nach oben

Die Onkologie

Erschienen in:

14.07.2023 | Künstliche Intelligenz | Leitthema

Funktionelle Bildgebung: Translation von Radiomics und künstlicher Intelligenz in die klinische Praxis

verfasst von: Dr. med. Victor Saase, David Bonekamp

Erschienen in: Die Onkologie | Ausgabe 12/2023

Einloggen, um Zugang zu erhalten

Zusammenfassung

Hintergrund

Radiomics und künstliche Intelligenz (KI) sind eines der wichtigsten Themen der radiologischen Forschung der letzten Jahre. Die Translation von der Forschung in die Praxis ist bisher aber nur sporadisch erfolgt.

Ziel der Arbeit

Der bisherige und zukünftig zu erwartende klinische Nutzen von Radiomics und KI in der Onkologie wird im vorliegenden Beitrag kritisch betrachtet.

Material und Methoden

Es handelt sich um eine Literaturrecherche.

Ergebnisse

KI-Systeme sind für die radiologisch-onkologische Praxis bereits erhältlich und werden zunehmend bei der Befundung eingesetzt. Systeme, die den Zuweiser:innen Informationen für Prognosen, Therapieansprechen oder Progress liefern, sind allerdings noch nicht zugelassen und werden auch auf absehbare Zeit nicht verfügbar werden.

Schlussfolgerung

Zur Verbesserung der radiologischen Befundqualität zeigen Radiomics und KI bereits praktischen Wert. Um auch zuverlässige Systeme zu entwickeln, die quantitative – für die Behandlung der Patienten nutzbare – Aussagen machen können, mangelt es noch an größeren Validierungsstudien und finanziellen Anreizen für Hersteller.

Amann J, Blasimme A, Vayena E et al (2020) Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Med Inform Decis Mak 20:310. https://doi.org/10.1186/s12911-020-01332-6CrossRefPubMedPubMedCentral

Becker CD, Kotter E, Fournier L et al (2022) Current practical experience with artificial intelligence in clinical radiology: a survey of the European society of radiology. Insights Imaging 13:107. https://doi.org/10.1186/s13244-022-01247-yCrossRef

Bera K, Braman N, Gupta A et al (2022) Predicting cancer outcomes with radiomics and artificial intelligence in radiology. Nat Rev Clin Oncol 19:132–146. https://doi.org/10.1038/s41571-021-00560-7CrossRefPubMed

Bogowicz M, Riesterer O, Stark LS et al (2017) Comparison of PET and CT radiomics for prediction of local tumor control in head and neck squamous cell carcinoma. Acta Oncol 56:1531–1536. https://doi.org/10.1080/0284186X.2017.1346382CrossRefPubMed

Bonekamp D, Kohl S, Wiesenfarth M et al (2018) Radiomic machine learning for characterization of prostate lesions with MRI: comparison to ADC values. Radiology 289:128–137. https://doi.org/10.1148/radiol.2018173064CrossRefPubMed

Buvat I, Orlhac F (2019) The dark side of radiomics: on the paramount importance of publishing negative results. J Nucl Med 60:1543–1544. https://doi.org/10.2967/jnumed.119.235325CrossRefPubMed

Carvalho S, Leijenaar RTH, Troost EGC et al (2018) 18F-fluorodeoxyglucose positron-emission tomography (FDG-PET)-Radiomics of metastatic lymph nodes and primary tumor in non-small cell lung cancer (NSCLC)—a prospective externally validated study. PLoS One 13:e192859. https://doi.org/10.1371/journal.pone.0192859CrossRefPubMedPubMedCentral

Centre hospitalier de l’Université de Montréal (CHUM) (2022) PSMA-PET: deep radiomic biomarkers of progression and response prediction in prostate cancer (clinicaltrials.gov)

Chang G‑C (2022) Validation and optimization of multidimensional modelling for never smoking lung cancer risk prediction by multicenter prospective study (clinicaltrials.gov)

10.

Eriksson M, Destounis S, Czene K et al (2022) A risk model for digital breast tomosynthesis to predict breast cancer and guide clinical care. Sci Transl Med 14:eabn3971. https://doi.org/10.1126/scitranslmed.abn3971CrossRefPubMed

11.

Fournier L, Costaridou L, Bidaut L et al (2021) Incorporating radiomics into clinical trials: expert consensus endorsed by the European society of radiology on considerations for data-driven compared to biologically driven quantitative biomarkers. Eur Radiol 31:6001–6012. https://doi.org/10.1007/s00330-020-07598-8CrossRefPubMedPubMedCentral

12.

Funingana I‑G, Piyatissa P, Reinius M et al (2022) Radiomic and volumetric measurements as clinical trial endpoints—a comprehensive review. Cancers 14:5076. https://doi.org/10.3390/cancers14205076CrossRefPubMedPubMedCentral

13.

Kessler LG, Barnhart HX, Buckler AJ et al (2015) The emerging science of quantitative imaging biomarkers terminology and definitions for scientific studies and regulatory submissions. Stat Methods Med Res 24:9–26. https://doi.org/10.1177/0962280214537333CrossRefPubMed

14.

Krizhevsky A, Sutskever I, Hinton GE (2012) ImageNet classification with deep convolutional neural networks. Adv Neural Inf Process Syst. https://doi.org/10.1145/3065386CrossRef

15.

Lambin P, Leijenaar RTH, Deist TM et al (2017) Radiomics: the bridge between medical imaging and personalized medicine. Nat Rev Clin Oncol 14:749–762. https://doi.org/10.1038/nrclinonc.2017.141CrossRefPubMed

16.

Lambin P, Rios-Velazquez E, Leijenaar R et al (2012) Radiomics: extracting more information from medical images using advanced feature analysis. Eur J Cancer 48:441–446CrossRefPubMedPubMedCentral

17.

Langlotz CP (2019) Will artificial intelligence replace radiologists? Radiol Artif Intell 1:e190058. https://doi.org/10.1148/ryai.2019190058CrossRefPubMedPubMedCentral

18.

van Leeuwen KG, Schalekamp S, Rutten MJCM et al (2021) Artificial intelligence in radiology: 100 commercially available products and their scientific evidence. Eur Radiol 31:3797–3804. https://doi.org/10.1007/s00330-021-07892-zCrossRefPubMedPubMedCentral

19.

Liu Y, Zhang Y, Cheng R et al (2019) Radiomics analysis of apparent diffusion coefficient in cervical cancer: a preliminary study on histological grade evaluation. J Magn Reson Imaging 49:280–290. https://doi.org/10.1002/jmri.26192CrossRefPubMed

20.

Lohmann P, Franceschi E, Vollmuth P et al (2022) Radiomics in neuro-oncological clinical trials. Lancet Digit Health 4:e841–e849. https://doi.org/10.1016/S2589-7500(22)00144-3CrossRefPubMed

21.

Maier-Hein L, Eisenmann M, Reinke A et al (2018) Why rankings of biomedical image analysis competitions should be interpreted with care. Nat Commun 9:5217. https://doi.org/10.1038/s41467-018-07619-7CrossRefPubMedPubMedCentral

22.

Netzer N, Weißer C, Schelb P et al (2021) Fully automatic deep learning in Bi-institutional prostate magnetic resonance imaging: effects of cohort size and heterogeneity. Invest Radiol 56:799–808. https://doi.org/10.1097/RLI.0000000000000791CrossRefPubMed

23.

Ospedale Policlinico San Martino (2022) Development of a horizontal data integration classifier for noninvasive early diagnosis of breast cancer (clinicaltrials.gov)

24.

Park JE, Kim D, Kim HS et al (2020) Quality of science and reporting of radiomics in oncologic studies: room for improvement according to radiomics quality score and TRIPOD statement. Eur Radiol 30:523–536. https://doi.org/10.1007/s00330-019-06360-zCrossRefPubMed

25.

Publications Office of the European Union (2017on) Regulation (EU) 2017/745 of the European parliament and of the council of 5 April 2017 on medical devices. http://data.europa.eu/eli/reg/2017/745/oj. Zugegriffen: 10. März 2023 (amending Directive 2001/83/EC, Regulation (EC) No 178/2002 and Regulation (EC) No 1223/2009 and repealing Council Directives 90/385/EEC and 93/42/EEC (Text with EEA relevance. ))

26.

Saase V, Wenz H, Ganslandt T et al (2020) Simple statistical methods for unsupervised brain anomaly detection on MRI are competitive to deep learning methods https://doi.org/10.48550/arXiv.2011.12735CrossRef

27.

Sollini M, Antunovic L, Chiti A, Kirienko M (2019) Towards clinical application of image mining: a systematic review on artificial intelligence and radiomics. Eur J Nucl Med Mol Imaging 46:2656–2672. https://doi.org/10.1007/s00259-019-04372-xCrossRefPubMedPubMedCentral

28.

Vicini S, Bortolotto C, Rengo M et al (2022) A narrative review on current imaging applications of artificial intelligence and radiomics in oncology: focus on the three most common cancers. Radiol Med 127:819–836. https://doi.org/10.1007/s11547-022-01512-6CrossRefPubMed

29.

Wennmann M, Bauer F, Klein A et al (2022) In vivo repeatability and multiscanner reproducibility of MRI radiomics features in patients with monoclonal plasma cell disorders: a prospective Bi-institutional study. Invest Radiol. https://doi.org/10.1097/RLI.0000000000000927CrossRefPubMed

30.

Zhang X, Zhang Y, Zhang G et al (2022) Prospective clinical research of radiomics and deep learning in oncology: a translational review. Crit Rev Oncol Hematol 179:103823. https://doi.org/10.1016/j.critrevonc.2022.103823CrossRefPubMed

31.

Zwanenburg A, Vallières M, Abdalah MA et al (2020) The image biomarker standardization initiative: standardized quantitative radiomics for high-throughput image-based phenotyping. Radiology 295:328–338. https://doi.org/10.1148/radiol.2020191145CrossRefPubMed

Titel: Funktionelle Bildgebung: Translation von Radiomics und künstlicher Intelligenz in die klinische Praxis
verfasst von: Dr. med. Victor Saase
David Bonekamp
Publikationsdatum: 14.07.2023
Verlag: Springer Medizin
Schlagwort: Künstliche Intelligenz
Erschienen in: Die Onkologie / Ausgabe 12/2023
Print ISSN: 2731-7226
Elektronische ISSN: 2731-7234
DOI: https://doi.org/10.1007/s00761-023-01391-0

Neu im Fachgebiet Onkologie

„Überwältigende“ Evidenz für Tripeltherapie beim metastasierten Prostata-Ca.

22.05.2024 Prostatakarzinom Nachrichten

Patienten mit metastasiertem hormonsensitivem Prostatakarzinom sollten nicht mehr mit einer alleinigen Androgendeprivationstherapie (ADT) behandelt werden, mahnt ein US-Team nach Sichtung der aktuellen Datenlage. Mit einer Tripeltherapie haben die Betroffenen offenbar die besten Überlebenschancen.

So sicher sind Tattoos: Neue Daten zur Risikobewertung

22.05.2024 Melanom Nachrichten

Das größte medizinische Problem bei Tattoos bleiben allergische Reaktionen. Melanome werden dadurch offensichtlich nicht gefördert, die Farbpigmente könnten aber andere Tumoren begünstigen.

CAR-M-Zellen: Warten auf das große Fressen

22.05.2024 Onkologische Immuntherapie Nachrichten

Auch myeloide Immunzellen lassen sich mit chimären Antigenrezeptoren gegen Tumoren ausstatten. Solche CAR-Fresszell-Therapien werden jetzt für solide Tumoren entwickelt. Künftig soll dieser Prozess nicht mehr ex vivo, sondern per mRNA im Körper der Betroffenen erfolgen.

Blutdrucksenkung könnte Uterusmyome verhindern

21.05.2024 Krebsvorsorge in der Gynäkologie Nachrichten

Frauen mit unbehandelter oder neu auftretender Hypertonie haben ein deutlich erhöhtes Risiko für Uterusmyome. Eine Therapie mit Antihypertensiva geht hingegen mit einer verringerten Inzidenz der gutartigen Tumoren einher.

Die Highlights vom Kongress des American College of Cardiology 2024

Springer Medizin

Funktionelle Bildgebung: Translation von Radiomics und künstlicher Intelligenz in die klinische Praxis

Zusammenfassung

Hintergrund

Ziel der Arbeit

Material und Methoden

Ergebnisse

Schlussfolgerung

Neu im Fachgebiet Onkologie

„Überwältigende“ Evidenz für Tripeltherapie beim metastasierten Prostata-Ca.

So sicher sind Tattoos: Neue Daten zur Risikobewertung

CAR-M-Zellen: Warten auf das große Fressen

Blutdrucksenkung könnte Uterusmyome verhindern

Update Onkologie

Die Highlights vom Kongress des American College of Cardiology 2024

Springer Medizin

Zusammenfassung

Hintergrund

Ziel der Arbeit

Material und Methoden

Ergebnisse

Schlussfolgerung

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Weitere Artikel der Ausgabe 12/2023

CME: Postneoadjuvante Therapie des Mammakarzinoms

CUP-Verdacht: Darauf sollten Sie bei der multimodalen Bildgebung achten

Aktuelle Strategien zur Systemtherapie des frühen Mammakarzinoms

Funktionelle Bildgebung in der Onkologie

Präzisionsmedizin: Bildgebung im molekularen Tumorboard

SOP – Subkutane Medikamentengabe und Infusionen in der erwachsenen Palliativmedizin Version II

Neu im Fachgebiet Onkologie

„Überwältigende“ Evidenz für Tripeltherapie beim metastasierten Prostata-Ca.

So sicher sind Tattoos: Neue Daten zur Risikobewertung

CAR-M-Zellen: Warten auf das große Fressen

Blutdrucksenkung könnte Uterusmyome verhindern

Update Onkologie