Datenflut in der Radiologie – Die Bildanalyse ist der Flaschenhals

Datenflut in der Radiologie – Die Bildanalyse ist der Flaschenhals
für innovative Diagnostik und Therapieplanung
Tobias Heimann, Deutsches Krebsforschungszentrum, Heidelberg
Medizinische Bildgebung ist eine Schlüsseltechnologie, die von der Diagnostik über die
Therapieplanung bis hin zur Therapieunterstützung die moderne Medizin in vielen Bereichen
revolutioniert hat. Der Blick ins Innere des Körpers, den dreidimensionale Techniken wie die
Computertomographie oder Magnetresonanztomographie bieten, erlaubt es beispielsweise, das
Wachstum von Tumoren zu beobachten und, im Fall der Leber, Operationsvorschläge zu berechnen,
die ein ausreichend großes Lebervolumen für eine Normalfunktion nach der Tumorentfernung
sicherstellen. Die sogenannte funktionelle Bildgebung bietet die Möglichkeit, Stoffwechselvorgänge
im Körper in Echtzeit zu untersuchen und so z.B. die Lungenfunktion regional zu bestimmen, um
Krankheiten wie Mukoviszidose akkurater zu diagnostizieren.
Der Großteil der neuen bildbasierten Anwendungen hat jedoch einen, vor allem im klinischen Alltag
gravierenden, Nachteil: Um Bilder quantitativ auszuwerten, sind im Allgemeinen aufwendige
Verarbeitungsschritte notwendig. Die Bildanalyse umfasst zum Beispiel die Markierung oder
Umrandung der Zielstrukturen in den Bilddaten, ein Vorgang, der Segmentierung genannt wird und
in den meisten Fällen immer noch manuell durchgeführt werden muss. Den Radiologen in der Klinik
bleibt aufgrund der stetig wachsenden Zahl der Bildaufnahmen keine Zeit für diese zusätzlichen
Arbeiten, was dazu führt, dass viele innovative Diagnose- und Therapieverfahren auf den Einsatz bei
Einzelfällen in der Forschung beschränkt bleiben. Um diese neuen Methoden in der klinischen Praxis
zu etablieren, muss daher zuerst eine schnelle und kostengünstige Lösung für die Bildanalyse
gefunden werden.
Die Bewältigung der großen Datenmengen in der Radiologie kann, so die These des Autors, durch
automatische Methoden der computerbasierten Bildanalyse erreicht werden. Während ein für ein
breites Anwendungsspektrum einsetzbares System auch in den nächsten Jahren noch nicht in
Aussicht ist, befinden sich automatische Systeme für spezifische Aufgaben wie Mammographie- oder
Lungenknoten-Screening teilweise schon im klinischen Einsatz. Um weitere Anwendungsfelder für
innovative bildbasierte Anwendungen zu erschließen und die steigenden Datenmengen in der
Radiologie zu bewältigen, muss die Forschung anwendungsorientierter werden. Neu entwickelte
Bildanalyse-Methoden müssen auf einer großen Anzahl von realistischen Patientendaten getestet
werden, statt wie bisher auf wenigen Beispielbildern oder synthetischen Daten. Durch eine solche
datengetriebene Forschung wird der Transfer von neuen Methoden aus der Forschung in die Klinik
beschleunigt, was einem größeren Patientenkollektiv den Zugang zu innovativer Diagnostik und
Therapieplanung verschaffen kann.