jump to content jump to footer
Radiologe analysiert Ganzkörper-MRT-Aufnahmen von Knochenmetastasen beim Prostatakarzinom mit KI-gestützter Tumorlastquantifizierung in mint Lesion

KI-gestützte Quantifizierung der Tumorlast bei Knochenmetastasen des Prostatakarzinoms

Zur Beurteilung des Therapieansprechens bei Patient:innen mit fortgeschrittenem Prostatakarzinom nutzen Radiolog:innen moderne bildgebende Verfahren. Konventionelle Methoden wie Knochenszintigrafie und CT weisen Einschränkungen bei der frühen Erkennung von Krankheitsprogression auf und bieten keine standardisierten Kriterien zur Bewertung des Therapieansprechens [1]. Mithilfe der Ganzkörper-MRT (Whole-Body MRI, WB-MRI) können Radiolog:innen Metastasierungsmuster erkennen und die Tumorlast nicht-invasiv, strahlungsfrei sowie ohne Kontrastmittel oder Tracer beurteilen.

Die Überführung dieser Bilddaten in routinemäßige klinische Entscheidungen bringt jedoch erhebliche Herausforderungen im Workflow mit sich:

  • Die manuelle Segmentierung von Knochenmetastasen ist zeitaufwendig und kann pro Untersuchung eine Stunde oder länger dauern [2].
  • Selbst semi-automatische Werkzeuge benötigen häufig zwischen 12 und 23 Minuten zur Finalisierung der Ergebnisse, was den routinemäßigen Einsatz erschwert [2].
  • Ohne strukturierte Daten kann die Bewertung des Therapieansprechens über mehrere Zeitpunkte hinweg inkonsistent sein. 

 

KI-Funktionen integriert in mint Lesion

Zur Optimierung dieses Prozesses wurde ein spezialisierter KI-Algorithmus*, entwickelt in Zusammenarbeit mit The Royal Marsden NHS Foundation Trust und dem Institute of Cancer Research in London, in mint Lesion integriert. Die Software unterstützt Radiolog:innen insbesondere bei zentralen Analyse- und Befundungsschritten:

  • Gezielte Datenextraktion: mint Lesion stellt Total Diffusion Volume (TDV) und globale ADC-Werte (gADC) für das gesamte Skelett sowie für einzelne Körperregionen in einem strukturierten Befundbericht mit farbcodierten Visualisierungen dar.
  • Automatisierte Berechnung: In der veröffentlichten Untersuchung wurde die Berechnungspipeline zur Quantifizierung der Tumorlast in etwa 90 Sekunden abgeschlossen [2].
  • Durchgängige Workflow-Unterstützung: Der veröffentlichte Workflow, der die Analyse vor und nach Therapie sowie die strukturierte Befundung umfasst, wurde in etwa drei Minuten abgeschlossen [2].
  • Therapiebeurteilung über mehrere Zeitpunkte: mint Lesion vergleicht Messwerte aus mehreren Zeitpunkten in einem strukturierten Framework, der die longitudinale Beurteilung unterstützt.

mint Lesion setzt diesen Workflow innerhalb der eigenen Befundungs- und Reporting-Umgebung um.

 

Praktischer Nutzen im klinischen Workflow

Mit der KI-gestützten Software mint Lesion können Radiolog:innen die umfassende Quantifizierung der Tumorlast in ihre klinischen Routinen integrieren und gleichzeitig reproduzierbare Prozesse über verschiedene Untersuchungen und Zeitpunkte hinweg sicherstellen.

Dadurch erhalten Tumorboards strukturierte und objektive Daten zur Bewertung der Therapieeffektivität – als fundierte Grundlage für Entscheidungen zur weiteren Patientenversorgung.

Sie interessieren sich für KI-gestützte Quantifizierung in anderen hämatologisch-onkologischen Anwendungsbereichen? Erfahren Sie mehr darüber, wie mint Lesion die strukturierte Analyse beim Multiplen Myelom unterstützt.

 

* 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.

Quellen

[1] Padhani, AR, Lecouvet, FE, Tunariu, N, Koh, DM, De Keyzer, F, Collins, DJ, Sala, E, Schlemmer, HP,  Petralia, G, Vargas, HA, Fanti, S, Tombal HB, de Bono, J (2017). METastasis Reporting and Data System for Prostate Cancer: Practical Guidelines for Acquisition, Interpretation, and Reporting of Whole-body Magnetic Resonance Imaging-based Evaluations of Multiorgan Involvement in Advanced Prostate Cancer. European Urology, 71(1), 81-92. DOI: 10.1016/j.eururo.2016.05.033. PMID 27317091.

[2] Candito A, Blackledge MD, Holbrey R, Porta N, Ribeiro A, Zugni F, D'Erme L, Castagnoli F, Dragan A, Donners R, Messiou C, Tunariu N, Koh DM. AI-driven software for automated quantification of skeletal metastases and treatment response evaluation using whole-body diffusion-weighted MRI (WB-DWI) in advanced prostate cancer. Phys Med Biol. 2025 Nov 14;70(22). DOI: 10.1088/1361-6560/ae19c5. PMID: 41166885.

Prof. Dr. Timm Denecke spricht beim RöKo 2026 über KI-gestützte Früherkennung von Leberkrebs
KI und MRT-Daten könnten Leberkrebs erkennen, bevor Tumore entstehen. Prof. Denecke erklärt das Projekt RACOON-MARDER.
Leberzellkrebs vorhersagen, bevor er entsteht: Künstliche Intelligenz trifft MRT
Beim RöKo 2026 haben wir mit Prof. Dr. Timm Denecke, Direktor der Radiologie am Universitätsklinikum Leipzig, über RACOON-MARDER gesprochen, ein…
Read more
Porträt von Professor Christina Messiou, Consultant Radiologist am Royal Marsden NHS Foundation Trust
Professor Christina Messiou, Consultant Radiologist am Royal Marsden NHS Foundation Trust und Professorin am Institute of Cancer Research, im Interview über KI-gestützte Ganzkörper-MRT beim multiplen Myelom
KI-gestützte Ganzkörper-MRT beim multiplen Myelom: Prof. Christina Messiou im Interview
Das multiple Myelom stellt Radiologen vor eine besondere Herausforderung: Die Erkrankung befällt das Knochenmark oft ungleichmäßig verteilt,…
Read more
Interview mit PD Dr. med. Thi Dan Linh Nguyen-Kim: Strukturierte Befundung im klinischen Alltag
In diesem Interview spricht PD Dr. med. Thi Dan Linh Nguyen-Kim, Direktorin des Instituts für Radiologie und Nuklearmedizin am Stadtspital Zürich,…
Read more
scroll-top