In der Neuroonkologie bestimmen Bildgebungsbefunde unmittelbar die Therapieentscheidungen. So kann unter RANO 2.0 die Einstufung einer Follow-up-MRT als Progression darüber entscheiden, ob Patient:innen ihre Therapie fortsetzen oder in eine andere Therapielinie wechseln. Wie verlässlich diese Entscheidung ist, hängt von der Konsistenz ab: zwischen Readern, über Zeitpunkte hinweg und bei sich weiterentwickelnden Response-Kriterien. mint Lesion ist darauf ausgelegt, die MRT-Befundung von Gliomen strukturiert und reproduzierbar zu machen, sodass sich zuweisende Ärzt:innen vom ersten Nachweis über die langfristige Verlaufskontrolle bis hin zum Tumorboard darauf verlassen können.
Die Herausforderung: Inkonsistenz bei der Gliom-Beurteilung
Publizierte Daten weisen auf mehrere Ursachen für Inkonsistenzen bei der MRT-Beurteilung von Gliomen hin. Für Messungen desselben Tumors wurde eine Reader-Variabilität von rund 22 % berichtet, und nach einer Resektion stimmen Reader bei der Segmentierung nur wenig überein¹. Zweidimensionale Messungen gehen mit einer falsch-positiven Progressionsrate von rund 14 % einher².
Freitextbefunde vergrößern die Lücke zusätzlich, da sie nicht zuverlässig alle diagnostischen Angaben erfassen, die eine vollständige Beurteilung erfordert. Da die Progressionsregeln von RANO 2.0 Therapiewechsel auslösen, ist ihre korrekte und konsistente Anwendung entscheidend.
Die Antwort: Konsistenz by Design
mint Lesion begegnet diesen Herausforderungen mit einem Ansatz, der auf strukturierter Befundung, integrierten Response-Kriterien und wiederverwendbaren Daten basiert.
Strukturierte Befundung und longitudinales Tracking
Standardisierte Deskriptoren und ein strukturierter Workflow unterstützen eine reproduzierbare Beurteilung. Jede gemessene Läsion wird über alle Untersuchungen hinweg verfolgt, wodurch die Auswertungen von der Baseline bis zu jedem Follow-up konsistent bleiben.
Integriertes RANO 2.0 und automatisierte Response-Bewertung
mint Lesion automatisiert die Response-Klassifikation und wendet die Kriterien konsistent an. Parameter lassen sich passend zum Studienprotokoll konfigurieren. Die Tumorlast wird als SPPD (2D) und SOV (volumetrisch) berechnet, gruppiert nach Läsionstyp und Messmethode. Die Confirmation-Scan-Logik läuft automatisch, mit den Standardeinstellungen von RANO 2.0 oder individuellen Studieneinstellungen.
Mehr zu den Konfigurationsoptionen, dem Tracking der Tumorlast und der Confirmation-Scan-Logik erfahren Sie in unserem Artikel „Implementing RANO 2.0 for Neuro-Oncology Clinical Trials in mint Lesion“.
Strukturierte Daten für die Weiterverwendung
Der Datenexport vereint Radiomics, annotierte Bilder und den Leitlinienkontext. Er läuft automatisch und ist direkt für die statistische Auswertung nutzbar, während konfigurierbare eCRFs nicht-bildgebende Parameter erfassen. Annotierte Datensätze bleiben über die Zeit verknüpft. Dank Unterstützung für DICOM-SEG-Export und FHIR-Interoperabilität kann mint Lesion mit der Strahlentherapieplanung und der übrigen klinischen IT-Umgebung integriert werden.
Ausblick: anatomischer Kontext und KI-basierte Segmentierung
Weitere Funktionen befinden sich derzeit in Entwicklung*. Das Anatomical Patient Model (APM) bietet für das Gehirn Anatomiesegmentierung, die Lokalisierung anatomischer Landmarken und Tumorsegmentierung. Sein „Anatomy GPS“ zeigt an jeder angeklickten Stelle anatomische Labels an und verknüpft Fragebögen mit Bildern, sodass Befunde nachvollziehbar bleiben.
Auf Basis des APM wird die KI-basierte Segmentierung von Hirntumoren sowohl den Tumor Core in T1-gewichteter MRT als auch den Whole Tumor in T2/FLAIR liefern. Ziel ist es, die Variabilität zwischen Readern zu verringern und standardisierte Tumorsegmentierungen als Grundlage für 2D- und volumetrische Messungen bereitzustellen, zusammen mit dem anatomischen Kontext jedes Tumors.
Reproduzierbare Gliom-Befundung
Mit strukturierter Befundung, integrierter RANO-2.0-Logik und direkt weiterverwendbaren Daten unterstützt mint Lesion einen konsistenten Standard über Reader, Zeitpunkte und sich ändernde Kriterien hinweg.
* Funktionen in Entwicklung sind noch nicht kommerziell verfügbar.
Literatur
¹van der Loo, I., Tareco Bucho, T. M., Hanley, J. A. et al. Measurement variability of radiologists when measuring brain tumors, Eur. J. Radiol. (2025). https://doi.org/10.1016/j.ejrad.2024.111874
²Provenzale, J. M., Ison, C., DeLong, D. Bidimensional measurements in brain tumors: assessment of interobserver variability, Am. J. Roentgenol. (2009). https://doi.org/10.2214/AJR.09.2615
