Tumorverlaufskontrollen sind wichtig für eine erfolgreiche Krebstherapie, dafür werden immer mehr CT-Aufnahmen des Thoras angefertigt. Auch in Deutschland zählen sie mittlerweile zu den häufigsten radiologischen Untersuchungen: im Jahr 2020 wurden 1,3 Millionen CT-Bilder der Lunge gemacht. Die Bilder sind wichtig, um kleinste Veränderungen der Tumoren festzustellen, doch der Vergleich ist komplex und fehleranfällig, da die Kontrolle oft unter Zeitdruck durchgeführt werden muss.
Verlaufskontrolle mit Deep-Learning-Software
Um diesen Prozess zu optimieren, entwickelte das Fraunhofer MEVIS und die Universitätsmedizin Mainz eine auf Deep-Learning-basierte Software, mit der Lungenläsionen präzise verortet und vermessen werden. Dafür werden vergangene mit aktuellen CT-Aufnahmen verglichen, mit der Herausforderung, dass die Bilder nur ähnlich, aber nicht identisch sind – aufgrund von unterschiedlichen Atemszuständen oder auch durch möglichen Gewichtsverlust.
Schon vorher wurden die Verlaufskontrollen durch Automatisierungen unterstützt, der Deep-Learning-Ansatz ermöglicht jedoch einen noch schnelleren und präziseren Abgleich: „Mithilfe von KI findet man im Vergleich zur herkömmlichen softwaregestützten Registrierung im Verlaufsbild elf Prozent mehr Tumore automatisch wieder – und braucht dafür mit weniger als einer Sekunde lediglich ein Zehntel der Zeit“, erläutert Dr. Jan Moltz vom Fraunhofer MEVIS.
Damit die neu entwickelte Software direkt in den Klinikalltag integriert werden kann, unterstützten Ärztinnen und Ärzte der Universitätsmedizin Mainz die Entwicklung. Langfristig planen die Forschenden, die automatisierte Verlaufskontrolle für den gesamten Körper zu ermöglichen.
Quelle: fraunhofer
Artikel teilen
