Interview mit Univ.-Prof. Thorsten Persigehl zum radCIO in Köln

Strukturierte Daten in der Radiologie sind entscheidend für genaue Diagnosen und Therapieplanung und bilden die Grundlage für eine detaillierte Analyse in der Klinik und Forschung.

Wir haben uns hierzu mit Univ.-Prof. Dr. Thorsten Persigehl, Professor für onkologische Bildgebung an der Medizinischen Fakultät und Leiter der onkologischen und abdominellen Bildgebung am Institut für Diagnostische und Interventionelle Radiologie an der Uniklinik Köln, über die Herausforderungen und Chancen des Aufbaus einer umfangreichen onkologischen Bildgebungsdatenbank im radCIO Projekt ausgetauscht.

Momentan sind die bildgebenden Daten in Kliniken häufig unstrukturiert gespeichert, wodurch sie nicht direkt für umfassende klinische oder experimentelle Forschungszwecke genutzt werden können. Es war daher für uns entscheidend, eine moderne IT-Plattform zu haben, die strukturierte Daten effizient in einer digitalen Datenbank archiviert und gleichzeitig in den klinischen Kontext integriert und einen direkten digitalen Austausch zu den anderen onkologischen Systemen ermöglicht, wie über HL7 und FHIR. Wir haben ein digitales Netzwerk aufgebaut, das eine robuste Datenstruktur und eine umfangreiche „real-world“ Datenbank nutzt, die für weitere Analysen und zukünftige Forschungsfragen zugänglich sind. Gerade für die evidenzbasierte Medizin ist es wichtig, dass wir diese Informationen direkt in zukünftige Forschungsfragen einbeziehen und den Onkologen für ihre Untersuchungen zur Verfügung stellen.

Prof. Persigehl, können Sie uns zunächst einen kurzen Überblick über das radCIO geben?

radCIO steht für das radiologische Centrum für Integrierte Onkologie, innerhalb des Centrums für Integrierte Onkologie (CIO) am Uniklinikum Köln. Das radCIO haben wir aus der Radiologie heraus gegründet um der Spezialisierung in der Radiologie mit immer besseren Bildgebungsmöglichkeiten bei zunehmendem molekulargenetischen Wissen und neuen Therapieoptionen in der Onkologie entsprechend Rechnung zu tragen. Unser primäres Ziel ist es, die Versorgung unserer Krebspatienten mit am Ende besserem Outcome zu optimieren. So liegt unser Fokus auf der Optimierung radiologischer Prozesse und Digitalisierung, um umfangreiche strukturierte Bildgebungsdaten für die Patientenversorgung und klinische Forschung zu liefern.

Momentan sind die bildgebenden Daten in Kliniken häufig unstrukturiert gespeichert, wodurch sie nicht direkt für umfassende klinische oder experimentelle Forschungszwecke genutzt werden können. Es war daher für uns entscheidend, eine moderne IT-Plattform zu haben, die strukturierte Daten effizient in einer digitalen Datenbank archiviert und gleichzeitig in den klinischen Kontext integriert und einen direkten digitalen Austausch zu den anderen onkologischen Systemen ermöglicht, wie über HL7 und FHIR. Wir haben ein digitales Netzwerk aufgebaut, das eine robuste Datenstruktur und eine umfangreiche „real-world“ Datenbank nutzt, die für weitere Analysen und zukünftige Forschungsfragen zugänglich sind. Gerade für die evidenzbasierte Medizin ist es wichtig, dass wir diese Informationen direkt in zukünftige Forschungsfragen einbeziehen und den Onkologen für ihre Untersuchungen zur Verfügung stellen.

Welche Rolle spielt mint Lesion™ im radCIO, und wie trägt die Softwareplattform zur datengestützen Radiologie bei?

mint Lesion™ bildet im Endeffekt das Backbone für das gesamte radCIO.

Generell basiert das radCIO auf einer EU Ausschreibung, REACT-EU, und bei der Suche nach einer geeigneten Plattform-Lösung sind einige Herausforderungen aufgetreten:

Wir suchten eine IT-Plattform, die eine vollständig digitalisierte Speicherung von Radiologiedaten ermöglicht, dies insbesondere Bild-basiert und in strukturierter Form. Die Annotationen sollten direkt im Bild vorliegen, um die Daten nicht nur für zusätzliche quantitative Analysen, wie Radiomics, sondern auch für zukünftige Forschungsfragestellungen und Künstliche Intelligenz (KI)-Anwendungen zugänglich zu machen. Es sollte die Möglichkeit der KI-Integration bestehen.

Wir wollten eine digitale Plattform mit einem Dashboard haben, das uns ermöglicht, die strukturierten Daten in Echtzeit zu analysieren. Gleichzeitig sollten Schnittstellen, insbesondere eine FHIR-Schnittstelle integriert sein, die es uns ermöglichen, nahtlos mit internen und externen Klinik- und Forschungspartnern zusammenzuarbeiten, dies unter anderem im Rahmen von Tumorboards und dem Krebsregister. In einem Patienten-Portal sollten die Krebspatienten und deren betreuenden Onkologen einen persönlichen Zugang zu ihren Auswertungen erhalten. Zudem sollten die Daten direkt auch in pseudo- und anonymisierter Form für Forschungskooperationen bereitstehen.

All diese Funktionen konnten wir mit unserer Mint Plattform realisieren, die es uns ermöglicht, nicht nur aktuelle Fragestellungen in der onkologischen Bildgebung zu beantworten, sondern auch zukünftige Forschungsfragen zu adressieren und fit für klinische Anwendungen von KI-Lösungen zu sein.

Ähnliche Inhalte

Ähnliche Inhalte

Medizinische Fachkräfte schauen auf ein technisches Gerät und diskutieren diagnostische Leitlinien

2.237 Patienten, 11 Krankenhäuser, vier HCC-Kriterien: Eine Vergleichsstudie

Eine aktuelle Studie, die in 11 südkoreanischen Krankenhäusern durchgeführt wurde, verglich die diagnostische Leistung von vier Leitlinien zur…

mint Lesion Screenshot mit HCC Diagnose laut APASL, AASLD, LI-RADS, LCA-NCC und EASL Leitlinien.

Vergleich diagnostischer Leitlinien für hepatozelluläres Karzinom

Neueste Fortschritte in MRT-Techniken und der Tumorbiologie haben zu aktualisierten Diagnoseleitlinien verschiedener Leberforschungsverbände für das…

Radiologe nutzt KI zur Auswertung medizinischer Bilder

Förderung des föderierten Lernens in der Radiologie in der Praxis

Federated Learning (FL) ermöglicht kollaboratives Modelltraining ohne Datenzentralisierung - ein entscheidender Aspekt für die radiologische…