Frühe klinische und experimentelle Verfahren

Die Begriffe Big Data, Radiomics und Radiogenomics zählen sicherlich zu den aktuell am häufigsten verwendeten Schlagwörtern hinsichtlich onkologischer und radiologischer Innovationen. Wichtig ist es, diese klar und definitionsgemäß auseinander zu halten.

Big Data ist ein offener Sammelbegriff, der sich aus der zunehmenden Digitalisierung der Medizin ableiten lässt. Big Data ist explizit nicht auf die bildgebende Diagnostik beschränkt, sondern umfasst sämtliche Bereiche der Medizin. Neben klassisch digitalisierten/quantitativen Bereichen wie der Labormedizin umfasst Big Data ebenso die Integration von heute noch regelhaft qualitativen und/oder nicht digital erfassten Bereichen wie klinische Anamnese und Untersuchungsbefunde. Kerngedanke dieses Prozesses ist das Zusammenfassen und Strukturieren sämtlicher verfügbarer (Gesundheits-)Informationen in einer extrahierbaren Datenbank.

Radiomics und Radiogenomics bezeichnet die Möglichkeit der computerbasierten Bildnachverarbeitung mit Extraktion digitaler Bildcharakteristika, die zusätzliche Informationen zur speziellen molekularen Biologie (-omics) und Genetik (-genomics) liefern und der klassischen visuellen Bildbetrachtung entgehen. Diese über komplexe Analysen gewonnenen quantitativen Informationen können in geordnete, extrahierbare Datenbanken exportiert werden, um Aussagen beispielweise zu Tumorsubtyp, Aggressivität und Prognose zu ermitteln. Digitale Bildprozessierung in Form von Software zur computergestützten Diagnostik („computer-aided diagnosis“, CAD) werden bereits längerem zur Detektion von Läsionen, wie von Lungenrundherden, verwendet – liefern im Unterschied zu Radiomics und Radiogenomics aber nur eine unterstützende Erkennung der Läsion ohne eine spezifische Charakterisierung, wie benigner oder maligner Ätiologie.

Die wichtigsten Arbeitsschritte in der Generierung von Radiomic Features (Abb. 1):Aufgrund der hohen Standardisierung im Bereich der computertomografischen (CT-) Bildgebung wird bislang vornehmlich diese Technik verwendet (s. hierzu auch Abschn. 2.2). Bei der Segmentierung wird in der Regel zunächst eine morphologische Einteilung vorgenommen, wohingegen bei der Subsegmentierung eine Einteilung nach bestimmten Eigenschaften erfolgt. Die Radiomic Features, die auf diese Weise extrahiert werden, beinhalten zum einen klassisch morphologische Eigenschaften (wie Größe, Form, Spikulierung, Gefäßanschluss), auf der anderen Seite einfache histogrammbasierte Eigenschaften (wie Schiefe, Kurtosis) und komplexe bildanalytische Eigenschaften (Abb. 2).

Die Fortschritte und aktuellen Entwicklungen im Bereich der MRT lassen sich einteilen in funktionelle und quantitative MR-Techniken sowie Beschleunigung der Bildakquisition bzw. Verbesserung der Aufnahmequalität.

Nach der Optimierung der Zeilentechnologie in der Spiral-CT (weitverbreiteter klinischer Standard aktuell 126 und 256 Zeilen) stellt die Dual-Energy-CT (DECT) die jüngste Weiterentwicklung im Bereich der Computertomografie dar.

Grundprinzip dieser Weiterentwicklung ist die getrennte Registrierung von hoch- und niedrigenergetischen Röntgenstrahlen. Da der materialinhärente Schwächungskoeffizient energieabhängig ist, können so detailliertere Informationen gewonnen werden.

Technische Umsetzungen der DECT:Die ersten zwei Ansätze arbeiten über eine Modulation des Röntgenspektrums:

Bei der Dual-Source-CT finden sich zwei CT-Systeme um 90° versetzt in einem Scanner kombiniert. Diese werden dann mittels unterschiedlicher Röhrenspannung betrieben.

Bei der kV_P-Switching-CT erfolgt ein sehr schneller Wechsel der Röhrenspannung während der Untersuchung (bis zu 1000/s).

Die Dual-Layer-CT arbeitet mit einem energiesensitiven, zweigeschichteten Detektor, der die getrennte Registrierung von hoch- und niederenergetischen Röntgenstrahlen ermöglicht.

Alle genannten Methoden sind in einem gewissen Rahmen dosisneutral, d. h., der Patient erfährt keine zusätzliche Strahlenbelastung.

Aus DECT-Untersuchungen lassen sich im Unterschied zu den bisherigen konventionellen Computertomographen zusätzliche virtuell monoenergetische Bilder errechnen, die einen höheren Bildkontrast oder eine Reduktion von Metallartefakten erlauben. Zusätzlich wird die Quantifizierung von jodhaltigem Kontrastmittel durch sog. Jodkarten („iodine maps“) ermöglicht (Abb. 4c). Diese parametrischen Jodkarten erlauben hierbei eine verfeinerte quantitative Charakterisierung von Läsionen, wie beispielsweise verbesserte Differenzierung von komplizierten, nicht perfundierten Nierenzysten und perfundierten Nierentumoren. Darüber hinaus besitzen sie das Potenzial, die Tumorperfusion zu quantifizieren und somit möglicherweise als Verlaufsparameter zu dienen. Mehrere Arbeiten haben die grundsätzliche Anwendbarkeit solcher Jodkarten bereits demonstriert. Hierbei scheint insbesondere eine adäquate Normierung der Jodmessungen notwendig, um für biologische Unterschiede der Kontrastmittelverteilung, u. a. in Hinblick auf Alter, Geschlecht und Herzminutenvolumen, zu adjustieren. Die Normierung wird in der Regel auf den Jodgehalt in der abdominellen Aorta durchgeführt.

Im Umkehrschluss lässt sich der durch jodhaltiges Kontrastmittel hervorgerufene Kontrast auch unterdrücken. Hierdurch entstehen virtuell native Aufnahmen, die eine Reduktion der Strahlenbelastung durch den Wegfall der echt nativen Bildakquisition ermöglichen.

Die spezifischen Schwächungskoeffizienten erlauben grundsätzlich die Identifikation weiterer Substanzen und somit die spezifische Berechnung weiterer Materialkarten, hierzu zählen u. a. Kalziumkarten („virtual non-calcium images“, „calcium substraction images“), anhand derer sich ein Knochenödem um Frakturen oder Metastasen darstellen lässt, indem die durch kalzifizierten Knochen hervorgerufene Schwächung unterdrückt wird (Abb. 4f).

Darüber hinaus erlauben Fettkarten die Darstellung einer Knochenmarksinfiltration durch Tumorgewebe oder ermöglichen es, lipidreiche Nebennierenadenome in vivo zu diagnostizieren.

Ebenso könnte im DECT mittels spektraler Analysen neben Jod potenziell auch Gadolinium oder Gold als neuartiges Kontrastmittel in der CT-Diagnostik dargestellt werden.

Eine methodische Weiterentwicklung der Dual-Energy-CT ist die Photon-Counting-CT. Hierbei werden nicht nur hoch- und niedrigenergetische Photonen separiert, sondern diese energiespezifisch und vollständig quantitativ registriert. Die Photon-Counting CT verbessert zudem die Ortsauflöseung der CT.

Für die optimierte individuelle Behandlung des Patienten ist auch eine optimale Kommunikation des erhobenen Befundes von essenzieller Wichtigkeit. Aktuell werden radiologische Befundberichte weitgehend als Freitexte in Prosaform verfasst, die üblicherweise keiner festgelegten Struktur folgen und vom jeweiligen Radiologen individuell gestaltet werden können. Diese Freitextbefunde weisen nicht nur Einschränkungen hinsichtlich der Lesbarkeit und damit der zuverlässigen Erfassung wichtiger klinischer Befunde auf, sondern führen unter Umständen auch dazu, dass wichtige Informationen für klinische Entscheidungen, wie kurativer versus palliativen Therapieansatz, nicht suffizient erfasst werden. Diese Informationen sind aber gerade im Hinblick auf eine moderne und individuell angepasste Tumortherapie für den betreuenden Onkologen, Chirurgen, interventionellen Radiologen und Strahlentherapeuten von enormer Wichtigkeit. So konnte in wissenschaftlichen Publikationen gezeigt werden, dass strukturierte Befunde in Bezug auf Vollständigkeit, Klarheit, Verständlichkeit und Qualität traditionellen Freitextbefunden überlegen sind.

In Freitextbefunden stellen der unterschiedliche Sprachgebrauch, das individuelle Vokabular und die unterschiedliche Fachexpertise ein weiteres Problem dar. Um einen eindeutigen Sprachgebrauch und eine verbesserte Befundinterpretation zu erzielen, wurden vom American College of Radiology (ACR) spezielle Guidelines entwickelt, die zunehmend in der klinische Routine fest etabliert sind, wie u. a. für die Mamma mit BI-RADS (Breast Imaging Reporting and Data System), für die Leber bei Patienten mit erhöhtem HCC-Risiko mit LI-RADS (Liver Imaging Reporting and Data System) oder die Lunge mit Lung-RADS (Lung Imaging Reporting and Data System).

Die strukturierten Befundung könnte darüber hinaus eine höhere und gleichbleibende Befundqualität in einem radiologischem Institut und der Radiologie insgesamt gewährleisten, dies zudem auch vor dem Hintergrund der Weiterbildung innerhalb der Radiologie. Neben der Anwendung der strukturierten Befundung im Rahmen der Tumordetektion und des Primär-Staging (cTNM) ist eine strukturierte longitudinale Messung von definierten Zielläsionen im Rahmen des Therapiemonitorings in Anlehnung an diverse Kriterien, wie u. a. RECIST1.1, möglich (Abb. 5).

Die Implementierung der strukturierten Befundung in die klinische Routine weist jedoch aktuell noch methodische und technische Probleme auf. Durch die Implementierung von dedizierten Softwarelösungen werden sich diese Limitationen in der klinischen Anwendung jedoch zeitnah lösen lassen.