(Januar 2017) Smart Reporting, Siemens Healthineers und die Technische Universität München (TUM) starten das gemeinsame Forschungsprojekt Rapids. Es dient der Erforschung und Entwicklung algorithmischer Bildanalyse von medizinischen Aufnahmen wie Röntgen, CT oder MRT. Ziel des Projekts ist es, automatisierte Bildanalyse im klinischen Alltag anwendbar zu machen und in den radiologischen Workflow zu integrieren.
Durch die interdisziplinäre Verbindung algorithmischer Bildanalyse mit IT-gestützter strukturierter Befundung wird radiologische Befundung auf ein technologisch höheres Niveau gehoben. Verbessert werden soll nicht nur die Qualität radiologischer Befunde, sondern auch die Therapiemöglichkeiten für Patienten.
Siemens Healthineers stellt für das Projekt seine digitale Plattform ‚teamplay’ zur Verfügung und sorgt für die IT-Integration in den klinischen Workflow. Die TUM erforscht die Anwendbarkeit bildanalytischer Verfahren auf klinische Use Cases und betreibt Grundlagenforschung zur Auswahl und Verbesserung der Analysealgorithmen. Smart Reporting stellt die Befundungssoftware zur Verfügung. Diese erstellt strukturierte Befunde auf Basis der Analyseergebnisse und den Angaben des Radiologen.
Im klinischen Alltag kommt algorithmische Bildanalyse bisher nur vereinzelt zur Anwendung. Das liegt u. a. daran, dass intelligente Bilderkennungssoftware sich nur aufwändig in den ärztlichen Workflow integrieren lässt. Zielsetzung des Forschungsprojekts ist es daher, die Voraussetzungen für einen großflächigen Einsatz dieser modernen Technologie in der radiologischen Diagnostik zu schaffen.
Weltweit arbeiten Forscher daran, mit Hilfe intelligenter Algorithmen medizinische Bilder auszuwerten, um Diagnose und Therapie zu verbessern. „Bilderkennungssoftware und Algorithmen sind viel exakter als das menschliche Auge und können auch winzigste Anomalien auf CTs oder MRTs entdecken“, erklärt Prof. Dr. Wieland Sommer, Initiator des Forschungsprojekts. Und weiter: „Durch die genauere Analyse medizinischer Aufnahmen, können nicht nur Tumore früher erkannt, sondern auch die Therapien besser angepasst werden. Unsere Vision ist es, die Vorteile intelligenter algorithmischer Bilderkennung einer Vielzahl von Patienten zugänglich zu machen. Dies erreichen wir, indem wir Bilderkennung mit strukturierter Befundung kombinieren.“
Rapids
Das System ‚Radiomics Platform for cloud-based Image Diagnostics and Structured Reporting’ besteht aus zwei Komponenten: einem auf Machine Learning basierendem CAD-System (Computer-Aided Detection) und einer cloudbasierten Befundungssoftware.
Ärzte senden klinische Bilder wie MRTs oder CTs in die ‚teamplay’ cloud, eine cloudbasierte Datenanalyse- und Kollaborationsplattform, die es Klinikern, Ärzten und Forschern ermöglicht, medizinische Studiendaten effizient zu verwalten und zu analysieren. Damit unterstützt die Plattform auch den Austausch medizinischer Daten für internationale multizentrische klinische Forschungsstudien und eine Überführung von Ergebnissen in andere Cloud-Systeme.
Die hochgeladenen Medizinbilder werden anonymisiert und anschließend an die ebenfalls cloudbasierte Rapids-Plattform übergeben. Die Anonymisierungssoftware von Siemens Healthineers ist durch das Europäisches Datenschutz-Gütesiegel ‚EuroPriSe‘ und durch das Unabhängige Landeszentrum für Datenschutz Schleswig-Holstein ‚ULD‘ zertifiziert.
Auf der Plattform werden die Bilddateien mittels intelligenter Algorithmen ausgewertet und auf vordefinierte Parameter hin analysiert, wie beispielsweise Tumorabmessungen oder Anzahl der Metastasen. Die Algorithmen sind hochkomplex und verbessern dank neuronaler Netzwerke eigenständig ihre Performance. Leistungsfähige Algorithmen sind in der Lage, Volumen oder Lokalisation von Tumoren mit einer höheren Genauigkeit zu ermitteln, als dies dem menschlichen Betrachter möglich ist.
Die Analyseresultate werden in eine Version der Befundungssoftware ‚Smart Radiology’ eingespeist und in entsprechende Befundvorlagen eingepflegt. Der Arzt kann die bereits vorbefüllte Befundvorlage aufrufen und ergänzt weitere Informationen, indem das System gezielt und anhand von Entscheidungsbäumen bzw. Checklisten medizinische Parameter abfragt. Das System navigiert den Arzt quasi durch die Befundung. Auf Basis der algorithmisch ermittelten Analyseergebnisse und der Angaben des Arztes werden dann eindeutige und einheitlich strukturierte Befundtexte automatisiert vom System erstellt.
Gefördert wird das Projekt mit einer sechsstelligen Summe vom Bayerischen Staatsministerium für Wirtschaft und Medien, Energie und Technologie.
Quelle Text: smartreporting
Quelle Bild: Fotolia Maxim Pavlov