Radiolog:innen nutzen die Ganzkörper-MRT (Whole-Body MRI, WB-MRI) als etabliertes Bildgebungsverfahren für das Staging des Multiplen Myeloms [1,3]. Da keine ionisierende Strahlung eingesetzt wird, bietet die WB-MRT eine sichere Möglichkeit für wiederholte Verlaufskontrollen [1]. Darüber hinaus ermöglichen multiparametrische MRT-Sequenzen die Darstellung aktiver Erkrankungsherde und schaffen damit die Grundlage für eine quantitative Beurteilung der Tumorlast [1,4].

Die Integration einer umfassenden WB-MRT-Analyse in den klinischen Alltag bringt jedoch mehrere strukturelle Herausforderungen mit sich:

• Die Detektion und Befundung von Läsionen im gesamten Skelett ist zeitaufwendig [2].
• Die objektive Quantifizierung der gesamten Tumorlast ist innerhalb standardisierter Befundungszeiten schwierig [4].
• Die systematische Beurteilung der Heterogenität des Knochenmarks stellt methodische Herausforderungen dar [2,3].
• Qualitative, textbasierte Befundungen können zu einer erhöhten Variabilität zwischen Befunder:innen führen [1].

KI-Funktionen integriert in mint Lesion

Um diese Herausforderungen im Workflow zu adressieren, können Radiolog:innen einen in mint Lesion integrierten KI-Algorithmus* zur Detektion und Segmentierung fokaler Knochenläsionen nutzen. Die Software wurde in Zusammenarbeit mit dem The Royal Marsden NHS Foundation Trust und dem Institute of Cancer Research in London entwickelt und unterstützt Radiolog:innen insbesondere in drei zentralen Bereichen:

• Automatisierte regionale Analyse: mint Lesion unterteilt das Skelett in verschiedene anatomische Regionen – beispielsweise Wirbelsäule, Becken und lange Röhrenknochen – und ermöglicht dadurch eine regionale Analyse der Tumorlast.
• Quantitative Messung der Tumorlast: Radiolog:innen erhalten Angaben zum gesamten Tumorvolumen im Skelett. Zusätzlich stellt mint Lesion regionale Werte für Tumorvolumen und den Apparent Diffusion Coefficient (ADC) als Surrogatmarker für die Zellularität bereit. Zur weiteren Beurteilung aktiver Knochenmarkserkrankungen können DWI-Befunde mit automatisch berechneten Fettfraktionskarten korreliert werden.
• Longitudinale Verlaufskontrolle: Durch Seiten-an-Seiten-Vergleiche serieller Untersuchungen, visuelle Diagramme und numerische Auswertungen unterstützt mint Lesion die Verlaufskontrolle aktiver Erkrankungen über die Zeit.

Praktischer Nutzen im klinischen Workflow

Der Einsatz dieser Funktionen zielt darauf ab, den Befundungsprozess von einer rein qualitativen Einschätzung hin zu einer datenbasierten Auswertung weiterzuentwickeln. Daraus ergeben sich drei zentrale Vorteile:

• Praktische Quantifizierung: Durch automatisierte strukturelle Messungen können Radiolog:innen die Quantifizierung des gesamten Skeletts effizient durchführen und den hohen Zeitaufwand manueller Analysen reduzieren.
• Objektive Messwerte: mint Lesion liefert reproduzierbare Kennzahlen für die Risikostratifizierung und ersetzt subjektive Einschätzungen wie „leicht verbessert“ durch konkrete numerische Veränderungen.
• Datenbasierte Entscheidungsunterstützung: Radiolog:innen können Onkolog:innen und Patient:innen objektive, quantitative Daten zur Verfügung stellen und so eine fundiertere Grundlage für Therapieentscheidungen schaffen.

* basierend auf Forschung, die durch das National Institute for Health and Care Research (NIHR) gefördert wurde.

Möchten Sie erfahren, wie KI-gestützte strukturierte Befundung Ihre klinischen Workflows unterstützen kann? Kontaktieren Sie unser Team und erfahren Sie mehr über mint Lesion.