Die Vorteile von Texturanalyse und Radiomics sowie die bessere Verfügbarkeit großer Datensätze haben zu einem zunehmenden Interesse an der Extraktion quantitativer Merkmale aus medizinischen Bildern geführt. Durch die Quantifizierung werden Bilder in verwertbare Daten umgewandelt, deren Analyse die diagnostische Genauigkeit und Prognose verbessert sowie die Vorhersagekraft zur Entscheidungsunterstützung erhöht.

Obwohl Radiomics ein hohes Potenzial für die Stärkung der Präzisionsmedizin bietet, birgt die Umsetzung im klinischen Umfeld erhebliche Herausforderungen, denen sich mint Lesion erfolgreich zuwendet:

Reproduzierbarkeit

Zahlreiche Studien haben gezeigt, dass die Variabilität der Radiomics-Merkmale, die ihren Ursprung in Unterschieden bei den Parametern der Bildaufnahme, den Rekonstruktionsalgorithmen und den Berechnungsparametern haben, erheblich ist. Aufgrund des wachsenden Harmonisierungsbedarfs der Radiomics-Forschung hat die Imaging Biomarker Standardization Initiative (IBSI)1 Standardempfehlungen für die Nomenklatur und Bildverarbeitungsprotokolle, die vor der Extraktion erforderlich sind, festgelegt. Die in mint Lesion implementierten Radiomics-Merkmale wurden anhand der vom ISBI festgelegten Benchmark-Datensätze validiert.

Prospektive Sammlung und Kuratieren quantitativer Daten

In der heutigen Praxis werden radiologische Bilder oft qualitativ ausgewertet, und die schriftlichen (meist prosaischen) Berichte verwenden kein Standardlexikon. Dies führt unter anderem zu massiven Daten-Repositories, die ungenutzt und für das Kuratieren der Daten unzugänglich sind. Mit mint Lesion werden Daten aus routinemäßigen radiologischen Auswertungen in quantitative Merkmale umgewandelt und mit Wissensdatenbanken und longitudinalen Informationen kombiniert, um ein qualitativ hochwertiges Erfassen, Erheben und Kuratieren der Daten zu ermöglichen.

Datenaustausch

Eine der größten Herausforderungen bei der Verwendung von Radiomics-basierten Modellen zur Entscheidungsunterstützung ist die gemeinsame Nutzung von Bildmetadaten zwischen Systemen und über mehrere Standorte hinweg, um Datensätze von relevanter Größe zu erstellen. Die Radiomics-Features in mint Lesion können als XML oder CSV exportiert werden. Darüber hinaus unterstützen die Bilddaten aus mint Lesion diverse in Industrie und Forschung übliche Datenrepräsentationen, wie z.B. NRRD / NIFTI, DICOM RT Struct oder DICOM Segmentation Objects.

In einem kurzen Video zeigen wir einen Forschungsfall mit longitudinal verknüpften Daten und mit Grafiken für extrahierte Parameter erster und zweiter Ordnung. Das Video zeigt auch unser Radiomics Display Widget, mit dem Sie die Konfiguration nach Belieben ändern können, sowie den Export der Features für einen einzelnen Patienten oder eine ganze Patientenkohorte.

1 arxiv.org/abs/1612.07003 Zwanenburg, A., Leger, S., Vallières, M., Löck, S., & et al. (2016). Image biomarker standardization initiative. ArXiv, arXiv:1612.07003v6.

Video anschauen