Bedeutsame Erkenntnisse aus der radiologischen Forschung

In dieser multizentrischen Zusammenarbeit entwickelten und evaluierten Expert:innen der Thoraxradiologie ein softwaregestütztes Framework zur strukturierten Befundung (SR) für die Stadieneinteilung bei nicht-kleinzelligem Lungenkarzinom (NSCLC). Die Studie bewertete die Effektivität des Frameworks bei der Verbesserung der Genauigkeit der TNM-Klassifikation und untersuchte institutionelle Standards, Präferenzen und Wahrnehmungen von SR unter den teilnehmenden Einrichtungen.

Die softwaregestützte SR mit semi-automatischer TNM-Klassifikation von NSCLC in mint Lesion verbesserte die Klassifizierungsgenauigkeit im Vergleich zum traditionellen Freitext-Reporting (FTR) signifikant (p = 0,01). Radiolog:innen, die SR verwendeten, klassifizierten den TNM-Status mit 1,707-mal höherer Rate richtig. Die häufigsten Klassifizierungsfehler traten bei der Beurteilung des T-Stadiums auf, insbesondere bei der Messung der Tumorgröße und der Bewertung der lokalen Infiltration. Fehler bei der Klassifizierung des N- und M-Stadiums resultierten häufig aus einer falschen Lokalisierung der Läsion.

„Die Ergebnisse dieser Proof-of-Concept-Studie deuten auf einen erheblichen Einfluss der softwaregestützten SR auf die TNM-Genauigkeit bei der Stadieneinteilung von NSCLC hin“, so die Autorinnen und Autoren.

Das Tool erwies sich als äußerst zuverlässig und lieferte durchweg genaue TNM-Klassifizierungen auf der Grundlage der Eingaben der Radiolog:innen. Diese Verbesserung der Klassifizierungsgenauigkeit führte zu einer Verringerung der Fehler beim Up- und Downstaging.

In einer Umfrage vor und nach der Validierung äußerten sich die teilnehmenden Radiolog:innen im Allgemeinen positiv zur SR für das NSCLC-Staging und bewerteten ihre potenziellen Auswirkungen in mehreren Kategorien positiv. Sie erkannten den Wert der SR bei der Verbesserung der Berichtsqualität, der Vollständigkeit und der interdisziplinären Kommunikation an. Die positive Wahrnehmung von SR nahm nach praktischer Anwendung zu, was darauf hindeutet, dass praktische Erfahrung die wahrgenommenen Vorteile verbessern kann. Darüber hinaus verbesserte die softwaregestützte SR das Verständnis der Radiologen für die TNM-Kriterien, was bedeutet, dass diese Tools als wertvolle Ausbildungshilfen dienen können.

Die Studie unterstreicht auch das Potenzial von SR zur Unterstützung der Sekundärdatennutzung und Forschung. Das standardisierte Format von SR kann die Erstellung groß angelegter Register erleichtern und so zu einem tieferen Verständnis von Trends bei Lungenkrebs und Behandlungsergebnissen beitragen.

Die Ergebnisse unterstreichen, dass die Umsetzung von SR in der klinischen Alltagspraxis nur möglich ist, wenn Herausforderungen, wie z. B. Einschränkungen der digitalen Infrastruktur, bewältigt werden.

Diese Studie wurde in Zusammenarbeit mit dem Bayernweiten-Onkologischen-Radiologie-Netzwerk (BORN) des Bayerischen Zentrums für Krebsforschung (BZKF) durchgeführt. Teilnehmende Zentren waren die radiologischen Abteilungen des Klinikums der LMU München, der Technischen Universität München, des Universitätsklinikums Erlangen, des Universitätsklinikums Regensburg, des Universitätsklinikums Würzburg und des Universitätsklinikums Augsburg.

Lesen Sie die Originalpublikation hier.

Heimer, M.M., Dikhtyar, Y., Hoppe, B.F. et al. 2024. ”Software-assisted structured reporting and semi-automated TNM classification for NSCLC staging in a multicenter proof of concept study.” Insights Imaging.