Das multiple Myelom zählt zu den komplexesten hämatologischen Erkrankungen – geprägt von einer räumlich sehr heterogenen Beteiligung des Knochenmarks, die eine verlässliche Diagnostik und Verlaufskontrolle erschwert. Klassische Verfahren wie die Knochenmarkbiopsie stoßen hier an ihre Grenzen, da sie immer nur einen kleinen Ausschnitt der Erkrankung erfassen können.
KI in der Ganzkörper-MRT bei multiplem Myelom
Prof. Christina Messiou im Interview
Die Ganzkörper-MRT hat sich in den letzten Jahren als eine der sensitivsten und aussagekräftigsten Bildgebungsmethoden für Myelompatient:innen etabliert. Sie liefert nicht nur anatomische, sondern auch funktionelle und quantitative Informationen – von der Diffusionsbildgebung bis zur Fettfraktion – und eröffnet damit völlig neue Möglichkeiten für Diagnose, Therapieplanung und Verlaufsbeobachtung.
Doch die Fülle an Daten, die eine Ganzkörper-MRT liefert, stellt Radiologinnen und Radiologen im klinischen Alltag vor erhebliche Herausforderungen. Genau hier setzt die Zusammenarbeit zwischen dem Institute of Cancer Research, dem Royal Marsden und Mint Medical an: Ein KI-Algorithmus, integriert in die Software mint Lesion, automatisiert zentrale Auswertungsschritte – von der Segmentierung des Skeletts bis zur longitudinalen Verlaufsdarstellung – und macht so aus einem qualitativen Bildgebungsverfahren ein robustes, quantitatives Instrument der Präzisionsmedizin.
Über die klinischen Chancen, aber auch die Zukunft dieser Technologie haben wir mit Professor Christina Messiou gesprochen, einer der international führenden Expertinnen für Ganzkörper-MRT bei Myelompatienten.
Welchen Nutzen bietet die Ganzkörper-MRT für Patienten mit Myelom?
Die Ganzkörper-MRT (WB-MRT) ist eine hochsensitive, nicht-invasive Bildgebungsmethode zur Detektion und Charakterisierung des Myeloms, die sowohl der Niedrigdosis-CT als auch der FDG-PET/CT bei der Identifikation diffuser und fokaler Markbeteiligung sowie extramedullärer Erkrankung nachweislich überlegen ist. Aus diesem Grund empfiehlt die International Myeloma Working Group die WB-MRT zur Überwachung von Patient:innen mit asymptomatischem Myelom sowie in Fällen, in denen die Befunde von CT oder FDG-PET/CT negativ oder unklar sind.
In Großbritannien wird die WB-MRT inzwischen als bildgebendes Verfahren der ersten Wahl bei Verdacht auf Myelom empfohlen – gestützt durch klinische Ergebnisdaten sowie gesundheitsökonomische Analysen. Erste Evidenz spricht zudem für ihren routinemäßigen Einsatz in der Beurteilung nach Therapie, da das Vorliegen einer Resterkrankung in der WB-MRT mit schlechteren Verläufen assoziiert ist.
Die Stärke der WB-MRT liegt in der Kombination anatomischer Bildgebung mit quantitativen funktionellen Techniken, einschließlich der diffusionsgewichteten Bildgebung (Apparent Diffusion Coefficient) und der Dixon-basierten relativen Fettquantifizierung. In der klinischen Routine bleibt jedoch die umfassende Extraktion und Nutzung dieser quantitativen Parameter eine Herausforderung.
Die Zusammenarbeit zwischen dem Institute of Cancer Research, dem Royal Marsden und Mint Medical hat einen KI-Algorithmus für die WB-MRT in mint Lesion integriert. Wie verändert die Übersetzung dieses Algorithmus in ein strukturiertes Software-Framework aus praktischer Sicht den standardmäßigen Befundungsprozess zur Beurteilung der Knochenbeteiligung beim multiplen Myelom?
Die Integration KI-gestützter Analyse in eine strukturierte Reporting-Plattform stellt einen bedeutenden Fortschritt in der Interpretation der WB-MRT dar. Für Radiolog:innen bieten strukturierte Frameworks Konsistenz und dienen als kognitive Unterstützung, die eine umfassende und standardisierte Berichterstattung klinisch relevanter Befunde sicherstellt.
Für Hämatolog:innen verbessern strukturierte Berichte die Klarheit und Zugänglichkeit und ermöglichen eine effiziente Navigation und Interpretation. Die Einbindung visueller Zusammenfassungen und Infografiken verbessert die interdisziplinäre Kommunikation und unterstützt die Einbindung der Patient:innen, indem sie deren Verständnis ihrer eigenen Erkrankung fördert.
Wichtig ist zudem, dass dieser Ansatz die systematische Erfassung hochwertiger, standardisierter Daten ermöglicht und so die routinemäßige klinische Bildgebung in einen skalierbaren, auswertbaren Datensatz für Forschung, Biomarker-Entwicklung und zukünftige Erkenntnisse verwandelt.
Um diesen Workflow-Herausforderungen zu begegnen, integriert mint Lesion Automatisierungs- und KI-Tools, um das Skelett in einzelne Regionen zu segmentieren, das Gesamtvolumen der Erkrankung zu berechnen, quantitative Metriken wie ADC und Fettfraktionen darzustellen und serielle Scans nebeneinander abzugleichen. Wie verändern diese automatisierten Funktionen aus praktischer Sicht die Art und Weise, wie ein Radiologe mit einem komplexen Ganzkörper-MRT-Datensatz interagiert?
Die manuelle Segmentierung des Skeletts sowie die Extraktion regionaler oder ganzkörperbezogener Krankheitsmetriken sind im klinischen Routinealltag nicht praktikabel und schränken den vollen klinischen Nutzen der WB-MRT ein. Automatisierung überwindet diese Hürde, indem sie diese arbeitsintensiven Aufgaben effizient und reproduzierbar übernimmt.
Durch die Segmentierung des Skeletts in anatomische Regionen, die Quantifizierung der Gesamtkrankheitslast, die Darstellung quantitativer Parameter wie ADC und Fettfraktion sowie die Möglichkeit des Seite-an-Seite-Vergleichs serieller Untersuchungen straffen KI-gestützte Plattformen die Bildinterpretation.
Dies verschiebt die Rolle der Radiolog:innen von der Datenextraktion zur Dateninterpretation und schafft eine strukturierte, intuitive Umgebung, in der komplexe Datensätze bereits vorverarbeitet sind und klinisch verwertbare Erkenntnisse unmittelbar zur Verfügung stehen. Auf diese Weise entwickelt sich die WB-MRT von einem überwiegend qualitativen Werkzeug zu einer robusten, quantitativen bildgebenden Biomarker-Plattform.
Warum sind diese spezifischen automatisierten Metriken – wie die Verfolgung der regionalen Krankheitslast, regionale Zellularitätswerte und objektive Verlaufskurven – bei der Steuerung des Behandlungspfads eines Patienten über die Zeit klinisch so bedeutsam?
Das Myelom ist durch eine räumlich heterogene Knochenmarkbeteiligung gekennzeichnet, was die Probenentnahme mittels Knochenmarkbiopsie naturgemäß limitiert und anfällig für Stichprobenfehler macht. Die WB-MRT ermöglicht eine umfassende Beurteilung der Krankheitslast über das gesamte Skelett hinweg, und die automatisierte Quantifizierung erlaubt eine objektive und reproduzierbare Messung dieser Krankheitslast.
Da therapeutische Fortschritte das Überleben verlängert haben, wird das Myelom zunehmend als chronische Erkrankung behandelt, die häufig mehrere Therapielinien erfordert. Dies erfordert eine differenzierte, datengestützte Entscheidungsfindung, die Therapiewirksamkeit gegen Toxizität und patientenbezogene Begleiterkrankungen abwägt.
Quantitative Metriken – wie regionale Krankheitslast, Zellularitätsschätzungen und Verlaufstrends – können objektive Maße für Ansprechen und Progression liefern. Indem diese Daten in einem zugänglichen und standardisierten Format dargestellt werden, reduzieren automatisierte Plattformen Subjektivität und unterstützen präzisere, individuellere Behandlungsstrategien über die Zeit.
Da sich das Management des multiplen Myeloms zunehmend in Richtung einer langfristigen Krankheitskontrolle verschiebt: Wie sieht Ihre Vision für die Zukunft der KI-gestützten Bildgebung aus? Wie müssen sich Software-Frameworks konkret weiterentwickeln, um neue quantitative Biomarker zu integrieren und die Präzisionsmedizin weiter zu unterstützen?
Die Zukunft der Myelom-Bildgebung liegt in der Integration multimodaler, quantitativer Biomarker, um die komplexe Biologie der Erkrankung besser zu charakterisieren. Einzelparameter-Bewertungen reichen zunehmend nicht mehr aus; stattdessen werden umfassende diagnostische Modelle erforderlich sein, die mehrere bildgebende und klinische Biomarker einbeziehen.
KI-gestützte Plattformen werden in diesem Wandel eine zentrale Rolle spielen, indem sie den Übergang von qualitativer zu quantitativer Bildgebung erleichtern und die skalierbare Integration verschiedener Datentypen ermöglichen. Über konventionelle bildgebende Metriken hinaus besteht erhebliches Potenzial, neue Biomarker einzubeziehen – etwa die Körperzusammensetzungsanalyse und prädiktive bildgebende Signaturen.
Um diese Vision zu verwirklichen, müssen sich Software-Frameworks so weiterentwickeln, dass sie Interoperabilität, Standardisierung und eine nahtlose Integration in klinische Workflows unterstützen. Letztlich werden diese Fortschritte die Grundlage für Präzisionsmedizin-Ansätze bilden und eine genauere Risikostratifizierung, Therapieauswahl und longitudinale Krankheitsüberwachung bei Patienten mit Myelom ermöglichen.
Das Gespräch mit Professor Messiou macht deutlich, wie sehr sich die Bildgebung bei multiplem Myelom im Wandel befindet: weg von rein qualitativer Befundung, hin zu einem datengetriebenen, quantitativen Instrument, das Ärztinnen und Ärzten fundiertere Entscheidungen entlang des gesamten Behandlungspfads ermöglicht. Gerade weil das Myelom zunehmend als chronische Erkrankung mit wiederholten Therapielinien verstanden wird, gewinnen objektive, reproduzierbare Verlaufsdaten enorm an Bedeutung – für Patientinnen und Patienten ebenso wie für die behandelnden Teams.
Wir bedanken uns herzlich bei Professor Christina Messiou für ihre Zeit und die spannenden Einblicke in ihre klinische und wissenschaftliche Arbeit.
Professor Christina Messiou ist Fachärztin für Radiologie am The Royal Marsden NHS Foundation Trust und Professorin am Institute of Cancer Research in London, wo sie seit 2007 tätig ist. Als auf onkologische Bildgebung spezialisierte Radiologin mit den Schwerpunkten Multiples Myelom, Melanom und Weichteilsarkome gilt sie international als führende Expertin für die Ganzkörper-Diffusions-MRT (Whole-Body Diffusion-Weighted MRI). Sie gehörte zu den ersten Radiologinnen und Radiologen, die diese Technik in die klinische Routineversorgung von Patientinnen und Patienten mit Multiplem Myelom einführten. In Anerkennung ihrer Forschungsarbeit wurde ihr 2014 vom Royal College of Radiologists eine Roentgen Professorship verliehen. 2019 erhielt sie den „Royal College of Radiologists and NIHR Clinical Research Network Outstanding Clinical Radiology Researcher Award“. Derzeit leitet sie den Bereich „Imaging and Data Science“ des NIHR Biomedical Research Centre am The Royal Marsden und am Institute of Cancer Research. Im Oktober 2022 wurde ihr der Professorinnentitel verliehen.
Erfahren Sie mehr über die KI-gestützte Quantifizierung des Knochenbefalls beim Multiplen Myelom mit mint Lesion.
Ähnliche Inhalte
Coreline Soft und Mint Medical geben Partnerschaft zur Weiterentwicklung KI-gestützter Lungenkrebsscreening-Workflows bekannt
Coreline Soft und Mint Medical geben heute ihre Partnerschaft zur Weiterentwicklung KI-gestützter Workflows im Lungenkrebsscreening bekannt. Der…
Read more
Im Zentrum der Erkenntnis: Ein strukturierter, datengetriebener Ansatz für die interdisziplinäre Prostatakarzinom-Diagnostik
Digitale Integration für interdisziplinäre Teams
Im komplexen Prozess der Prostatakarzinom-Diagnostik trägt jede Fachdisziplin entscheidende…
Read more
NCCN 2026: Memorial Sloan Kettering Cancer Center präsentiert Forschung zu strukturierten Tumor-Response-Assessments mit mint Lesion
Glückwunsch an Steven Philemond und Alison Chiaramonte vom Memorial Sloan Kettering Cancer Center zur Präsentation ihres Forschungsposters „Use of…
Read more