enthaltenen Gesundheitseinrichtungen hatten kein spezifisches nicht kontrastreiches CT-Protokoll. Darüber hinaus variierten CT-Protokolle für die Brustbildgebung in ihren Einstellungen und Strahlungsexposition. In Zukunft werden Empfehlungen zu den erforderlichen IQ- und Protokollparametern für die Mehrzahl der CT-Scanner erforderlich sein, um vergleichbare IQ- sowie Strahlenexposition für verschiedene Standorte, aber identische Diagnosefragen zu ermöglichen.
| DOI: | 10.3390/bioengineering11030207 |
Abstract:
CT-Protokolle, die COVID-19 diagnostizieren, variieren hinsichtlich der zugehörigen Strahlungsbelichtung und der gewünschten Bildqualität (IQ). Diese Studie zielt darauf ab, CT-Protokolle von Krankenhäusern, die am RACOON (Radiological Cooperative Network)-Projekt teilnehmen, zu bewerten und CT-Protokolle zu konsolidieren, um Empfehlungen und Strategien für künftige Pandemie bereitzustellen. In dieser retrospektiven Studie wurden CT-Erwerbe von COVID-19-Patienten, die zwischen März 2020 und Oktober 2020 (RACOON Phase 1) gescannt wurden, aufgenommen und alle nicht kontrastreichen Protokolle ausgewertet. Zu diesem Zweck wurden CT-Protokollparameter, IQ-Ratings, Strahlenexposition (CTDI<sub>>sub>/sub>) und zentrale Patientendurchmesser abgetastet. Schließlich wurden die Daten aus 14 Standorten und 534 CT Akquisitionen analysiert. IQ wurde für 81 % der bewerteten Untersuchungen gut bewertet. Bewegungs-, Strahlenhärtende Artefakte oder Bildgeräusche waren Gründe für einen suboptimalen IQ. Das Rohrpotenzial reichte zwischen 80 und 140 kV<sub>p</sub>, mit der Mehrheit zwischen 100 und 120 kV<sub>p>/sub>. CTDI<sub>vol</sub> betrug 3.7 ± 3.4 mGy. Die meisten im Lieferumfang enthaltenen Gesundheitseinrichtungen hatten kein spezifisches nicht kontrastreiches CT-Protokoll. Darüber hinaus variierten CT-Protokolle für die Brustbildgebung in ihren Einstellungen und Strahlungsexposition. In Zukunft werden Empfehlungen zu den erforderlichen IQ- und Protokollparametern für die Mehrzahl der CT-Scanner erforderlich sein, um vergleichbare IQ- sowie Strahlenexposition für verschiedene Standorte, aber identische Diagnosefragen zu ermöglichen.
B. Lorenz-Depiereux,
T. Bahmer,
S. Ciesek,
M. Mülleder,
S. Mücke,
B. Fösel,
V. Kopfnagel,
C. Dolch,
M. Nauck,
S. Pullamsetti,
M. Looso,
M. Ralser,
C. Schäfer,
M. Schattschneider,
S. Schreiber,
J. Vehreschild,
C. Gieger,
M. Witzenrath,
U. Völker,
G. Anton and
T. Illig,
"Systematic molecular analyses of the NAPKON cohorts - current state and overview, Poster, ESHG 2024 Berlin",
Poster, ESHG 2024 Berlin,
2024.
B. Lorenz-Depiereux,
T. Bahmer,
S. Ciesek,
M. Mülleder,
S. Mücke,
B. Fösel,
V. Kopfnagel,
C. Dolch,
S. Kunze,
M. Nauck,
S. Pullamsetti,
M. Ralser,
C. Schäfer,
M. Schattschneider,
S. Schreiber,
J. J. Vehreschild,
M. Witzenrath,
U. Völker,
T. Illig,
G. Anton,
On Behalf Of The Napkon Study Group,
N. S. Group,
M. Looso and
C. Gieger,
"Systematic molecular analyses of the NAPKON cohorts – an overview",
Präsentation, State of the art speaker T12 – Bioinformatics and –omics and Big data, EBW 2024 Wien,
2024.
B. Lorenz-Depiereux,
T. Bahmer,
S. Ciesek,
M. Mülleder,
S. Mücke,
B. Fösel,
V. Kopfnagel,
C. Dolch,
S. Kunze,
M. Nauck,
S. Pullamsetti,
M. Looso,
M. Ralser,
C. Schäfer,
M. Schattschneider,
S. Schreiber,
J. J. Vehreschild,
C. Gieger,
M. Witzenrath,
U. Völker,
T. Illig,
G. Anton and
On Behalf Of The Napkon Study Group,
"Systematic molecular analyses of the NAPKON cohorts – an overview, Präsentation, State of the art speaker T12 – Bioinformatics and –omics and Big data, EBW 2024 Wien",
Präsentation, State of the art speaker T12 – Bioinformatics and –omics and Big data, EBW 2024 Wien,
2024.
[en]
J. Meinhardt,
S. Streit,
C. Dittmayer,
R. v. Manitius,
H. Radbruch and
F. L. Heppner,
"The neurobiology of SARS-CoV-2 infection",
Nature Reviews Neuroscience,
vol. 25,
no. 1,
pp. 30—42,
Jan.
2024.
Abstract:
Worldwide, over 694 million people have been infected with SARS-CoV-2, with an estimated 55–60% of those infected developing COVID-19. Since the beginning of the pandemic in December 2019, different variants of concern have appeared and continue to occur. With the emergence of different variants, an increasing rate of vaccination and previous infections, the acute neurological symptomatology of COVID-19 changed. Moreover, 10–45% of individuals with a history of SARS-CoV-2 infection experience symptoms even 3 months after disease onset, a condition that has been defined as ‘post-COVID-19’ by the World Health Organization and that occurs independently of the virus variant. The pathomechanisms of COVID-19-related neurological complaints have become clearer during the past 3 years. To date, there is no overt — that is, truly convincing — evidence for SARS-CoV-2 particles in the brain. In this Review, we put special emphasis on discussing the methodological difficulties of viral detection in CNS tissue and discuss immune-based (systemic and central) effects contributing to COVID-19-related CNS affection. We sequentially review the reported changes to CNS cells in COVID-19, starting with the blood–brain barrier and blood–cerebrospinal fluid barrier — as systemic factors from the periphery appear to primarily influence barriers and conduits — before we describe changes in brain parenchymal cells, including microglia, astrocytes, neurons and oligodendrocytes as well as cerebral lymphocytes. These findings are critical to understanding CNS affection in acute COVID-19 and post-COVID-19 in order to translate these findings into treatment options, which are still very limited.
| DOI: | 10.1038/s41583-023-00769-8 |
| Datei: | https://www.nature.com/articles/s41583-023-00769-8 |
Abstract:
Worldwide, over 694 million people have been infected with SARS-CoV-2, with an estimated 55–60% of those infected developing COVID-19. Since the beginning of the pandemic in December 2019, different variants of concern have appeared and continue to occur. With the emergence of different variants, an increasing rate of vaccination and previous infections, the acute neurological symptomatology of COVID-19 changed. Moreover, 10–45% of individuals with a history of SARS-CoV-2 infection experience symptoms even 3 months after disease onset, a condition that has been defined as ‘post-COVID-19’ by the World Health Organization and that occurs independently of the virus variant. The pathomechanisms of COVID-19-related neurological complaints have become clearer during the past 3 years. To date, there is no overt — that is, truly convincing — evidence for SARS-CoV-2 particles in the brain. In this Review, we put special emphasis on discussing the methodological difficulties of viral detection in CNS tissue and discuss immune-based (systemic and central) effects contributing to COVID-19-related CNS affection. We sequentially review the reported changes to CNS cells in COVID-19, starting with the blood–brain barrier and blood–cerebrospinal fluid barrier — as systemic factors from the periphery appear to primarily influence barriers and conduits — before we describe changes in brain parenchymal cells, including microglia, astrocytes, neurons and oligodendrocytes as well as cerebral lymphocytes. These findings are critical to understanding CNS affection in acute COVID-19 and post-COVID-19 in order to translate these findings into treatment options, which are still very limited.
K. J,
F. P,
F. MF,
G. JP,
B. C,
M. D,
H. C,
P. T and
G. H. N,
"The worldwide COVID-19 pandemic caused a decline in sonographic examinations - is this a continuing trend?",
RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin,
Dez.
2024.
Abstract:
Aufgrund der steigenden Anzahl an COVID-19-Infektionen seit Frühjahr 2020 hat sich der Patient-Pflege-Workflow in Deutschland verändert. Zur Minimierung der Gesichtsbelichtung und zur Verringerung des Infektionsrisikos wurden nicht zeitkritische elektive medizinische Verfahren verschoben. Da Ultraschalluntersuchungen nicht zeitkritische Wahlprüfungen umfassen und oft durch andere bildgebende Modalitäten ersetzt werden können, die keinen direkten Patientenkontakt erfordern, ist die Anzahl der Untersuchungen deutlich zurückgegangen. Ziel dieser Studie ist es, die Basiszahl der Ultraschalluntersuchungen in den Jahren vor, während und in der frühen post-pandemischen Periode der COVID-19 Pandemie (seit Januar 2015 bis September 2023) zu quantifizieren und die Anzahl der Untersuchungen an verschiedenen deutschen Universitätskliniken zu messen. Die Anzahl der Untersuchungen wurde anhand einer webbasierten Datenbank an allen teilnehmenden Kliniken zu den angegebenen Zeitpunkten bewertet. N = 288 562 Sonographische Untersuchungen von vier Standorten wurden in die vorliegende Untersuchung einbezogen. Von Januar 2020 bis Juni 2020 wurde eine deutlich niedrigere Anzahl von Untersuchungen von n = 591.21 vs. 698.43 (p = 0,01) pro Monat und inkl. Zentrum durchgeführt. Auch ohne die anfängliche Pandemie bis Juni 2020 wurden deutlich weniger Ultraschalluntersuchungen im Vergleich zu den Vor-Paridem-Jahren 648.1 vs. 698.4 (p < 0,05), pro Monat und inklusive Zentrum durchgeführt, wobei hier Unterschiede zwischen den einzelnen Zentren beobachtet wurden. In der späten Phase der Pandemie (n = 681.96) und in der post-pandemischen Phase (wie durch die WHO-Kriterien vom Mai 2023 definiert; n = 739.95) kehrte die Anzahl der sonographischen Untersuchungen auf die vor-pandemische Ebene zurück. Der Rückgang der durch die COVID-19 Pandemie verursachten sonographischen Untersuchungen war zunächst weitgehend absichtlich und kann quantitativ dargestellt werden. Nach einem anfänglichen abrupten Rückgang der sonographischen Untersuchungen konnte die Vor-Parademie für eine lange Zeit nicht erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. In der post-pandemischen Phase wurde die Vor-pandemik wieder erreicht. Die Gründe für eine längere Reduzierung der Ultraschalluntersuchungen werden in diesem Artikel diskutiert. · Während der Pandemie wurden deutlich weniger Ultraschalluntersuchungen in den eingeschlossenen Zentren durchgeführt.. · Die Anzahl der Untersuchungen konnte für eine lange Zeit nicht auf die Vor-Parade-Ebene erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. · Die Identifizierung der Ursachen für die sonographische Prüfungsreduktion ist entscheidend für die pandemische Bereitschaft, die Qualität und Kontinuität der Gesundheitsversorgung für alle Patienten zu gewährleisten. · Der lang anhaltende Rückgang der sonographischen Untersuchungen während der Pandemie stellt keinen dauerhaften Trend dar, wie sich die Rückkehr zu vor-pandemischen Ebenen bemerkbar macht. · Kottlors J, Fervers P, Froelich M et al. Die weltweite COVID-19 Pandemie verursachte einen Rückgang der sonographischen Untersuchungen - ist das ein anhaltender Trend?. Fürtschr Röntgenstr 2024; 196: 1246 - 1252.
| DOI: | 10.1055/a-2263-1632 |
Abstract:
Aufgrund der steigenden Anzahl an COVID-19-Infektionen seit Frühjahr 2020 hat sich der Patient-Pflege-Workflow in Deutschland verändert. Zur Minimierung der Gesichtsbelichtung und zur Verringerung des Infektionsrisikos wurden nicht zeitkritische elektive medizinische Verfahren verschoben. Da Ultraschalluntersuchungen nicht zeitkritische Wahlprüfungen umfassen und oft durch andere bildgebende Modalitäten ersetzt werden können, die keinen direkten Patientenkontakt erfordern, ist die Anzahl der Untersuchungen deutlich zurückgegangen. Ziel dieser Studie ist es, die Basiszahl der Ultraschalluntersuchungen in den Jahren vor, während und in der frühen post-pandemischen Periode der COVID-19 Pandemie (seit Januar 2015 bis September 2023) zu quantifizieren und die Anzahl der Untersuchungen an verschiedenen deutschen Universitätskliniken zu messen. Die Anzahl der Untersuchungen wurde anhand einer webbasierten Datenbank an allen teilnehmenden Kliniken zu den angegebenen Zeitpunkten bewertet. N = 288 562 Sonographische Untersuchungen von vier Standorten wurden in die vorliegende Untersuchung einbezogen. Von Januar 2020 bis Juni 2020 wurde eine deutlich niedrigere Anzahl von Untersuchungen von n = 591.21 vs. 698.43 (p = 0,01) pro Monat und inkl. Zentrum durchgeführt. Auch ohne die anfängliche Pandemie bis Juni 2020 wurden deutlich weniger Ultraschalluntersuchungen im Vergleich zu den Vor-Paridem-Jahren 648.1 vs. 698.4 (p < 0,05), pro Monat und inklusive Zentrum durchgeführt, wobei hier Unterschiede zwischen den einzelnen Zentren beobachtet wurden. In der späten Phase der Pandemie (n = 681.96) und in der post-pandemischen Phase (wie durch die WHO-Kriterien vom Mai 2023 definiert; n = 739.95) kehrte die Anzahl der sonographischen Untersuchungen auf die vor-pandemische Ebene zurück. Der Rückgang der durch die COVID-19 Pandemie verursachten sonographischen Untersuchungen war zunächst weitgehend absichtlich und kann quantitativ dargestellt werden. Nach einem anfänglichen abrupten Rückgang der sonographischen Untersuchungen konnte die Vor-Parademie für eine lange Zeit nicht erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. In der post-pandemischen Phase wurde die Vor-pandemik wieder erreicht. Die Gründe für eine längere Reduzierung der Ultraschalluntersuchungen werden in diesem Artikel diskutiert. · Während der Pandemie wurden deutlich weniger Ultraschalluntersuchungen in den eingeschlossenen Zentren durchgeführt.. · Die Anzahl der Untersuchungen konnte für eine lange Zeit nicht auf die Vor-Parade-Ebene erreicht werden, was auf eine Umstrukturierung der Patientenversorgung und Nachbehandlung zurückzuführen sein könnte. · Die Identifizierung der Ursachen für die sonographische Prüfungsreduktion ist entscheidend für die pandemische Bereitschaft, die Qualität und Kontinuität der Gesundheitsversorgung für alle Patienten zu gewährleisten. · Der lang anhaltende Rückgang der sonographischen Untersuchungen während der Pandemie stellt keinen dauerhaften Trend dar, wie sich die Rückkehr zu vor-pandemischen Ebenen bemerkbar macht. · Kottlors J, Fervers P, Froelich M et al. Die weltweite COVID-19 Pandemie verursachte einen Rückgang der sonographischen Untersuchungen - ist das ein anhaltender Trend?. Fürtschr Röntgenstr 2024; 196: 1246 - 1252.
P. Y,
B. F,
G. R,
G. R,
H. E,
K. D,
L. S and
S. M,
"Use of Metadata-Driven Approaches for Data Harmonization in the Medical Domain: Scoping Review.",
JMIR medical informatics,
Feb.
2024.
Abstract:
Multisite klinische Studien verwenden zunehmend Echtzeit-Daten, um reale Beweise zu gewinnen. Aufgrund der Heterogenität von Quelldaten ist es jedoch schwierig, solche Daten in einheitlicher Weise über Kliniken zu analysieren. Daher ist die Implementierung von Extract-Transform-Load (ETL) oder Extract-Load-Transform (ELT) Prozessen zur Harmonisierung lokaler Gesundheitsdaten erforderlich, um die Datenqualität für die Forschung zu gewährleisten. Die Entwicklung solcher Prozesse ist jedoch zeitaufwendig und unbrauchbar. Eine vielversprechende Möglichkeit, dies zu erleichtern, ist die Verallgemeinerung von ETL/ELT-Prozessen. In dieser Arbeit untersuchen wir bestehende Möglichkeiten zur Entwicklung von generischen ETL/ELT-Prozessen. Insbesondere konzentrieren wir uns auf Ansätze mit geringer Entwicklungskomplexität, indem wir beschreibende Metadaten und strukturelle Metadaten verwenden. Nach den Richtlinien PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) haben wir eine Literaturrezension durchgeführt. Wir haben 4 Publikationsdatenbanken (d.h. PubMed, IEEE Explore, Web of Science und Biomed Center) verwendet, um relevante Publikationen von 2012 bis 2022 zu suchen. Der PRISMA-Flow wurde dann mittels eines R-basierten Tools (Evidence Synthesis Hackathon) visualisiert. Alle relevanten Inhalte der Publikationen wurden zur weiteren Analyse und Visualisierung in ein Tabellenblatt extrahiert. In Bezug auf die PRISMA-Leitlinien haben wir 33 Publikationen in dieser Literaturrezension aufgenommen. Alle Publikationen wurden in 7 verschiedene Fokusgruppen (d.h. Medizin, Datenlager, Big Data, Industrie, Geoinformatik, Archäologie und Militär) eingeteilt. Basierend auf den extrahierten Daten waren die ontologischen und regelbasierten Ansätze die 2 am häufigsten verwendeten Ansätze in verschiedenen thematischen Kategorien. In den Anwendungsfällen wurden verschiedene Ansätze und Werkzeuge gewählt, um unterschiedliche Zwecke zu erreichen. Unsere Literaturrecherche zeigt, dass die Verwendung von metadata-getriebenen (MDD) Ansätzen zur Entwicklung eines ETL/ELT-Prozesses in verschiedenen thematischen Kategorien unterschiedliche Zwecke erfüllen kann. Die Ergebnisse zeigen, dass es vielversprechend ist, einen ETL/ELT-Prozess zu implementieren, indem MDD-Ansatz angewendet wird, um die Datentransformation von Fast Healthcare Interoperability Resources zu Observational Medical Outcomes Partnership Common Data Model zu automatisieren. Die Bestimmung eines geeigneten MDD-Ansatzes und eines geeigneten Werkzeugs zur Umsetzung eines solchen ETL/ELT-Prozesses bleibt jedoch eine Herausforderung. Dies liegt an der mangelnden umfassenden Einsicht in die Charakterisierungen der in dieser Studie vorgestellten MDD-Ansätze. Unser nächster Schritt ist es daher, die in dieser Studie vorgestellten MDD-Ansätze zu bewerten und die am besten geeigneten MDD-Ansätze zu ermitteln und in den ETL/ELT-Prozess zu integrieren. Dies könnte die Fähigkeit der Verwendung von MDD-Ansätzen zur Verallgemeinerung des ETL-Prozesses zur Harmonisierung medizinischer Daten überprüfen.
| DOI: | 10.2196/52967 |
Abstract:
Multisite klinische Studien verwenden zunehmend Echtzeit-Daten, um reale Beweise zu gewinnen. Aufgrund der Heterogenität von Quelldaten ist es jedoch schwierig, solche Daten in einheitlicher Weise über Kliniken zu analysieren. Daher ist die Implementierung von Extract-Transform-Load (ETL) oder Extract-Load-Transform (ELT) Prozessen zur Harmonisierung lokaler Gesundheitsdaten erforderlich, um die Datenqualität für die Forschung zu gewährleisten. Die Entwicklung solcher Prozesse ist jedoch zeitaufwendig und unbrauchbar. Eine vielversprechende Möglichkeit, dies zu erleichtern, ist die Verallgemeinerung von ETL/ELT-Prozessen. In dieser Arbeit untersuchen wir bestehende Möglichkeiten zur Entwicklung von generischen ETL/ELT-Prozessen. Insbesondere konzentrieren wir uns auf Ansätze mit geringer Entwicklungskomplexität, indem wir beschreibende Metadaten und strukturelle Metadaten verwenden. Nach den Richtlinien PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) haben wir eine Literaturrezension durchgeführt. Wir haben 4 Publikationsdatenbanken (d.h. PubMed, IEEE Explore, Web of Science und Biomed Center) verwendet, um relevante Publikationen von 2012 bis 2022 zu suchen. Der PRISMA-Flow wurde dann mittels eines R-basierten Tools (Evidence Synthesis Hackathon) visualisiert. Alle relevanten Inhalte der Publikationen wurden zur weiteren Analyse und Visualisierung in ein Tabellenblatt extrahiert. In Bezug auf die PRISMA-Leitlinien haben wir 33 Publikationen in dieser Literaturrezension aufgenommen. Alle Publikationen wurden in 7 verschiedene Fokusgruppen (d.h. Medizin, Datenlager, Big Data, Industrie, Geoinformatik, Archäologie und Militär) eingeteilt. Basierend auf den extrahierten Daten waren die ontologischen und regelbasierten Ansätze die 2 am häufigsten verwendeten Ansätze in verschiedenen thematischen Kategorien. In den Anwendungsfällen wurden verschiedene Ansätze und Werkzeuge gewählt, um unterschiedliche Zwecke zu erreichen. Unsere Literaturrecherche zeigt, dass die Verwendung von metadata-getriebenen (MDD) Ansätzen zur Entwicklung eines ETL/ELT-Prozesses in verschiedenen thematischen Kategorien unterschiedliche Zwecke erfüllen kann. Die Ergebnisse zeigen, dass es vielversprechend ist, einen ETL/ELT-Prozess zu implementieren, indem MDD-Ansatz angewendet wird, um die Datentransformation von Fast Healthcare Interoperability Resources zu Observational Medical Outcomes Partnership Common Data Model zu automatisieren. Die Bestimmung eines geeigneten MDD-Ansatzes und eines geeigneten Werkzeugs zur Umsetzung eines solchen ETL/ELT-Prozesses bleibt jedoch eine Herausforderung. Dies liegt an der mangelnden umfassenden Einsicht in die Charakterisierungen der in dieser Studie vorgestellten MDD-Ansätze. Unser nächster Schritt ist es daher, die in dieser Studie vorgestellten MDD-Ansätze zu bewerten und die am besten geeigneten MDD-Ansätze zu ermitteln und in den ETL/ELT-Prozess zu integrieren. Dies könnte die Fähigkeit der Verwendung von MDD-Ansätzen zur Verallgemeinerung des ETL-Prozesses zur Harmonisierung medizinischer Daten überprüfen.
S. S,
S. V,
R. JJM,
Z. VA,
B. R,
M. TT and
R. D,
"Using UK Biobank data to establish population-specific atlases from whole body MRI.",
Communications medicine,
Nov.
2024.
Abstract:
Zuverlässige Referenzdaten in der medizinischen Bildgebung sind weitgehend nicht verfügbar. Die Entwicklung von Werkzeugen, die den Vergleich einzelner Patientendaten mit Referenzdaten ermöglichen, hat ein hohes Potenzial, die Diagnoseabbildung zu verbessern. Bevölkerungsatlasen sind ein häufig verwendetes Werkzeug in der medizinischen Bildgebung, um dies zu erleichtern. Bei der Arbeit mit hoch heterogenen Datensätzen, wie Ganzkörperbildern, die signifikante anatomische Variationen aufweisen, wird der Aufbau solcher Atlas besonders schwierig. In dieser Arbeit schlagen wir eine Pipeline zur Erzeugung eines standardisierten Ganzkörperatlas für eine hoch heterogene Bevölkerung vor, indem wir die Bevölkerung in anatomisch sinnvolle Untergruppen unterteilen. Mit Magnetresonanzbildern aus dem UK Biobank-Datensatz schaffen wir sechs Ganzkörperatlasen, die einen gesunden Bevölkerungsdurchschnitt darstellen. Wir beunruhigen sie auch, und so erhalten wir eine realistische Darstellung der Bevölkerung. Neben den anatomischen Atlasen erzeugen wir probabilistische Atlasen, die die Verteilungen von Bauchfett (visceral und subkutan) und fünf Bauchorgane über die Bevölkerung (Liber, Milz, Pankreas, linke und rechte Nieren) erfassen. Unsere Pipeline erzeugt effektiv hochwertige, realistische Ganzkörperatlasen mit klinischer Anwendbarkeit. Die probabilistischen Atlasen zeigen Unterschiede in der Fettverteilung zwischen Probanden mit medizinischen Bedingungen wie Diabetes und Herz-Kreislauf-Erkrankungen und gesunden Probanden im Atlasraum. Mit dieser Arbeit stellen wir die konstruierten anatomischen und Label Atlas öffentlich zur Verfügung, mit der Erwartung, dass sie die medizinische Forschung mit Ganzkörper-MR-Bildern unterstützen werden.
| DOI: | 10.1038/s43856-024-00670-0 |
Abstract:
Zuverlässige Referenzdaten in der medizinischen Bildgebung sind weitgehend nicht verfügbar. Die Entwicklung von Werkzeugen, die den Vergleich einzelner Patientendaten mit Referenzdaten ermöglichen, hat ein hohes Potenzial, die Diagnoseabbildung zu verbessern. Bevölkerungsatlasen sind ein häufig verwendetes Werkzeug in der medizinischen Bildgebung, um dies zu erleichtern. Bei der Arbeit mit hoch heterogenen Datensätzen, wie Ganzkörperbildern, die signifikante anatomische Variationen aufweisen, wird der Aufbau solcher Atlas besonders schwierig. In dieser Arbeit schlagen wir eine Pipeline zur Erzeugung eines standardisierten Ganzkörperatlas für eine hoch heterogene Bevölkerung vor, indem wir die Bevölkerung in anatomisch sinnvolle Untergruppen unterteilen. Mit Magnetresonanzbildern aus dem UK Biobank-Datensatz schaffen wir sechs Ganzkörperatlasen, die einen gesunden Bevölkerungsdurchschnitt darstellen. Wir beunruhigen sie auch, und so erhalten wir eine realistische Darstellung der Bevölkerung. Neben den anatomischen Atlasen erzeugen wir probabilistische Atlasen, die die Verteilungen von Bauchfett (visceral und subkutan) und fünf Bauchorgane über die Bevölkerung (Liber, Milz, Pankreas, linke und rechte Nieren) erfassen. Unsere Pipeline erzeugt effektiv hochwertige, realistische Ganzkörperatlasen mit klinischer Anwendbarkeit. Die probabilistischen Atlasen zeigen Unterschiede in der Fettverteilung zwischen Probanden mit medizinischen Bedingungen wie Diabetes und Herz-Kreislauf-Erkrankungen und gesunden Probanden im Atlasraum. Mit dieser Arbeit stellen wir die konstruierten anatomischen und Label Atlas öffentlich zur Verfügung, mit der Erwartung, dass sie die medizinische Forschung mit Ganzkörper-MR-Bildern unterstützen werden.
E. J,
D. J,
S. R,
H. T,
F. E,
W. M,
P. T,
H. B,
C. FK,
V. T,
K. J and
B. M,
"Value of MRI - T2 Mapping to Differentiate Clinically Significant Prostate Cancer.",
Journal of imaging informatics in medicine,
Dez.
2024.
Abstract:
Die standardisierte Berichterstattung der multiparametrischen Prostata MRI (mpMRI) ist weit verbreitet und folgt internationalen Standards (Pi-RADS). Allerdings sind quantitative Messungen von mpMRI nicht weit vergleichbar. Obwohl T2 Mapping-Sequenzen wiederholbare quantitative Bildmessungen liefern und zuverlässige bildgebende Biomarker aus mpMRI extrahieren können, sind sie oft zeitaufwendig. Wir untersuchten daher den Wert quantitativer Messungen auf einer hoch beschleunigten T2-Mapping-Sequenz, um eine Schwelle zu schaffen, um Gutign von malignen Läsionen zu unterscheiden. Dazu haben wir eine neuartige, hoch beschleunigte T2-Mapping-Forschungssequenz ausgewertet, die eine hochauflösende Bildaufnahme mit kurzen Akquisitionszeiten in der klinischen Praxis ermöglicht. In dieser retrospektiven Einzelzentrumsstudie umfassten wir 54 Patienten mit klinisch angedeutetem MRT des Prostata- und Biopsie bestätigten Karzinoms (n = 37) oder Ausschluss von Karzinom (n = 17). Alle Patienten hatten einen Standard der Pflegebiopsie der Prostata erhalten, deren Ergebnisse verwendet wurden, um die Anwesenheit von malignen Läsionen zu bestätigen oder auszuschließen. Wir nutzten die linearen Mischeffekte Modell-fit von REML, um die Differenz zwischen Mittelwerten von Krebsgewebe und gesundem Gewebe zu bestimmen. Wir fanden eine gute Differenzierung zwischen malignen Läsionen und normal auftretendem Gewebe in der peripheren Zone basierend auf dem mittleren T2-Wert. Insbesondere betrug der mittlere T2-Wert für Gewebe ohne maligne Läsionen (151,7 ms [95% CI: 146,9-156,5 ms] im Vergleich zu 80,9 ms für maligne Läsionen [95% CI: 67.9-79,1 ms]; p < 0,001). Auf der Grundlage dieser Bewertung wird eine Grenze von 109,2 ms vorgeschlagen. Zwar wurde eine signifikante Korrelation zwischen T2 -Werten der Peripheriezone und PI-RADS-Scores beobachtet (p = 0,0194). Es wurde jedoch keine Korrelation zwischen dem Gleason Score und der T2 Relaxationszeit gefunden. Mit REML fanden wir einen Unterschied von -82,7 ms bei Mittelwerten zwischen Krebsgewebe und gesundem Gewebe. Wir haben einen Cut-off-Wert von 109,2 ms ermittelt, um genau zwischen malignen und nicht malignen Prostataregionen zu unterscheiden. Die Hinzufügung von T2 Mapping-Sequenzen zur Routineabbildung könnte eine automatisierte Läsionserkennung und eine kontrastfreie multiparametrische MRT der Prostata ermöglichen.
| DOI: | 10.1007/s10278-024-01150-6 |
Abstract:
Die standardisierte Berichterstattung der multiparametrischen Prostata MRI (mpMRI) ist weit verbreitet und folgt internationalen Standards (Pi-RADS). Allerdings sind quantitative Messungen von mpMRI nicht weit vergleichbar. Obwohl T2 Mapping-Sequenzen wiederholbare quantitative Bildmessungen liefern und zuverlässige bildgebende Biomarker aus mpMRI extrahieren können, sind sie oft zeitaufwendig. Wir untersuchten daher den Wert quantitativer Messungen auf einer hoch beschleunigten T2-Mapping-Sequenz, um eine Schwelle zu schaffen, um Gutign von malignen Läsionen zu unterscheiden. Dazu haben wir eine neuartige, hoch beschleunigte T2-Mapping-Forschungssequenz ausgewertet, die eine hochauflösende Bildaufnahme mit kurzen Akquisitionszeiten in der klinischen Praxis ermöglicht. In dieser retrospektiven Einzelzentrumsstudie umfassten wir 54 Patienten mit klinisch angedeutetem MRT des Prostata- und Biopsie bestätigten Karzinoms (n = 37) oder Ausschluss von Karzinom (n = 17). Alle Patienten hatten einen Standard der Pflegebiopsie der Prostata erhalten, deren Ergebnisse verwendet wurden, um die Anwesenheit von malignen Läsionen zu bestätigen oder auszuschließen. Wir nutzten die linearen Mischeffekte Modell-fit von REML, um die Differenz zwischen Mittelwerten von Krebsgewebe und gesundem Gewebe zu bestimmen. Wir fanden eine gute Differenzierung zwischen malignen Läsionen und normal auftretendem Gewebe in der peripheren Zone basierend auf dem mittleren T2-Wert. Insbesondere betrug der mittlere T2-Wert für Gewebe ohne maligne Läsionen (151,7 ms [95% CI: 146,9-156,5 ms] im Vergleich zu 80,9 ms für maligne Läsionen [95% CI: 67.9-79,1 ms]; p < 0,001). Auf der Grundlage dieser Bewertung wird eine Grenze von 109,2 ms vorgeschlagen. Zwar wurde eine signifikante Korrelation zwischen T2 -Werten der Peripheriezone und PI-RADS-Scores beobachtet (p = 0,0194). Es wurde jedoch keine Korrelation zwischen dem Gleason Score und der T2 Relaxationszeit gefunden. Mit REML fanden wir einen Unterschied von -82,7 ms bei Mittelwerten zwischen Krebsgewebe und gesundem Gewebe. Wir haben einen Cut-off-Wert von 109,2 ms ermittelt, um genau zwischen malignen und nicht malignen Prostataregionen zu unterscheiden. Die Hinzufügung von T2 Mapping-Sequenzen zur Routineabbildung könnte eine automatisierte Läsionserkennung und eine kontrastfreie multiparametrische MRT der Prostata ermöglichen.
T. Donker,
A. Papathanassopoulos,
H. Ghosh,
R. Kociurzynski,
M. Felder,
H. Grundmann and
S. Reuter,Estimation of SARS-CoV-2 fitness gains from genomic surveillance data without prior lineage classification.
....
2024.
| DOI: | 10.1101/2024.01.08.24300976 |
A. Kombeiz,
J. Bienzeisler,
R. W. Majeed,
R. Röhrig and
A. R. Group,
"Designing a User-Friendly Data Request Management System for a Growing Health Data Network – A Case Study in the AKTIN Registry"
in Studies in Health Technology and Informatics, Stoicu-Tivadar, Lăcrămioara and Benis, Arriel and Deserno, Thomas M. and Bolboacă, Sorana D. and Saranto, Kaija and Crişan-Vida, Mihaela and Gallos, Parisis and Chirila, Oana S. and Weber, Patrick and Mihalaş, George and Tamburis, Oscar, Eds.
IOS Press,
Nov.
2024.
Abstract:
The AKTIN Emergency Department Registry, a German health data network, faces operational challenges due to rapid growth. Manual data request processes have become inefficient, hindering timely research and straining personnel. To address these challenges, we undertook a user-centered analysis utilizing Design Thinking principles to identify pain points and functional requirements in current data request creation and management processes. Future work will prioritize iterative implementation of the created concepts with continuous user engagement and rigorous software validation.
| DOI: | 10.3233/SHTI241065 |
| ISBN: | 978-1-64368-554-0 |
| Datei: | https://ebooks.iospress.nl/doi/10.3233/SHTI241065 |
Abstract:
The AKTIN Emergency Department Registry, a German health data network, faces operational challenges due to rapid growth. Manual data request processes have become inefficient, hindering timely research and straining personnel. To address these challenges, we undertook a user-centered analysis utilizing Design Thinking principles to identify pain points and functional requirements in current data request creation and management processes. Future work will prioritize iterative implementation of the created concepts with continuous user engagement and rigorous software validation.
S. Winkelmann,
A. Korth,
B. Voss,
M. Nasr,
N. Behrend,
A. Pudszuhn,
V. Hofmann,
C. Maetzler,
A. Hermes,
C. Borzikowsky,
T. Bahmer,
W. Lieb,
S. Schreiber,
S. Störk,
F. Montellano,
M. Witzenrath,
T. Keil,
M. Krawczak,
M. Laudien,
On Behalf Of The Napkon Study Group and
C. Schendzielorz,
"Persisting chemosensory dysfunction in COVID-19 - a cross-sectional population-based survey Rhinology 2023",
Dez.
2023.
| DOI: | 10.4193/Rhin22.176 |
K. Appel,
R. Geisler,
D. Maier,
O. Miljukov,
S. Hopff and
J. J. Vehreschild,
"A Systematic Review of Predictor Composition, Outcomes, Risk of Bias, and Validation of Coronavirus Disease 2019 (COVID-19) Prognostic Scores",
Okt.
2023.
| DOI: | 10.1007/s15010-023-02043-6 |
K. Tilch,
S. Hopff,
K. Appel,
M. Kraus,
B. Lorenz-Depiereux,
L. Pilgram,
G. Anton,
S. Berger,
R. Geisler,
K. Haas,
T. Illig,
D. Krefting,
R. Lorbeer,
L. Mitrov,
M. Muenchhoff,
M. Nauck,
C. Pley,
J. Reese,
S. Rieg,
M. Scherer,
M. Stecher,
C. Stellbrink,
H. Valentin,
C. Winter,
M. Witzenrath and
J. J. Vehreschild,
"Ethical and coordinative challenges in setting up a national cohort study during the COVID-19 pandemic in GermanyShort- and long-term T cell and antibody responses following dexamethasone treatment in COVID-19. BMC Medical Ethics",
Okt.
2023.
| DOI: | 10.1186/s12910-023-00959-0 |
D. Stahl,
A. Blumentritt,
E. Heim,
H. Valentin,
T. Bahls,
M. Bialke,
M. Kraus,
W. Hoffmann,
H. Rau and
L. Fiedler-Lacombe,
"Benefits of fully electronic consent management and consent collection via tablet PC in supporting time-critical pandemic research – the example of COVID-19-project NAPKON",
09
2023.
K. O. Yusuf,
I. Chaplinskaya-Sobol,
A. Schoneberg,
S. Hanss,
H. Valentin,
B. Lorenz-Depiereux,
S. Hansch,
K. Fiedler,
M. Scherer,
S. Sikdar,
O. Miljukov,
J. Reese,
P. Wagner,
I. Bröhl,
R. Geisler,
J. J. Vehreschild,
S. Blaschke,
C. Bellinghausen,
M. Milovanovic and
D. Krefting,
"Impact of Clinical Study Implementation on Data Quality Assessments - using Contradictions within Interdependent Health Data Items as a Pilot Indicator",
eingereicht bei GMDS Jahrestagung Heilbronn,
09
2023.
K. O. Yusuf,
I. Chaplinskaya-Sobol,
A. Schoneberg,
S. Hanss,
H. Valentin,
B. Lorenz-Depiereux,
S. Hansch,
K. Fiedler,
M. Scherer,
S. Sikdar,
O. Miljukov,
J. Reese,
P. Wagner,
I. Bröhl,
R. Geisler,
J. J. Vehreschild,
S. Blaschke,
C. Bellinghausen,
M. Milovanovic and
D. Krefting,
"Impact of Clinical Study Implementation on Data Quality Assessments – Using Contradictions within Interdependent Health Data Items as a Pilot Indicator, German Medical Data Sciences 2023 – Science close to People",
09
2023.
| DOI: | 10.3233/SHTI230707 |
F. Steinbeis,
C. Thibeault,
S. Steinbrecher,
I. A. Haack,
D. August,
B. Balzuweit,
C. Bellinghausen,
S. Berger,
I. Chaplinskaya-Sobol,
O. Cornely,
P. Doeblin,
M. Endres,
C. Fink,
C. Finke,
S. Frank,
S. Hanss,
T. J. Hartung,
J. C. Hellmuth,
S. Herold,
P. Heuschmann,
J. Heyckendorf,
R. Heyder,
S. Hippenstiel,
W. Hoffmann,
S. U. Kelle,
P. Knape,
P. Koehler,
L. Kretzler,
D. M. Leistner,
J. Lienau,
R. Lorbeer,
B. Lorenz-Depiereux,
C. D. Lüttke,
K. Mai,
U. Merle,
L. Meyer-Arndt,
O. Miljukov,
M. Muenchhoff,
M. Müller-Plathe,
J. Neuhann,
H. Neuhauser,
A. Nieters,
C. Otte,
D. Pape,
R. M. Pinto,
C. Pley,
A. Pudszuhn,
P. Reuken,
S. Rieg,
P. Ritter,
G. Rohde,
M. Rönnefarth,
M. Ruzicka,
J. Schaller,
A. Schmidt,
S. Schmidt,
V. Schwachmeyer,
G. Schwanitz,
W. Seeger,
D. Stahl,
N. Stobäus,
H. C. Stubbe,
N. Suttorp,
B. Temmesfeld,
S. Thun,
P. Triller,
F. Trinkmann,
I. Vadasz,
H. Valentin,
M. J. G. T. Vehreschild,
C. Kalle,
M. Lilienfeld-Toal,
J. Weber,
T. Welte,
C. Wildberg,
R. Wizimirski,
S. Zvork,
L. E. Sander,
J. Vehreschild,
T. Zoller,
F. Kurth and
M. Witzenrath,
"Analysis of acute COVID-19 including chronic morbidity: protocol for the deep phenotyping National Pandemic Cohort Network in Germany (NAPKON-HAP). Infection",
07
2023.
| DOI: | 10.1007/s15010-023-02057-0 |
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. Montellano,
J. Reese,
S. Schreiber,
N. Skoetz,
S. Störk,
J. J. Vehreschild,
M. Witzenrath,
E. Grill and
On Behalf Of The 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",
05
2023.
| DOI: | 10.1007/s15010-023-02043-6 |
D. Krefting,
G. Anton,
I. Chaplinskaya-Sobol,
S. Hanss,
W. Hoffmann,
S. Hopff,
M. Kraus,
R. Lorbeer,
B. Lorenz-Depiereux,
T. Illig,
C. Schäfer,
J. Schaller,
D. Stahl,
H. Valentin,
P. Heuschmann and
J. Vehreschild,
"The Importance of Being FAIR and FAST - The Clinical Epidemiology and Study Platform of the German Network University Medicine (NUKLEUS)",
05
2023.
| DOI: | 10.3233/SHTI230071 |
C. Dolch,
I. Bernemann,
B. Fösel,
S. Haag,
N. Klopp,
V. Kopfnagel,
A. Kühn-Steven,
S. Kunze,
B. Lorenz-Depiereux,
S. Mücke,
I. Ruhl,
M. Schieck,
G. Anton,
T. Illig and
M. Scheuner,
"Der NAPKON Bioprobenkern stellt sich vor",
05
2023.
S. Mücke,
S. Kunze,
V. Kopfnagel,
B. Fösel,
I. Bernemann,
P. Christ,
C. Dolch,
N. Klopp,
B. Lorenz-Depiereux,
T. Illig,
G. Anton and
N. Lindemann,
"Dezentralisiertes Biobanking in NAPKON – nach dem Sammeln ist vor der Herausgabe“.",
05
2023.
G. Anton,
T. Bahmer,
S. Ciesek,
C. Dolch,
B. Fösel,
P. Heuschmann,
V. Kopfnagel,
S. Kunze,
B. Lorenz-Depiereux,
S. Mücke,
M. Nauck,
S. Pullamsetti,
M. Ralser,
J. Reese,
C. Schäfer,
M. Schattschneider,
S. Schreiber,
J. Vehreschild,
M. Witzenrath and
T. Illig,
"Systematische molekulare Analysen der NAPKON Kohorten – ein Überblick.",
05
2023.
B. Lorenz-Depiereux,
M. Scherer,
H. Valentin,
S. Berger,
M. Stecher,
A. Hermes,
M. Müller,
B. Balzuweit,
D. Stahl,
C. Schäfer,
S. Hanss,
J. Schaller,
M. Kraus and
E. Heim,
"Poster NAPKON.vention: Ethik-Koordination in NAPKON",
05
2023.
M. Lebedin,
C. V. García,
L. Spatt,
C. Ratswohl,
C. Thibeault,
L. Ostendorf,
F. Paul,
L. E. Sander,
F. Kurth and
K. Rosa,
"Discriminating promiscuous from target-specific autoantibodies in COVID-19. Eur J Immunol",
04
2023.
| DOI: | 10.1002/eji.202250210 |
R. JMM,
M. L,
B. GL,
F. N,
R. JC,
N. J,
O. S,
G. M,
S. B,
S. P,
A. H,
F. C and
P. T,
"A machine learning tool to improve prediction of mediastinal lymph node metastases in non-small cell lung cancer using routinely obtainable [<sup>18</sup>F]FDG-PET/CT parameters.",
European journal of nuclear medicine and molecular imaging,
Jun.
2023.
Abstract:
Bei Patienten mit nichtkleinem Zell-Lungenkrebs (NSCLC) ist die Genauigkeit der [<sup>18</sup>F]FDG-PET/CT für prätherapeutische Lymphknoten (LN)-Stufung durch falsche positive Ergebnisse begrenzt. Unser Ziel war es, das maschinelle Lernen mit routinemäßig erhältlichen Variablen zu bewerten, um die Genauigkeit bei der Standard-Bildbeurteilung zu verbessern. Monozentrische retrospektive Analyse von vortherapeutischen [<sup>18</sup>F]FDG-PET/CT bei 491 aufeinanderfolgenden Patienten mit NSCLC mit einem analogen PET/CT-Scanner (Training + Testkohort, n = 385) oder Digitalscanner (Validierung, n = 106). Vierzig klinische Variablen, Tumoreigenschaften und Bildvariablen (z.B. primärer Tumor und LN SUVmax und Größe) wurden gesammelt. Verschiedene Kombinationen von maschinellen Lernmethoden zur Merkmalsauswahl und Klassifizierung von N0/1 gegen N2/3-Krankheit wurden verglichen. Die zehnfache geschachtelte Kreuzvalidierung diente dazu, den mittleren Bereich unter der ROC-Kurve der zehn Testfalten ("test AUC") und AUC im Validierungskohort abzuleiten. Referenzstandard war die letzte N-Phase aus interdisziplinärem Konsens (historische Ergebnisse für N2/3 LNs in 96%). N2/3-Krankheit war bei 190 Patienten vorhanden (39%; Training + Test, 37%; Validierung, 46%; p = 0,09). Als letztes Modell wurde ein Gradienten-Boost-Klassifikator (GBM) mit 10 Features ausgewählt, basierend auf Test AUC von 0.91 (95% Vertrauensintervall, 0.87-0.94). Validierung AUC betrug 0.94 (0.89-0.98). Bei einer Zielempfindlichkeit von ca. 90 %, Test/Validierungsgenauigkeit der GBM betrug 0,78/0,87. Dies war deutlich höher als die Genauigkeit auf der Grundlage von "mediastinalen LN-Aufnahme > mediastinum" (0.7/0.75; je p < 0,05) oder kombinierten PET/CT-Kriterien (PET positive und/oder LN kurze Achsen Durchmesser > 10 mm; 0,68/0.75; je p < 0,001). Die Harmonisierung der PET-Bilder zwischen den beiden Scannern beeinflusste SUVmax und die visuelle Beurteilung der LNs, verringerte aber nicht den AUC des GBM. Ein maschinelles Lernmodell basierend auf routinemäßig verfügbaren Variablen aus [<sup>18</sup>F]FDG-PET/CT verbesserte Genauigkeit in der mediastinalen LN-Stufe im Vergleich zu etablierten visuellen Bewertungskriterien. Eine Web-Anwendung, die dieses Modell implementiert, wurde zur Verfügung gestellt.
| DOI: | 10.1007/s00259-023-06145-z |
Abstract:
Bei Patienten mit nichtkleinem Zell-Lungenkrebs (NSCLC) ist die Genauigkeit der [<sup>18</sup>F]FDG-PET/CT für prätherapeutische Lymphknoten (LN)-Stufung durch falsche positive Ergebnisse begrenzt. Unser Ziel war es, das maschinelle Lernen mit routinemäßig erhältlichen Variablen zu bewerten, um die Genauigkeit bei der Standard-Bildbeurteilung zu verbessern. Monozentrische retrospektive Analyse von vortherapeutischen [<sup>18</sup>F]FDG-PET/CT bei 491 aufeinanderfolgenden Patienten mit NSCLC mit einem analogen PET/CT-Scanner (Training + Testkohort, n = 385) oder Digitalscanner (Validierung, n = 106). Vierzig klinische Variablen, Tumoreigenschaften und Bildvariablen (z.B. primärer Tumor und LN SUVmax und Größe) wurden gesammelt. Verschiedene Kombinationen von maschinellen Lernmethoden zur Merkmalsauswahl und Klassifizierung von N0/1 gegen N2/3-Krankheit wurden verglichen. Die zehnfache geschachtelte Kreuzvalidierung diente dazu, den mittleren Bereich unter der ROC-Kurve der zehn Testfalten ("test AUC") und AUC im Validierungskohort abzuleiten. Referenzstandard war die letzte N-Phase aus interdisziplinärem Konsens (historische Ergebnisse für N2/3 LNs in 96%). N2/3-Krankheit war bei 190 Patienten vorhanden (39%; Training + Test, 37%; Validierung, 46%; p = 0,09). Als letztes Modell wurde ein Gradienten-Boost-Klassifikator (GBM) mit 10 Features ausgewählt, basierend auf Test AUC von 0.91 (95% Vertrauensintervall, 0.87-0.94). Validierung AUC betrug 0.94 (0.89-0.98). Bei einer Zielempfindlichkeit von ca. 90 %, Test/Validierungsgenauigkeit der GBM betrug 0,78/0,87. Dies war deutlich höher als die Genauigkeit auf der Grundlage von "mediastinalen LN-Aufnahme > mediastinum" (0.7/0.75; je p < 0,05) oder kombinierten PET/CT-Kriterien (PET positive und/oder LN kurze Achsen Durchmesser > 10 mm; 0,68/0.75; je p < 0,001). Die Harmonisierung der PET-Bilder zwischen den beiden Scannern beeinflusste SUVmax und die visuelle Beurteilung der LNs, verringerte aber nicht den AUC des GBM. Ein maschinelles Lernmodell basierend auf routinemäßig verfügbaren Variablen aus [<sup>18</sup>F]FDG-PET/CT verbesserte Genauigkeit in der mediastinalen LN-Stufe im Vergleich zu etablierten visuellen Bewertungskriterien. Eine Web-Anwendung, die dieses Modell implementiert, wurde zur Verfügung gestellt.
[en]
K. S. Appel,
R. Geisler,
D. Maier,
O. Miljukov,
S. M. Hopff and
J. J. Vehreschild,
"A systematic review of predictor composition, outcomes, risk of
bias, and validation of COVID-19 prognostic scores",
Clin. Infect. Dis.,
Okt.
2023.
Oxford University Press (OUP).
Abstract:
BACKGROUND: Numerous prognostic scores have been published to support risk stratification for patients with Coronavirus disease 2019 (COVID-19). METHODS: We performed a systematic review to identify the scores for confirmed or clinically assumed COVID-19 cases. An in-depth assessment and risk of bias (ROB) analysis (Prediction model Risk Of Bias ASsessment Tool (PROBAST)) was conducted for scores fulfilling predefined criteria ((I) area under the curve (AUC) $\geq$ 0.75; (II) a separate validation cohort present; (III) training data from a multicenter setting ($\geq$ 2 centers); (IV) point-scale scoring system). RESULTS: Out of 1,522 studies extracted from MEDLINE/Web of Science (20/02/2023), we identified 242 scores for COVID-19 outcome prognosis (mortality 109, severity 116, hospitalization 14, long-term sequelae 3). Most scores were developed using retrospective (75.2%) or single-center (57.1%) cohorts. Predictor analysis revealed the primary use of laboratory data and sociodemographic information in mortality and severity scores. Forty-nine scores were included in the in-depth analysis. The results indicated heterogeneous quality and predictor selection, with only five scores featuring low ROB. Among those, based on the number and heterogeneity of validation studies, only the 4C Mortality Score can be recommended for clinical application so far. CONCLUSION: The application and translation of most existing COVID scores appear unreliable. Guided development and predictor selection would have improved the generalizability of the scores and may enhance pandemic preparedness in the future.
| DOI: | 10.1093/cid/ciad618 |
| Pubmed: | 37879096 |
Abstract:
BACKGROUND: Numerous prognostic scores have been published to support risk stratification for patients with Coronavirus disease 2019 (COVID-19). METHODS: We performed a systematic review to identify the scores for confirmed or clinically assumed COVID-19 cases. An in-depth assessment and risk of bias (ROB) analysis (Prediction model Risk Of Bias ASsessment Tool (PROBAST)) was conducted for scores fulfilling predefined criteria ((I) area under the curve (AUC) $\geq$ 0.75; (II) a separate validation cohort present; (III) training data from a multicenter setting ($\geq$ 2 centers); (IV) point-scale scoring system). RESULTS: Out of 1,522 studies extracted from MEDLINE/Web of Science (20/02/2023), we identified 242 scores for COVID-19 outcome prognosis (mortality 109, severity 116, hospitalization 14, long-term sequelae 3). Most scores were developed using retrospective (75.2%) or single-center (57.1%) cohorts. Predictor analysis revealed the primary use of laboratory data and sociodemographic information in mortality and severity scores. Forty-nine scores were included in the in-depth analysis. The results indicated heterogeneous quality and predictor selection, with only five scores featuring low ROB. Among those, based on the number and heterogeneity of validation studies, only the 4C Mortality Score can be recommended for clinical application so far. CONCLUSION: The application and translation of most existing COVID scores appear unreliable. Guided development and predictor selection would have improved the generalizability of the scores and may enhance pandemic preparedness in the future.
K. M,
I. M,
T. U and
G. F,
"Added value of chest CT in a machine learning-based prediction model to rule out COVID-19 before inpatient admission: A retrospective university network study.",
European journal of radiology,
Jun.
2023.
Abstract:
Während der Coronavirus-Krankheit 2019 (COVID-19) Pandemie stehen Krankenhäuser immer noch vor der Herausforderung der rechtzeitigen Identifizierung von infizierten Personen vor der stationären Zulassung. Ein künstlicher Intelligenzansatz auf Basis eines etablierten klinischen Netzwerks kann die prospektive Pandemievorbereitung verbessern. Überwachtes maschinelles Lernen wurde verwendet, um Diagnosemodelle zu konstruieren, um COVID-19 vorherzusagen. Eine gepoolte Datenbank wurde rückwirkend aus 4437 Teilnehmerdaten generiert, die zwischen Januar 2017 und Oktober 2020 in 12 deutschen Zentren gesammelt wurden, die zum radiologischen Kooperationsnetzwerk des Konsortiums COVID-19 (RACOON) gehören. Insgesamt 692 (15,6 %) Teilnehmer waren COVID-19 positiv, bezogen auf den Reverse Transkriptions-Polymerase-Kettenreaktionstest. Die diagnostischen Modelle enthalten Brust-CT-Funktionen (Modell R), klinische Untersuchung und Labortest-Funktionen (Modell CL), oder alle drei Merkmalskategorien (Modell RCL). Performance-Ergebnisse beinhalteten Genauigkeit, Empfindlichkeit, Spezifität, negative und positive Vorhersagewerte und Bereich unter der Empfänger-Betriebskurve (AUC). Die Leistung von Prädiktionsmodellen verbesserte sich deutlich, indem Brust-CT-Funktionen zur klinischen Auswertung und Labortest-Funktionen hinzugefügt wurden. Ohne (Modell CL) und unter Einbeziehung der Brust CT (Modell RCL) betrug die Empfindlichkeit 0,82 und 0,89 (p < 0,0001), die Spezifität 0,84 und 0,89 (p < 0,0001), der negative Prädiktivwert 0,96 und 0,97 (p < 0,0001), die AUC 0,92 bzw. 0,95 (p < 0,0001), der Anteil falscher negativer Klassifikationen betrug 2,6 % bzw. 1,7 % (p < 0,0001), Die Ergänzung der Brust CT-Funktionen zu maschinellen lernbasierten Vorhersagemodellen verbessert die Wirksamkeit bei der Entscheidung am COVID-19 vor der stationären Zulassung zu regulären Stationen.
| DOI: | 10.1016/j.ejrad.2023.110827 |
Abstract:
Während der Coronavirus-Krankheit 2019 (COVID-19) Pandemie stehen Krankenhäuser immer noch vor der Herausforderung der rechtzeitigen Identifizierung von infizierten Personen vor der stationären Zulassung. Ein künstlicher Intelligenzansatz auf Basis eines etablierten klinischen Netzwerks kann die prospektive Pandemievorbereitung verbessern. Überwachtes maschinelles Lernen wurde verwendet, um Diagnosemodelle zu konstruieren, um COVID-19 vorherzusagen. Eine gepoolte Datenbank wurde rückwirkend aus 4437 Teilnehmerdaten generiert, die zwischen Januar 2017 und Oktober 2020 in 12 deutschen Zentren gesammelt wurden, die zum radiologischen Kooperationsnetzwerk des Konsortiums COVID-19 (RACOON) gehören. Insgesamt 692 (15,6 %) Teilnehmer waren COVID-19 positiv, bezogen auf den Reverse Transkriptions-Polymerase-Kettenreaktionstest. Die diagnostischen Modelle enthalten Brust-CT-Funktionen (Modell R), klinische Untersuchung und Labortest-Funktionen (Modell CL), oder alle drei Merkmalskategorien (Modell RCL). Performance-Ergebnisse beinhalteten Genauigkeit, Empfindlichkeit, Spezifität, negative und positive Vorhersagewerte und Bereich unter der Empfänger-Betriebskurve (AUC). Die Leistung von Prädiktionsmodellen verbesserte sich deutlich, indem Brust-CT-Funktionen zur klinischen Auswertung und Labortest-Funktionen hinzugefügt wurden. Ohne (Modell CL) und unter Einbeziehung der Brust CT (Modell RCL) betrug die Empfindlichkeit 0,82 und 0,89 (p < 0,0001), die Spezifität 0,84 und 0,89 (p < 0,0001), der negative Prädiktivwert 0,96 und 0,97 (p < 0,0001), die AUC 0,92 bzw. 0,95 (p < 0,0001), der Anteil falscher negativer Klassifikationen betrug 2,6 % bzw. 1,7 % (p < 0,0001), Die Ergänzung der Brust CT-Funktionen zu maschinellen lernbasierten Vorhersagemodellen verbessert die Wirksamkeit bei der Entscheidung am COVID-19 vor der stationären Zulassung zu regulären Stationen.
S. AS,
P. S,
A. S,
K. D,
S. M,
S. H and
F. CM,
"Admission rates and clinical profiles of children and youth with eating disorders treated as inpatients before and during the COVID-19 pandemic in a German university hospital.",
Frontiers in public health,
2023.
Abstract:
Kinder und Jugendliche, die für psychische Gesundheitsstörungen, wie Essstörungen (ED) gefährdet sind, wurden besonders von der COVID-19 Pandemie betroffen, doch sind die Beweise für die am stärksten betroffenen und damit in Deutschland kranken Kinder knapp. Diese Querschnittsstudie untersuchte anonymisierte Routinekrankenhausdaten (demographische Informationen, Diagnosen, Behandlungsmodalitäten) von Patienten, die (<i>n</i> = 2,849) an die Abteilung für Kinder- und Jugendpsychiatrie, Psychosomatik und Psychotherapie (DCAPPP) eines Deutschen Universitätsklinikums zwischen 01/2016 und 02/2022 zugelassen wurden. Absolute und relative Zahl von Patienten mit oder ohne ED vor (01/2016-02/2020) und während der COVID-19 Pandemie (03/2020-02/2022) wurden verglichen. Die Auswirkungen von Schulabschlüssen im Rahmen von Sozialabsperrmaßnahmen für die COVID-19-Abschwächung auf die stationäre Aufnahmequote wurde untersucht, wie sie als potenzieller Risikofaktor für psychische Gesundheitsprobleme in der Jugend diskutiert wurde. Während der COVID-19 Pandemie stieg die ED-Inpatient-Eintrittsrate von 10,5 auf 16,7%, vor allem von Anorexia Nervosa (AN). Im Gegensatz zu früheren Berichten fanden wir keine Veränderung der somatischen und psychischen Störung Komorbidität, Alter oder Sexratio für krankhafte Jugendliche mit ED. Allerdings beobachteten wir eine verkürzte Länge des Krankenhausaufenthalts (LOS) für krankhafte Jugendliche mit und ohne ED. Darüber hinaus präsentierten nicht-ED-Zulassungen eine erhöhte Anzahl von psychischen Störungen Komorbiditäten. Im Gegensatz zu unserer Hypothese waren die Schulabschlüsse nicht mit dem beobachteten Anstieg der ED verbunden. Zusammenfassend wurde die COVID-19 Pandemie mit einer erhöhten Ambulanz für Jugendliche, die an AN leiden, und von Jugendlichen, die von mehreren psychischen Störungen betroffen sind, verbunden. Daher gehen wir davon aus, dass die stationäre Zulassung für Personen mit einer höheren Krankheitslast während der COVID-19 Pandemie priorisiert wurde. Unsere Ergebnisse weisen darauf hin, dass bei Umweltkrisen eine angemessene stationäre psychische Gesundheitsbehandlungsfähigkeit und eine weitere Stärkung der Psychiatrie von Kindern und Jugendlichen in Deutschland erforderlich ist.
| DOI: | 10.3389/fpubh.2023.1281363 |
Abstract:
Kinder und Jugendliche, die für psychische Gesundheitsstörungen, wie Essstörungen (ED) gefährdet sind, wurden besonders von der COVID-19 Pandemie betroffen, doch sind die Beweise für die am stärksten betroffenen und damit in Deutschland kranken Kinder knapp. Diese Querschnittsstudie untersuchte anonymisierte Routinekrankenhausdaten (demographische Informationen, Diagnosen, Behandlungsmodalitäten) von Patienten, die (<i>n</i> = 2,849) an die Abteilung für Kinder- und Jugendpsychiatrie, Psychosomatik und Psychotherapie (DCAPPP) eines Deutschen Universitätsklinikums zwischen 01/2016 und 02/2022 zugelassen wurden. Absolute und relative Zahl von Patienten mit oder ohne ED vor (01/2016-02/2020) und während der COVID-19 Pandemie (03/2020-02/2022) wurden verglichen. Die Auswirkungen von Schulabschlüssen im Rahmen von Sozialabsperrmaßnahmen für die COVID-19-Abschwächung auf die stationäre Aufnahmequote wurde untersucht, wie sie als potenzieller Risikofaktor für psychische Gesundheitsprobleme in der Jugend diskutiert wurde. Während der COVID-19 Pandemie stieg die ED-Inpatient-Eintrittsrate von 10,5 auf 16,7%, vor allem von Anorexia Nervosa (AN). Im Gegensatz zu früheren Berichten fanden wir keine Veränderung der somatischen und psychischen Störung Komorbidität, Alter oder Sexratio für krankhafte Jugendliche mit ED. Allerdings beobachteten wir eine verkürzte Länge des Krankenhausaufenthalts (LOS) für krankhafte Jugendliche mit und ohne ED. Darüber hinaus präsentierten nicht-ED-Zulassungen eine erhöhte Anzahl von psychischen Störungen Komorbiditäten. Im Gegensatz zu unserer Hypothese waren die Schulabschlüsse nicht mit dem beobachteten Anstieg der ED verbunden. Zusammenfassend wurde die COVID-19 Pandemie mit einer erhöhten Ambulanz für Jugendliche, die an AN leiden, und von Jugendlichen, die von mehreren psychischen Störungen betroffen sind, verbunden. Daher gehen wir davon aus, dass die stationäre Zulassung für Personen mit einer höheren Krankheitslast während der COVID-19 Pandemie priorisiert wurde. Unsere Ergebnisse weisen darauf hin, dass bei Umweltkrisen eine angemessene stationäre psychische Gesundheitsbehandlungsfähigkeit und eine weitere Stärkung der Psychiatrie von Kindern und Jugendlichen in Deutschland erforderlich ist.
M. F,
K. J,
S. R,
L. H,
F. P,
J. Y,
R. M,
L. D,
W. M,
L. W,
N. M,
S. Y,
A. L,
H. X,
M. D,
K. I,
B. A,
M. D,
Z. L,
T. F,
L. M,
P. M,
Z. H and
P. T,
"AI support for accurate and fast radiological diagnosis of COVID-19: an international multicenter, multivendor CT study.",
European radiology,
Jun.
2023.
Abstract:
Differenzierung zwischen COVID-19 und gemeindebenötigter Lungenentzündung (CAP) in der berechneten Tomographie (CT) ist eine Aufgabe, die von menschlichen Radiologen und künstlicher Intelligenz (KI) durchgeführt werden kann. Die vorliegende Studie zielt darauf ab, (1) einen AI-Algorithmus zur Differenzierung von COVID-19 von CAP zu entwickeln und (2) seine Leistung zu bewerten. (3) Nutzen Sie das AI-Ergebnis als Hilfe für die radiologische Diagnose und die Auswirkungen auf relevante Parameter wie Genauigkeit der Diagnose, Diagnosezeit und Vertrauen. Wir enthielten n = 1591 Multicenter, Multivendor-Brust-CT-Scans und teilten sie in AI-Trainings- und Validierungsdatensätze, um einen AI-Algorithmus (n = 991 CT-Scans; n = 462 COVID-19 und n = 529 CAP) aus drei Zentren in China zu entwickeln. Ein unabhängiger chinesischer und deutscher Testdatensatz von n = 600 CT-Scans aus sechs Zentren (COVID-19 / CAP; n = 300) wurde verwendet, um die Leistung von acht blinden Radiologen und dem AI-Algorithmus zu testen. Ein Subtest-Datensatz (180 CT-Scans; n = 90) wurde verwendet, um die Leistung der Radiologen ohne und mit AI-Hilfe zu bewerten, um Änderungen der Diagnosegenauigkeit, der Berichtszeit und des Diagnosevertrauens zu quantifizieren. Die diagnostische Genauigkeit des AI-Algorithmus im chinesisch-deutschen Testdatensatz betrug 76,5%. Ohne KI-Hilfe betrug die Diagnosegenauigkeit der acht Radiologen 79,1% und stieg mit KI-Hilfe auf 81,5% und ging mit deutlich kürzeren Entscheidungszeiten und höheren Vertrauenswerten zusammen. Diese große multizentrische Studie zeigt, dass AI-Hilfe in CT-basierte Differenzierung von COVID-19 und CAP die radiologische Leistung mit höherer Genauigkeit und Spezifität, schnellere Diagnosezeit und verbessertes Diagnosevertrauen erhöht. • KI kann Radiologen dabei helfen, eine höhere Diagnosegenauigkeit zu erreichen, schnellere Entscheidungen zu treffen und das Diagnosevertrauen zu verbessern. • Die China-deutsche Multicenter-Studie zeigt die Vorteile einer Mensch-Maschine-Interaktion mit AI in der klinischen Radiologie zur diagnostischen Differenzierung zwischen COVID-19 und CAP in CT-Scans.
| DOI: | 10.1007/s00330-022-09335-9 |
Abstract:
Differenzierung zwischen COVID-19 und gemeindebenötigter Lungenentzündung (CAP) in der berechneten Tomographie (CT) ist eine Aufgabe, die von menschlichen Radiologen und künstlicher Intelligenz (KI) durchgeführt werden kann. Die vorliegende Studie zielt darauf ab, (1) einen AI-Algorithmus zur Differenzierung von COVID-19 von CAP zu entwickeln und (2) seine Leistung zu bewerten. (3) Nutzen Sie das AI-Ergebnis als Hilfe für die radiologische Diagnose und die Auswirkungen auf relevante Parameter wie Genauigkeit der Diagnose, Diagnosezeit und Vertrauen. Wir enthielten n = 1591 Multicenter, Multivendor-Brust-CT-Scans und teilten sie in AI-Trainings- und Validierungsdatensätze, um einen AI-Algorithmus (n = 991 CT-Scans; n = 462 COVID-19 und n = 529 CAP) aus drei Zentren in China zu entwickeln. Ein unabhängiger chinesischer und deutscher Testdatensatz von n = 600 CT-Scans aus sechs Zentren (COVID-19 / CAP; n = 300) wurde verwendet, um die Leistung von acht blinden Radiologen und dem AI-Algorithmus zu testen. Ein Subtest-Datensatz (180 CT-Scans; n = 90) wurde verwendet, um die Leistung der Radiologen ohne und mit AI-Hilfe zu bewerten, um Änderungen der Diagnosegenauigkeit, der Berichtszeit und des Diagnosevertrauens zu quantifizieren. Die diagnostische Genauigkeit des AI-Algorithmus im chinesisch-deutschen Testdatensatz betrug 76,5%. Ohne KI-Hilfe betrug die Diagnosegenauigkeit der acht Radiologen 79,1% und stieg mit KI-Hilfe auf 81,5% und ging mit deutlich kürzeren Entscheidungszeiten und höheren Vertrauenswerten zusammen. Diese große multizentrische Studie zeigt, dass AI-Hilfe in CT-basierte Differenzierung von COVID-19 und CAP die radiologische Leistung mit höherer Genauigkeit und Spezifität, schnellere Diagnosezeit und verbessertes Diagnosevertrauen erhöht. • KI kann Radiologen dabei helfen, eine höhere Diagnosegenauigkeit zu erreichen, schnellere Entscheidungen zu treffen und das Diagnosevertrauen zu verbessern. • Die China-deutsche Multicenter-Studie zeigt die Vorteile einer Mensch-Maschine-Interaktion mit AI in der klinischen Radiologie zur diagnostischen Differenzierung zwischen COVID-19 und CAP in CT-Scans.
[en]
B. Salzberger,
A. Mellmann,
A. Bludau,
S. Ciesek,
V. Corman,
A. Dilthey,
T. Donker,
T. Eckmanns,
R. Egelkamp,
S. G. Gatermann,
H. Grundmann,
G. Häcker,
M. Kaase,
B. Lange,
M. Mielke,
M. W. Pletz,
T. Semmler,
A. Thürmer,
L. H. Wieler,
T. Wolff,
A. F. Widmer and
S. Scheithauer,
"An appeal for strengthening genomic pathogen surveillance to
improve pandemic preparedness and infection prevention: the
German perspective",
Infection,
vol. 51,
no. 4,
pp. 805—811,
Aug.
2023.
Springer Science and Business Media LLC.
Abstract:
The SARS-CoV-2 pandemic has highlighted the importance of viable infection surveillance and the relevant infrastructure. From a German perspective, an integral part of this infrastructure, genomic pathogen sequencing, was at best fragmentary and stretched to its limits due to the lack or inefficient use of equipment, human resources, data management and coordination. The experience in other countries has shown that the rate of sequenced positive samples and linkage of genomic and epidemiological data (person, place, time) represent important factors for a successful application of genomic pathogen surveillance. Planning, establishing and consistently supporting adequate structures for genomic pathogen surveillance will be crucial to identify and combat future pandemics as well as other challenges in infectious diseases such as multi-drug resistant bacteria and healthcare-associated infections. Therefore, the authors propose a multifaceted and coordinated process for the definition of procedural, legal and technical standards for comprehensive genomic pathogen surveillance in Germany, covering the areas of genomic sequencing, data collection and data linkage, as well as target pathogens. A comparative analysis of the structures established in Germany and in other countries is applied. This proposal aims to better tackle epi- and pandemics to come and take action from the "lessons learned" from the SARS-CoV-2 pandemic.
Abstract:
The SARS-CoV-2 pandemic has highlighted the importance of viable infection surveillance and the relevant infrastructure. From a German perspective, an integral part of this infrastructure, genomic pathogen sequencing, was at best fragmentary and stretched to its limits due to the lack or inefficient use of equipment, human resources, data management and coordination. The experience in other countries has shown that the rate of sequenced positive samples and linkage of genomic and epidemiological data (person, place, time) represent important factors for a successful application of genomic pathogen surveillance. Planning, establishing and consistently supporting adequate structures for genomic pathogen surveillance will be crucial to identify and combat future pandemics as well as other challenges in infectious diseases such as multi-drug resistant bacteria and healthcare-associated infections. Therefore, the authors propose a multifaceted and coordinated process for the definition of procedural, legal and technical standards for comprehensive genomic pathogen surveillance in Germany, covering the areas of genomic sequencing, data collection and data linkage, as well as target pathogens. A comparative analysis of the structures established in Germany and in other countries is applied. This proposal aims to better tackle epi- and pandemics to come and take action from the "lessons learned" from the SARS-CoV-2 pandemic.
[en]
F. Steinbeis,
C. Thibeault,
S. Steinbrecher,
I. A. Haack,
D. August,
B. Balzuweit,
C. Bellinghausen,
S. Berger,
I. Chaplinskaya-Sobol,
O. Cornely,
P. Doeblin,
M. Endres,
C. Fink,
C. Finke,
S. Frank,
S. Hanß,
T. Hartung,
J. C. Hellmuth,
S. Herold,
P. Heuschmann,
J. Heyckendorf,
R. Heyder,
S. Hippenstiel,
W. Hoffmann,
S. U. Kelle,
P. Knape,
P. Koehler,
L. Kretzler,
D. M. Leistner,
J. Lienau,
R. Lorbeer,
B. Lorenz-Depiereux,
C. D. Lüttke,
K. Mai,
U. Merle,
L. A. Meyer-Arndt,
O. Miljukov,
M. Muenchhoff,
M. Müller-Plathe,
J. Neuhann,
H. Neuhauser,
A. Nieters,
C. Otte,
D. Pape,
R. M. Pinto,
C. Pley,
A. Pudszuhn,
P. Reuken,
S. Rieg,
P. Ritter,
G. Rohde,
M. Rönnefarth,
M. Ruzicka,
J. Schaller,
A. Schmidt,
S. Schmidt,
V. Schwachmeyer,
G. Schwanitz,
W. Seeger,
D. Stahl,
N. Stobäus,
H. C. Stubbe,
N. Suttorp,
B. Temmesfeld,
S. Thun,
P. Triller,
F. Trinkmann,
I. Vadasz,
H. Valentin,
M. Vehreschild,
C. Kalle,
M. Lilienfeld-Toal,
J. Weber,
T. Welte,
C. Wildberg,
R. Wizimirski,
S. Zvork,
L. E. Sander,
J. Vehreschild,
T. Zoller,
F. Kurth and
M. Witzenrath,
"Analysis of acute COVID-19 including chronic morbidity:
protocol for the deep phenotyping National Pandemic Cohort
Network in Germany (NAPKON-HAP)",
Infection,
vol. 52,
no. 1,
pp. 93-104,
Jul.
2023.
Abstract:
BACKGROUND: The severe acute respiratory syndrome corona virus 2 (SARS-CoV-2) pandemic causes a high burden of acute and long-term morbidity and mortality worldwide despite global efforts in containment, prophylaxis, and therapy. With unprecedented speed, the global scientific community has generated pivotal insights into the pathogen and the host response evoked by the infection. However, deeper characterization of the pathophysiology and pathology remains a high priority to reduce morbidity and mortality of coronavirus disease 2019 (COVID-19). METHODS: NAPKON-HAP is a multi-centered prospective observational study with a long-term follow-up phase of up to 36 months post-SARS-CoV-2 infection. It constitutes a central platform for harmonized data and biospecimen for interdisciplinary characterization of acute SARS-CoV-2 infection and long-term outcomes of diverging disease severities of hospitalized patients. RESULTS: Primary outcome measures include clinical scores and quality of life assessment captured during hospitalization and at outpatient follow-up visits to assess acute and chronic morbidity. Secondary measures include results of biomolecular and immunological investigations and assessment of organ-specific involvement during and post-COVID-19 infection. NAPKON-HAP constitutes a national platform to provide accessibility and usability of the comprehensive data and biospecimen collection to global research. CONCLUSION: NAPKON-HAP establishes a platform with standardized high-resolution data and biospecimen collection of hospitalized COVID-19 patients of different disease severities in Germany. With this study, we will add significant scientific insights and provide high-quality data to aid researchers to investigate COVID-19 pathophysiology, pathology, and chronic morbidity.
| DOI: | 10.1007/s15010-023-02057-0 |
| Pubmed: | 37434025 |
Abstract:
BACKGROUND: The severe acute respiratory syndrome corona virus 2 (SARS-CoV-2) pandemic causes a high burden of acute and long-term morbidity and mortality worldwide despite global efforts in containment, prophylaxis, and therapy. With unprecedented speed, the global scientific community has generated pivotal insights into the pathogen and the host response evoked by the infection. However, deeper characterization of the pathophysiology and pathology remains a high priority to reduce morbidity and mortality of coronavirus disease 2019 (COVID-19). METHODS: NAPKON-HAP is a multi-centered prospective observational study with a long-term follow-up phase of up to 36 months post-SARS-CoV-2 infection. It constitutes a central platform for harmonized data and biospecimen for interdisciplinary characterization of acute SARS-CoV-2 infection and long-term outcomes of diverging disease severities of hospitalized patients. RESULTS: Primary outcome measures include clinical scores and quality of life assessment captured during hospitalization and at outpatient follow-up visits to assess acute and chronic morbidity. Secondary measures include results of biomolecular and immunological investigations and assessment of organ-specific involvement during and post-COVID-19 infection. NAPKON-HAP constitutes a national platform to provide accessibility and usability of the comprehensive data and biospecimen collection to global research. CONCLUSION: NAPKON-HAP establishes a platform with standardized high-resolution data and biospecimen collection of hospitalized COVID-19 patients of different disease severities in Germany. With this study, we will add significant scientific insights and provide high-quality data to aid researchers to investigate COVID-19 pathophysiology, pathology, and chronic morbidity.
[en]
D. Hellwig,
N. C. Hellwig,
S. Boehner,
T. Fuchs,
R. Fischer and
D. Schmidt,
"Artificial intelligence and deep learning for advancing PET image reconstruction: State-of-the-art and future directions",
Nuklearmedizin,
vol. 62,
no. 6,
pp. 334—342,
2023.
Georg Thieme Verlag KG,
http://dx.doi.org/10.1055/a-2198-0358.
Abstract:
Positron emission tomography (PET) is vital for diagnosing diseases and monitoring treatments. Conventional image reconstruction (IR) techniques like filtered backprojection and iterative algorithms are powerful but face limitations. PET IR can be seen as an image-to-image translation. Artificial intelligence (AI) and deep learning (DL) using multilayer neural networks enable a new approach to this computer vision task. This review aims to provide mutual understanding for nuclear medicine professionals and AI researchers. We outline fundamentals of PET imaging as well as state-of-the-art in AI-based PET IR with its typical algorithms and DL architectures. Advances improve resolution and contrast recovery, reduce noise, and remove artifacts via inferred attenuation and scatter correction, sinogram inpainting, denoising, and super-resolution refinement. Kernel-priors support list-mode reconstruction, motion correction, and parametric imaging. Hybrid approaches combine AI with conventional IR. Challenges of AI-assisted PET IR include availability of training data, cross-scanner compatibility, and the risk of hallucinated lesions. The need for rigorous evaluations, including quantitative phantom validation and visual comparison of diagnostic accuracy against conventional IR, is highlighted along with regulatory issues. First approved AI-based applications are clinically available, and its impact is foreseeable. Emerging trends, such as the integration of multimodal imaging and the use of data from previous imaging visits, highlight future potentials. Continued collaborative research promises significant improvements in image quality, quantitative accuracy, and diagnostic performance, ultimately leading to the integration of AI-based IR into routine PET imaging protocols.
| DOI: | 10.1055/a-2198-0358 |
Abstract:
Positron emission tomography (PET) is vital for diagnosing diseases and monitoring treatments. Conventional image reconstruction (IR) techniques like filtered backprojection and iterative algorithms are powerful but face limitations. PET IR can be seen as an image-to-image translation. Artificial intelligence (AI) and deep learning (DL) using multilayer neural networks enable a new approach to this computer vision task. This review aims to provide mutual understanding for nuclear medicine professionals and AI researchers. We outline fundamentals of PET imaging as well as state-of-the-art in AI-based PET IR with its typical algorithms and DL architectures. Advances improve resolution and contrast recovery, reduce noise, and remove artifacts via inferred attenuation and scatter correction, sinogram inpainting, denoising, and super-resolution refinement. Kernel-priors support list-mode reconstruction, motion correction, and parametric imaging. Hybrid approaches combine AI with conventional IR. Challenges of AI-assisted PET IR include availability of training data, cross-scanner compatibility, and the risk of hallucinated lesions. The need for rigorous evaluations, including quantitative phantom validation and visual comparison of diagnostic accuracy against conventional IR, is highlighted along with regulatory issues. First approved AI-based applications are clinically available, and its impact is foreseeable. Emerging trends, such as the integration of multimodal imaging and the use of data from previous imaging visits, highlight future potentials. Continued collaborative research promises significant improvements in image quality, quantitative accuracy, and diagnostic performance, ultimately leading to the integration of AI-based IR into routine PET imaging protocols.
V. Kopfnagel,
I. Bernemann,
G. Anton,
T. Illig,
S. Mücke,
C. Dolch,
N. Klopp,
D. Drobek and
M. Kersting,
"Centralized DNA Isolation in the National Pandemic Cohort Network (NAPKON).",
no. ISBN 978-3-8382-1841-0,
pp. 51-52,
2023.
J. PP,
E. C,
P. T,
L. M,
K. J and
D. T,
"Challenges in Implementing the Local Node Infrastructure for a National Federated Machine Learning Network in Radiology.",
Healthcare (Basel, Switzerland),
Aug.
2023.
Abstract:
Datengetriebenes maschinelles Lernen in der medizinischen Forschung und Diagnostik benötigt von klinischen Experten kuratierte großformatige Datensätze. Die Generierung großer Datensätze kann im Hinblick auf den Ressourcenverbrauch und den Zeitaufwand herausfordern, während die Verallgemeinerlichkeit und Validierung der entwickelten Modelle deutlich von der Vielfalt der Datenquellen profitieren. Schulungsalgorithmen zu kleineren dezentralen Datensätzen durch föderiertes Lernen können den Aufwand reduzieren, erfordern aber die Implementierung einer spezifischen und ambitionierten Infrastruktur, um Daten, Algorithmen und Rechenzeit zu teilen. Darüber hinaus bietet es die Möglichkeit, die Daten lokal zu pflegen und zu halten. Somit können Datensicherheitsprobleme vermieden werden, da Patientendaten nicht geteilt werden dürfen. Machine Learning Modelle werden auf lokalen Daten durch das Teilen des Modells und durch ein etabliertes Netzwerk trainiert. Neben kommerziellen Anwendungen gibt es auch zahlreiche akademische und maßgeschneiderte Implementierungen von Netzwerkinfrastrukturen. Die Konfiguration dieser Netzwerke unterscheidet sich in erster Linie, hält sich aber an einen Standardrahmen aus Grundkomponenten. In dieser technischen Anmerkung schlagen wir grundlegende Infrastrukturanforderungen für die Datenverwaltung, Datenwissenschafts-Workflows und lokale Knoten-Setup vor und berichten über die Vorteile und erfahrene Fallstricke bei der Umsetzung der lokalen Infrastruktur mit der deutschen Radiologischen kooperativen Netzwerkinitiative als Anwendungsbeispiel. Wir zeigen, wie die Infrastruktur auf einigen Basiskomponenten aufgebaut werden kann, um die Bedürfnisse eines föderierten Lernnetzwerks zu reflektieren und wie sie sowohl unter Berücksichtigung lokaler als auch globaler Netzwerkanforderungen umgesetzt werden können. Nach der Analyse des Bereitstellungsprozesses in verschiedenen Einstellungen und Szenarien empfehlen wir, den lokalen Knoten in eine bestehende klinische IT-Infrastruktur zu integrieren. Dieser Ansatz bietet Vorteile in Bezug auf Wartungs- und Bereitstellungsaufwand im Vergleich zur externen Integration in einer separaten Umgebung (z.B. der Radiologieabteilung). Diese vorgeschlagene Grundarbeit kann als beispielhafte Entwicklungsleitlinie für zukünftige Anwendungen von föderierten Lernnetzwerken in klinischen und wissenschaftlichen Umgebungen betrachtet werden.
| DOI: | 10.3390/healthcare11172377 |
Abstract:
Datengetriebenes maschinelles Lernen in der medizinischen Forschung und Diagnostik benötigt von klinischen Experten kuratierte großformatige Datensätze. Die Generierung großer Datensätze kann im Hinblick auf den Ressourcenverbrauch und den Zeitaufwand herausfordern, während die Verallgemeinerlichkeit und Validierung der entwickelten Modelle deutlich von der Vielfalt der Datenquellen profitieren. Schulungsalgorithmen zu kleineren dezentralen Datensätzen durch föderiertes Lernen können den Aufwand reduzieren, erfordern aber die Implementierung einer spezifischen und ambitionierten Infrastruktur, um Daten, Algorithmen und Rechenzeit zu teilen. Darüber hinaus bietet es die Möglichkeit, die Daten lokal zu pflegen und zu halten. Somit können Datensicherheitsprobleme vermieden werden, da Patientendaten nicht geteilt werden dürfen. Machine Learning Modelle werden auf lokalen Daten durch das Teilen des Modells und durch ein etabliertes Netzwerk trainiert. Neben kommerziellen Anwendungen gibt es auch zahlreiche akademische und maßgeschneiderte Implementierungen von Netzwerkinfrastrukturen. Die Konfiguration dieser Netzwerke unterscheidet sich in erster Linie, hält sich aber an einen Standardrahmen aus Grundkomponenten. In dieser technischen Anmerkung schlagen wir grundlegende Infrastrukturanforderungen für die Datenverwaltung, Datenwissenschafts-Workflows und lokale Knoten-Setup vor und berichten über die Vorteile und erfahrene Fallstricke bei der Umsetzung der lokalen Infrastruktur mit der deutschen Radiologischen kooperativen Netzwerkinitiative als Anwendungsbeispiel. Wir zeigen, wie die Infrastruktur auf einigen Basiskomponenten aufgebaut werden kann, um die Bedürfnisse eines föderierten Lernnetzwerks zu reflektieren und wie sie sowohl unter Berücksichtigung lokaler als auch globaler Netzwerkanforderungen umgesetzt werden können. Nach der Analyse des Bereitstellungsprozesses in verschiedenen Einstellungen und Szenarien empfehlen wir, den lokalen Knoten in eine bestehende klinische IT-Infrastruktur zu integrieren. Dieser Ansatz bietet Vorteile in Bezug auf Wartungs- und Bereitstellungsaufwand im Vergleich zur externen Integration in einer separaten Umgebung (z.B. der Radiologieabteilung). Diese vorgeschlagene Grundarbeit kann als beispielhafte Entwicklungsleitlinie für zukünftige Anwendungen von föderierten Lernnetzwerken in klinischen und wissenschaftlichen Umgebungen betrachtet werden.
E. M,
D. M,
N. N,
S. CO,
L. M and
S. M,
"Classifying sex with volume-matched brain MRI.",
Neuroimage. Reports,
Sep.
2023.
Abstract:
Geschlechtsunterschiede in der Größe bestimmter Gehirnstrukturen wurden umfassend untersucht, aber sorgfältige und reproduzierbare statistische Hypothesentests, um sie zu identifizieren, produzierte insgesamt kleine Effektgrößen und Unterschiede in Gehirnen von Männern und Frauen. Andererseits haben multivariate statistische oder maschinelle Lernmethoden, die MR-Bilder des gesamten Gehirns analysieren, respektable Akzente für die Aufgabe, Gehirne von Männern von Gehirnen von Frauen zu unterscheiden. Allerdings fehlten die meisten existierenden Studien eine sorgfältige Kontrolle für Hirnvolumenunterschiede zwischen den Geschlechtern und, wenn getan, ihre Genauigkeit oft auf 70% oder darunter. Dies stellt Fragen über die Relevanz der erreichten Genauigkeiten ohne sorgfältige Kontrolle des Gesamtvolumens. Wir untersuchten, wie genau der Sex aus den Eigenschaften des menschlichen Gehirns klassifiziert werden kann, wenn er sich auf das gesamte Gehirnvolumen anpasst. Wir haben getestet, wie robuste Machine Learning Klassifikatoren bei der Vorhersage von Cross-Cohort sind, d.h. wenn sie auf einer anderen Kohorte verwendet werden, als sie ausgebildet wurden. Darüber hinaus haben wir untersucht, wie ihre Genauigkeit von der Größe des Trainingssatzes abhängt und versuchte, Hirnregionen zu identifizieren, die für eine erfolgreiche Klassifizierung relevant sind. MRT-Daten wurden von zwei Bevölkerungsdatensätzen von 3298 meist älteren Erwachsenen aus der Studie of Health in Pomerania (SHIP) und 399 meist jüngeren Erwachsenen aus dem Human Connectome Project (HCP) verwendet. Wir haben zwei multivariate Methoden, logistische Regression und ein 3D-konvolutionales neuronales Netzwerk bewertet. Wir zeigen, dass männliche und weibliche Gehirne desselben intracranialen Volumens mit >92% Genauigkeit mit logistischer Regression auf einem Datensatz von 1166 angepasst Einzelpersonen unterschieden werden können. Das gleiche Modell erreichte auch 85% Genauigkeit auf einer anderen Kohorte ohne Rückgriff. Die Genauigkeit für beide Methoden erhöhte sich mit der Trainingskohortengröße bis zu und über 3000 Personen, was darauf hindeutet, dass Klassifikatoren, die auf kleinere Kohorten ausgebildet sind, einen Genauigkeitsnachteil haben. Wir fanden keine einzige hervorragende Gehirnregion, die für eine erfolgreiche Klassifikation erforderlich ist, aber wichtige Eigenschaften erscheinen ziemlich verteilt über das Gehirn.
| DOI: | 10.1016/j.ynirp.2023.100181 |
Abstract:
Geschlechtsunterschiede in der Größe bestimmter Gehirnstrukturen wurden umfassend untersucht, aber sorgfältige und reproduzierbare statistische Hypothesentests, um sie zu identifizieren, produzierte insgesamt kleine Effektgrößen und Unterschiede in Gehirnen von Männern und Frauen. Andererseits haben multivariate statistische oder maschinelle Lernmethoden, die MR-Bilder des gesamten Gehirns analysieren, respektable Akzente für die Aufgabe, Gehirne von Männern von Gehirnen von Frauen zu unterscheiden. Allerdings fehlten die meisten existierenden Studien eine sorgfältige Kontrolle für Hirnvolumenunterschiede zwischen den Geschlechtern und, wenn getan, ihre Genauigkeit oft auf 70% oder darunter. Dies stellt Fragen über die Relevanz der erreichten Genauigkeiten ohne sorgfältige Kontrolle des Gesamtvolumens. Wir untersuchten, wie genau der Sex aus den Eigenschaften des menschlichen Gehirns klassifiziert werden kann, wenn er sich auf das gesamte Gehirnvolumen anpasst. Wir haben getestet, wie robuste Machine Learning Klassifikatoren bei der Vorhersage von Cross-Cohort sind, d.h. wenn sie auf einer anderen Kohorte verwendet werden, als sie ausgebildet wurden. Darüber hinaus haben wir untersucht, wie ihre Genauigkeit von der Größe des Trainingssatzes abhängt und versuchte, Hirnregionen zu identifizieren, die für eine erfolgreiche Klassifizierung relevant sind. MRT-Daten wurden von zwei Bevölkerungsdatensätzen von 3298 meist älteren Erwachsenen aus der Studie of Health in Pomerania (SHIP) und 399 meist jüngeren Erwachsenen aus dem Human Connectome Project (HCP) verwendet. Wir haben zwei multivariate Methoden, logistische Regression und ein 3D-konvolutionales neuronales Netzwerk bewertet. Wir zeigen, dass männliche und weibliche Gehirne desselben intracranialen Volumens mit >92% Genauigkeit mit logistischer Regression auf einem Datensatz von 1166 angepasst Einzelpersonen unterschieden werden können. Das gleiche Modell erreichte auch 85% Genauigkeit auf einer anderen Kohorte ohne Rückgriff. Die Genauigkeit für beide Methoden erhöhte sich mit der Trainingskohortengröße bis zu und über 3000 Personen, was darauf hindeutet, dass Klassifikatoren, die auf kleinere Kohorten ausgebildet sind, einen Genauigkeitsnachteil haben. Wir fanden keine einzige hervorragende Gehirnregion, die für eine erfolgreiche Klassifikation erforderlich ist, aber wichtige Eigenschaften erscheinen ziemlich verteilt über das Gehirn.
M. HJ and
M. B,
"Clinical importance of thoracal lymphadenopathy in COVID-19.",
Journal of infection and public health,
Aug.
2023.
Abstract:
Thorakale Lymphadenopathie kann Prognosen bei Patienten mit Koronavirus-Krankheit 2019 (COVID-19) vorhersagen, wenngleich die gemeldeten Daten unschlüssig sind. Ziel der vorliegenden Analyse war es, die betroffenen Lymphknotenstationen und die kumulative Lymphknotengröße, die sich aus der berechneten Tomographie (CT) ergibt, zur Vorhersage von 30-tägiger Mortalität bei Patienten mit COVID-19 zu analysieren. Die klinische Datenbank wurde für Patienten mit COVID-19 zwischen 2020 und 2022 rückwirkend untersucht. Insgesamt wurden 177 Patienten (63 weiblich, 35,6%) in die Analyse aufgenommen. Thoracal Lymphadenopathie wurde durch einen kurzen Achsdurchmesser über 10 mm definiert. Die kumulative Lymphknotengröße der größten Lymphknoten wurde berechnet und die Menge der betroffenen Lymphknotenstationen quantifiziert. Insgesamt starben 53 Patienten (29,9%) innerhalb der 30-tägigen Beobachtungszeit. Bei der ICU wurden 108 Patienten (61,0%) zugelassen und 91 Patienten mussten intubiert werden (51.4%). Insgesamt gab es 130 Patienten mit Lymphadenopathie (73,4%). Die mittlere Anzahl der betroffenen Lymphknotenwerte lag bei Nicht-Überlebenden höher als bei Überlebenden (also 4,0 vs 2,2, p < 0,001). Die kumulative Größe war auch bei Nichtüberlebenden höher als bei Überlebenden (Mittel 55,9 mm gegenüber 44.1 mm, p = 0,006). Die Anwesenheit von Lymphadenopathie wurde mit 30-tägiger Mortalität in einer multivariablen Analyse verbunden, OR = 2,99 (95% CI 1,20 - 7,43), p = 0.02. Eine Thorax-Lymphadenopathie mit kumulativer Größe und von CT-Bildern abgeleiteten Betroffenen ist bei Patienten mit COVID-19 mit 30-tägiger Mortalität verbunden.
| DOI: | 10.1016/j.jiph.2023.05.031 |
Abstract:
Thorakale Lymphadenopathie kann Prognosen bei Patienten mit Koronavirus-Krankheit 2019 (COVID-19) vorhersagen, wenngleich die gemeldeten Daten unschlüssig sind. Ziel der vorliegenden Analyse war es, die betroffenen Lymphknotenstationen und die kumulative Lymphknotengröße, die sich aus der berechneten Tomographie (CT) ergibt, zur Vorhersage von 30-tägiger Mortalität bei Patienten mit COVID-19 zu analysieren. Die klinische Datenbank wurde für Patienten mit COVID-19 zwischen 2020 und 2022 rückwirkend untersucht. Insgesamt wurden 177 Patienten (63 weiblich, 35,6%) in die Analyse aufgenommen. Thoracal Lymphadenopathie wurde durch einen kurzen Achsdurchmesser über 10 mm definiert. Die kumulative Lymphknotengröße der größten Lymphknoten wurde berechnet und die Menge der betroffenen Lymphknotenstationen quantifiziert. Insgesamt starben 53 Patienten (29,9%) innerhalb der 30-tägigen Beobachtungszeit. Bei der ICU wurden 108 Patienten (61,0%) zugelassen und 91 Patienten mussten intubiert werden (51.4%). Insgesamt gab es 130 Patienten mit Lymphadenopathie (73,4%). Die mittlere Anzahl der betroffenen Lymphknotenwerte lag bei Nicht-Überlebenden höher als bei Überlebenden (also 4,0 vs 2,2, p < 0,001). Die kumulative Größe war auch bei Nichtüberlebenden höher als bei Überlebenden (Mittel 55,9 mm gegenüber 44.1 mm, p = 0,006). Die Anwesenheit von Lymphadenopathie wurde mit 30-tägiger Mortalität in einer multivariablen Analyse verbunden, OR = 2,99 (95% CI 1,20 - 7,43), p = 0.02. Eine Thorax-Lymphadenopathie mit kumulativer Größe und von CT-Bildern abgeleiteten Betroffenen ist bei Patienten mit COVID-19 mit 30-tägiger Mortalität verbunden.
D. Gagiannis,
C. Hackenbroch,
W. Bloch,
F. Zech,
F. Kirchhoff,
S. Djudjaj,
S. Stillfried,
R. Bülow,
P. Boor and
K. Steinestel,
"Clinical, Imaging, and Histopathological Features of Pulmonary Sequelae Following Mild COVID-19",
American Journal of Respiratory and Critical Care Medicine,
Jun.
2023.
| DOI: | 10.1164/rccm.202302-0285LE |
| Datei: | https://www.atsjournals.org/doi/abs/10.1164/rccm.202302-0285LE |
T. A. S,
I. P,
S. M,
M. G,
K. F,
K. JN,
K. C,
N. S and
T. D,
"Collaborative training of medical artificial intelligence models with non-uniform labels.",
Scientific reports,
Apr.
2023.
Abstract:
Aufgrund der rasanten Fortschritte in den letzten Jahren wird die medizinische Bildanalyse weitgehend von Deep Learning (DL) dominiert. Der Aufbau von leistungsstarken und robusten DL-Modellen erfordert jedoch Schulungen mit großen Multi-Party-Datensätzen. Während mehrere Stakeholder öffentlich verfügbare Datensätze bereitgestellt haben, sind die Art und Weise, wie diese Daten markiert werden, sehr unterschiedlich. Eine Einrichtung könnte beispielsweise einen Datensatz von Brust-Funkgraphen mit Etiketten für das Vorhandensein von Lungenentzündung bereitstellen, während eine andere Einrichtung einen Schwerpunkt auf der Bestimmung des Vorhandenseins von Metastasen in der Lunge haben könnte. Die Ausbildung eines einzigen KI-Modells mit all diesen Daten ist mit dem herkömmlichen föderierten Lernen (FL) nicht machbar. Dies ruft uns dazu auf, eine Erweiterung des weitverbreiteten FL-Prozesses vorzuschlagen, nämlich flexibles föderiertes Lernen (FFL) zur kollaborativen Ausbildung solcher Daten. Mit 695.000 Brust-Radiographen von fünf Institutionen von überall auf der Welt mit unterschiedlichen Etiketten- wir zeigen, dass mit heterogen markierten Datensätzen, FFL-basiertes Training führt zu einer signifikanten Leistungssteigerung im Vergleich zu herkömmlichen FL-Training, wo nur die gleichmäßig markierten Bilder verwendet werden. Wir glauben, dass unser vorgeschlagener Algorithmus den Prozess beschleunigen könnte, kollaborative Trainingsmethoden aus der Forschungs- und Simulationsphase in die realen Anwendungen im Gesundheitswesen zu bringen.
| DOI: | 10.1038/s41598-023-33303-y |
Abstract:
Aufgrund der rasanten Fortschritte in den letzten Jahren wird die medizinische Bildanalyse weitgehend von Deep Learning (DL) dominiert. Der Aufbau von leistungsstarken und robusten DL-Modellen erfordert jedoch Schulungen mit großen Multi-Party-Datensätzen. Während mehrere Stakeholder öffentlich verfügbare Datensätze bereitgestellt haben, sind die Art und Weise, wie diese Daten markiert werden, sehr unterschiedlich. Eine Einrichtung könnte beispielsweise einen Datensatz von Brust-Funkgraphen mit Etiketten für das Vorhandensein von Lungenentzündung bereitstellen, während eine andere Einrichtung einen Schwerpunkt auf der Bestimmung des Vorhandenseins von Metastasen in der Lunge haben könnte. Die Ausbildung eines einzigen KI-Modells mit all diesen Daten ist mit dem herkömmlichen föderierten Lernen (FL) nicht machbar. Dies ruft uns dazu auf, eine Erweiterung des weitverbreiteten FL-Prozesses vorzuschlagen, nämlich flexibles föderiertes Lernen (FFL) zur kollaborativen Ausbildung solcher Daten. Mit 695.000 Brust-Radiographen von fünf Institutionen von überall auf der Welt mit unterschiedlichen Etiketten- wir zeigen, dass mit heterogen markierten Datensätzen, FFL-basiertes Training führt zu einer signifikanten Leistungssteigerung im Vergleich zu herkömmlichen FL-Training, wo nur die gleichmäßig markierten Bilder verwendet werden. Wir glauben, dass unser vorgeschlagener Algorithmus den Prozess beschleunigen könnte, kollaborative Trainingsmethoden aus der Forschungs- und Simulationsphase in die realen Anwendungen im Gesundheitswesen zu bringen.
I. Bernemann,
S. Haag,
B. Fösel,
C. Dolch,
N. Klopp,
V. Kopfnagel,
A. Kühn-Steven,
S. Kunze,
S. Mücke,
I. Ruhl,
M. Schieck,
T. Illig and
G. Anton,
"Compliance with study standards in multicentre studies using the example of NAPKON.",
no. ISBN 978-3-8382-1841-0,
pp. 61-62,
2023.
[eng]
K. Bräutigam,
S. Reinhard,
M. Wartenberg,
S. Forster,
K. Greif,
M. Granai,
H. Bösmüller,
K. Klingel and
C. M. Schürch,
"Comprehensive analysis of SARS-CoV-2 receptor proteins in human respiratory tissues identifies alveolar macrophages as potential virus entry site",
Histopathology,
vol. 82,
no. 6,
pp. 846—859,
Mai
2023.
Abstract:
AIMS: COVID-19 has had enormous consequences on global health-care and has resulted in millions of fatalities. The exact mechanism and site of SARS-CoV-2 entry into the body remains insufficiently understood. Recently, novel virus receptors were identified, and alveolar macrophages were suggested as a potential viral entry cell type and vector for intra-alveolar virus transmission. Here, we investigated the protein expression of 10 well-known and novel virus entry molecules along potential entry sites in humans using immunohistochemistry. METHODS AND RESULTS: Samples of different anatomical sites from up to 93 patients were incorporated into tissue microarrays. Protein expression of ACE2, TMPRSS2, furin, CD147, C-type lectin receptors (CD169, CD209, CD299), neuropilin-1, ASGR1 and KREMEN1 were analysed. In lung tissues, at least one of the three receptors ACE2, ASGR1 or KREMEN1 was expressed in the majority of cases. Moreover, all the investigated molecules were found to be expressed in alveolar macrophages, and co-localisation with SARS-CoV-2 N-protein was demonstrated using dual immunohistochemistry in lung tissue from a COVID-19 autopsy. While CD169 and CD209 showed consistent protein expression in sinonasal, conjunctival and bronchiolar tissues, neuropilin-1 and ASGR1 were mostly absent, suggesting a minor relevance of these two molecules at these specific sites. CONCLUSION: Our results extend recent discoveries indicating a role for these molecules in virus entry at different anatomical sites. Moreover, they support the notion of alveolar macrophages being a potential entry cell for SARS-CoV-2.
| DOI: | 10.1111/his.14871 |
Abstract:
AIMS: COVID-19 has had enormous consequences on global health-care and has resulted in millions of fatalities. The exact mechanism and site of SARS-CoV-2 entry into the body remains insufficiently understood. Recently, novel virus receptors were identified, and alveolar macrophages were suggested as a potential viral entry cell type and vector for intra-alveolar virus transmission. Here, we investigated the protein expression of 10 well-known and novel virus entry molecules along potential entry sites in humans using immunohistochemistry. METHODS AND RESULTS: Samples of different anatomical sites from up to 93 patients were incorporated into tissue microarrays. Protein expression of ACE2, TMPRSS2, furin, CD147, C-type lectin receptors (CD169, CD209, CD299), neuropilin-1, ASGR1 and KREMEN1 were analysed. In lung tissues, at least one of the three receptors ACE2, ASGR1 or KREMEN1 was expressed in the majority of cases. Moreover, all the investigated molecules were found to be expressed in alveolar macrophages, and co-localisation with SARS-CoV-2 N-protein was demonstrated using dual immunohistochemistry in lung tissue from a COVID-19 autopsy. While CD169 and CD209 showed consistent protein expression in sinonasal, conjunctival and bronchiolar tissues, neuropilin-1 and ASGR1 were mostly absent, suggesting a minor relevance of these two molecules at these specific sites. CONCLUSION: Our results extend recent discoveries indicating a role for these molecules in virus entry at different anatomical sites. Moreover, they support the notion of alveolar macrophages being a potential entry cell for SARS-CoV-2.
[en]
J. Schädler,
A. T. Azeke,
B. Ondruschka,
S. Steurer,
M. Lütgehetmann,
A. Fitzek and
D. Möbius,
"Concordance between MITS and conventional autopsies for pathological and virological diagnoses",
International Journal of Legal Medicine,
Okt.
2023.
Abstract:
In pandemics or to further study highly contagious infectious diseases, new strategies are needed for the collection of post-mortem tissue samples to identify the pathogen as well as its morphological impact. In this study, an ultrasound-guided minimally invasive tissue sampling (MITS) protocol was developed and validated for post-mortem use. The histological and microbiological qualities of post-mortem specimens were evaluated and compared between MITS and conventional autopsy (CA) in a series of COVID-19 deaths. Thirty-six ultrasound-guided MITS were performed. In five cases more, specimens for histological and virological examination were also obtained and compared during the subsequently performed CA. Summary statistics and qualitative interpretations (positive, negative) were calculated for each organ tissue sample from MITS and CA, and target genes were determined for both human cell count (beta-globin) and virus (SARS-CoV-2 specific E gene). There are no significant differences between MITS and CA with respect to the detectability of viral load in individual organs, which is why MITS can be of utmost importance and an useful alternative, especially during outbreaks of infectious diseases.
| DOI: | 10.1007/s00414-023-03088-w |
| Datei: | https://doi.org/10.1007/s00414-023-03088-w |
Abstract:
In pandemics or to further study highly contagious infectious diseases, new strategies are needed for the collection of post-mortem tissue samples to identify the pathogen as well as its morphological impact. In this study, an ultrasound-guided minimally invasive tissue sampling (MITS) protocol was developed and validated for post-mortem use. The histological and microbiological qualities of post-mortem specimens were evaluated and compared between MITS and conventional autopsy (CA) in a series of COVID-19 deaths. Thirty-six ultrasound-guided MITS were performed. In five cases more, specimens for histological and virological examination were also obtained and compared during the subsequently performed CA. Summary statistics and qualitative interpretations (positive, negative) were calculated for each organ tissue sample from MITS and CA, and target genes were determined for both human cell count (beta-globin) and virus (SARS-CoV-2 specific E gene). There are no significant differences between MITS and CA with respect to the detectability of viral load in individual organs, which is why MITS can be of utmost importance and an useful alternative, especially during outbreaks of infectious diseases.
K. O. Yusuf,
A. Schoneberg,
S. Hanß,
M. Wiesenfeldt,
M. Stecher,
L. Mitrov,
S. M. Hopff,
S. Steinbrecher,
F. Kurth,
T. Bahmer,
S. Schreiber,
D. Pape,
A. Hofmann,
M. Kohls,
S. Störk,
H. C. Stubbe,
J. J. Tebbe,
J. C. Hellmuth,
J. Erber,
L. Krist,
S. Rieg,
L. Pilgram,
J. J. Vehreschild,
J. Reese and
D. Krefting,
"Consistency as a Data Quality Measure for German Corona
Consensus Items Mapped from National Pandemic Cohort Network
Data Collections",
Methods Inf Med,
vol. 62,
no. S 01,
pp. e47—e56,
Jan.
2023.
Georg Thieme Verlag KG.
Abstract:
Background As a national effort to better understand the current pandemic, three cohorts collect sociodemographic and clinical data from coronavirus disease 2019 (COVID-19) patients from different target populations within the German National Pandemic Cohort Network (NAPKON). Furthermore, the German Corona Consensus Dataset (GECCO) was introduced as a harmonized basic information model for COVID-19 patients in clinical routine. To compare the cohort data with other GECCO-based studies, data items are mapped to GECCO. As mapping from one information model to another is complex, an additional consistency evaluation of the mapped items is recommended to detect possible mapping issues or source data inconsistencies.Objectives The goal of this work is to assure high consistency of research data mapped to the GECCO data model. In particular, it aims at identifying contradictions within interdependent GECCO data items of the German national COVID-19 cohorts to allow investigation of possible reasons for identified contradictions. We furthermore aim at enabling other researchers to easily perform data quality evaluation on GECCO-based datasets and adapt to similar data models.Methods All suitable data items from each of the three NAPKON cohorts are mapped to the GECCO items. A consistency assessment tool (dqGecco) is implemented, following the design of an existing quality assessment framework, retaining their-defined consistency taxonomies, including logical and empirical contradictions. Results of the assessment are verified independently on the primary data source.Results Our consistency assessment tool helped in correcting the mapping procedure and reveals remaining contradictory value combinations within COVID-19 symptoms, vital signs, and COVID-19 severity. Consistency rates differ between the different indicators and cohorts ranging from 95.84% up to 100%.Conclusion An efficient and portable tool capable of discovering inconsistencies in the COVID-19 domain has been developed and applied to three different cohorts. As the GECCO dataset is employed in different platforms and studies, the tool can be directly applied there or adapted to similar information models.
| DOI: | 10.1055/a-2006-1086 |
Abstract:
Background As a national effort to better understand the current pandemic, three cohorts collect sociodemographic and clinical data from coronavirus disease 2019 (COVID-19) patients from different target populations within the German National Pandemic Cohort Network (NAPKON). Furthermore, the German Corona Consensus Dataset (GECCO) was introduced as a harmonized basic information model for COVID-19 patients in clinical routine. To compare the cohort data with other GECCO-based studies, data items are mapped to GECCO. As mapping from one information model to another is complex, an additional consistency evaluation of the mapped items is recommended to detect possible mapping issues or source data inconsistencies.Objectives The goal of this work is to assure high consistency of research data mapped to the GECCO data model. In particular, it aims at identifying contradictions within interdependent GECCO data items of the German national COVID-19 cohorts to allow investigation of possible reasons for identified contradictions. We furthermore aim at enabling other researchers to easily perform data quality evaluation on GECCO-based datasets and adapt to similar data models.Methods All suitable data items from each of the three NAPKON cohorts are mapped to the GECCO items. A consistency assessment tool (dqGecco) is implemented, following the design of an existing quality assessment framework, retaining their-defined consistency taxonomies, including logical and empirical contradictions. Results of the assessment are verified independently on the primary data source.Results Our consistency assessment tool helped in correcting the mapping procedure and reveals remaining contradictory value combinations within COVID-19 symptoms, vital signs, and COVID-19 severity. Consistency rates differ between the different indicators and cohorts ranging from 95.84% up to 100%.Conclusion An efficient and portable tool capable of discovering inconsistencies in the COVID-19 domain has been developed and applied to three different cohorts. As the GECCO dataset is employed in different platforms and studies, the tool can be directly applied there or adapted to similar information models.
K. O. Yusuf,
O. Miljukov,
A. Schoneberg,
S. Hanß,
M. Wiesenfeldt,
M. Stecher,
L. Mitrov,
S. Hopff,
S. Steinbrecher,
F. Kurth,
T. Bahmer,
S. Schreiber,
D. Pape,
A. Hofmann,
M. Kohls,
S. Störk,
H. C. Stubbe,
J. J. Tebbe,
J. Hellmuth,
J. Erber,
L. Krist,
S. Rieg,
L. Pilgram,
J. J. Vehreschild,
J. Reese and
D. Krefting,
"Consistency as a Data Quality Measure for German Corona Consensus Items Mapped from National Pandemic Cohort Network Data Collections.",
01
2023.
| DOI: | 10.1055/a-2006-1086 |