Bleiben Sie auf dem Laufenden: Die Transformation der Radiologie dank strukturierter Befundung und datengesteuerter Ansätze

Erkundigen Sie sich über unsere Aktivitäten, Projekte und Produkt-Updates, informieren Sie sich über die neuesten Branchennachrichten, und erfahren Sie, was uns als Unternehmen und als Team ausmacht.

Ein Bild von Prof. Dr. Thomas Kröncke vom Universitätsklinikum Augsburg

Krebsversorgung durch Standardisierung stärken: Interview mit Prof. Dr. Thomas Kröncke über das BORN-Projekt des BZKF

Das Bayernweites-Onkologisches-Radiologie-Netzwerk (BORN) wurde am 1. August 2022 mit dem Ziel der Verbesserung der Krebsversorgung in Bayern durch Standardisierung der Bildgebung und Befundung gestartet. Im Rahmen des Netzwerks des Bayerischen Zentrums für Krebsforschung (BZKF) soll eine einheitliche Forschungsumgebung geschaffen werden, von der Patienten und medizinische Fachkräfte in ganz Bayern profitieren. In diesem Interview sprechen wir mit Prof. Dr. Thomas Kröncke vom Universitätsklinikum Augsburg, der über den aktuellen Stand des Projekts spricht, die Herausforderungen bei der Arbeit mit medizinischen Daten hervorhebt und die potenziellen Vorteile des Projekts für Patienten und medizinisches Fachpersonal betont.

Herr Prof. Kröncke, wie ist die Idee zum BORN-Projekt entstanden? Was war die Hauptmotivation für das Projekt?

Die Idee ist in einer Runde der bayerischen Lehrstuhlinhaber für Radiologie entstanden. Wir haben über die Rolle der Radiologie in der Tumormedizin diskutiert und wie wir uns besser in das Bayerische Zentrum für Krebsforschung (BZKF) einbringen können. Das BZKF versucht die Krebsversorgung in Bayern so zu verbessern, dass sie auch die Patienten erreicht, die nicht im Umkreis der Zentren leben, wo es eine hochspezialisierte Versorgung gibt. Während die Bildgebung in Bayern an jedem Ort durchgeführt werden kann, mangelt es an Einheitlichkeit und Struktur sowohl bei der Durchführung der Bildgebung als auch bei der Erhebung der Befunde.

Von Anfang an war unser Ziel, bildgebende Untersuchungen für Tumorerkrankungen bayernweit einheitlich durchzuführen, strukturiert auszuwerten und eine sichere IT-Struktur für die Datenerfassung und den Datenaustausch zu entwickeln - beginnend an den sechs bayerischen Universitätsstandorten. Durch die Zusammenarbeit innerhalb des BZKF-Netzwerks haben wir nun eine wirklich tragfähige Lösung zur Standardisierung der Bildgebung und Befundung geschaffen.

Wie profitieren die Patienten von diesem Projekt?

Nach der klinischen Evaluierung an den bayerischen Universitätskliniken werden die standardisierten Untersuchungsstrategien und Befundungsvorlagen anderen Kliniken und niedergelassenen Radiologen zur Verfügung gestellt werden, so dass alle Patienten in Bayern unabhängig von ihrem Wohn- und Behandlungsort von derselben Qualität der Befundung profitieren können. Ein kleines Beispiel dafür, was erreicht werden kann, ist, dass Doppeluntersuchungen vermieden werden können. Das klingt jetzt trivial, aber wenn ein Patient mit einer externen Aufnahme kommt, bei der Informationen fehlen, weil sie nicht erhoben wurden, dann müssen wir die Untersuchung wiederholen.

Auch lassen sich mithilfe von KI-Analysen Korrelationen und Muster in Patientendaten erkennen, die uns Ärzten möglicherweise nicht offensichtlich sind, und diese können dazu beitragen, Patienten genauere Diagnosen und Behandlungsmöglichkeiten zu bieten. Um die Auswertung von strukturierten Daten mit Hilfe von Künstlicher Intelligenz wirklich nutzen zu können, sind große Datenmengen erforderlich. Und diese großen Datenmengen sind im Moment noch in den Silos der einzelnen Universitätskliniken gefangen.

Welche Mehrwerte ergeben sich für die Universitätskliniken? Und wie können die Krankenhäuser und Praxen in Bayern - und vielleicht auch darüber hinaus - davon profitieren?

Wir sind bestrebt, Forschung nicht mehr isoliert an den einzelnen Universitätskliniken, sondern gemeinsam als Verbund durchzuführen. Ein wichtiger Punkt hierzu ist die Interoperabilität, die in der Medizin nicht immer gegeben ist. Mit dem BORN-Projekt des BZKF haben wir eine harmonisierte Forschungsumgebung geschaffen, die es uns ermöglicht, eine einzigartige Datengrundlage für die Diagnose und Therapie von Krebserkrankungen, sowie zur Entwicklung bildbasierter Biomarker und maschineller Lernverfahren der KI zu gestalten.

Dabei münden die Daten in ein semantisch strukturiertes Modell. Sie werden ausschließlich de-identifiziert übermittelt und bleiben dank der im Datenmodell kodierten Informationen trotzdem interpretierbar. Da die Patientendaten im Kontext der Patientenversorgung verbleiben, d. h. die einzelnen Krankenhäuser gar nicht verlassen, werden die Pflichten der Datenschutzgrundverordnung (DSGVO) problemlos erfüllt.

Wir müssen auch dafür sorgen, dass wir in großen Netzwerken über die Grenzen Bayerns hinaus zusammenarbeiten. Und das können wir tun, wenn wir eine solide Datengrundlage geschaffen haben. Dann können wir uns z. B. an Registern beteiligen. Die Register können dazu beitragen, Trends in der Krebsversorgung zu verfolgen, die Wirksamkeit von Behandlungen zu überwachen und Bereiche mit Optimierungspotenzial zu ermitteln. Sie können auch wertvolle Erkenntnisse über die Prognose und die Art der Therapien liefern, die bei einer bestimmten Krebsart am wirksamsten sind. Wir müssen aber auch sicherstellen, dass Arbeitsabläufe im Alltag sauber funktionieren, dass sie gut ineinander greifen, um die Akzeptanz in der Praxis zu sichern.

Was wurde im BZKF BORN-Projekt bisher schon erreicht?

Es ist natürlich ein mehrstufiger Prozess, den wir etabliert haben. Er erforderte viel Austausch, der uns auch gut gelungen ist. Die ersten Schritte haben wir tatsächlich schon abgeschlossen: Wir haben die Untersuchungstechniken bereits standardisiert und die Abfrageparameter zunächst für die ersten sechs Tumorerkrankungen festgelegt. Zusammen mit Mint Medical sind wir nun dabei, auf Basis der von uns festgelegten Parameter Befundungsvorlagen für die sechs Entitäten zu erstellen.

Wir haben tatsächlich erstaunlich schnell diese Grundlagen abgehakt und stehen jetzt schon vor der Testphase, in der wir verstehen wollen, wie diese Umgebung in der Praxis funktioniert und ob die Parameter in den Befundungsvorlagen anwenderfreundlich umgesetzt sind. Um fundierte Entscheidungen über Diagnosen und Therapien zu treffen, brauchen wir aber nicht nur radiologische Daten, sondern verknüpfte Daten aus verschiedenen Fachabteilungen über die Krankheit des Patienten, wie zum Beispiel aus dem Labor oder der Pathologie. Daher sind wir schon jetzt in Kontakt mit anderen Fachdisziplinen, z. B. mit Nuklearmedizinern und Kollegen aus der Pathologie, die auch im BZKF vertreten sind, so dass wir von vornherein die interdisziplinäre Integration der Daten mitberücksichtigen.

Was ist Ihrer Meinung nach - in ein oder zwei Sätzen - das Besondere an dem BORN-Projekt?

Natürlich wissen wir, dass wir die Gesundheitsdaten besser nutzen müssen. Und BORN ist ein Vorzeigeprojekt, das zeigt, wie Gesundheitsdaten in Zukunft gehandhabt und behandelt werden sollten.

Ähnliche Inhalte

Ähnliche Inhalte

Bild einer Ärztin, die ein Hologramm einer Lunge hält

Strukturierte Befundung verbessert die Genauigkeit der TNM-Klassifikation und die Zufriedenheit der Radiologen

In einer kollaborativen, multizentrischen Studie entwickelten und validierten Radiologieexpert:innen in mint Lesion ein softwaregestütztes Framework…

Screenshot der strukturierten Befundungsvorlage für NSCLC Staging

Software-unterstützte strukturierte Befundung verbessert die Genauigkeit der TNM-Klassifikation beim NSCLC-Staging

In dieser multizentrischen Zusammenarbeit entwickelten und evaluierten Expert:innen der Thoraxradiologie ein softwaregestütztes Framework zur…

KI-basierte Erkennung von Lungenknoten mit contextflow und Lung-RADS in mint Lesion

Setzen Sie auf KI-gestützte Lungenrundherden-Erkennung und -Analyse für eine umfassende Patientenversorgung

Entdecken Sie die Möglichkeiten eines KI-gestützten und optimierten Lungen-Screenings mit contextflow ADVANCE Chest CT integriert in mint Lesion.…