Forschungsanwendungen in der digitalen Radiologie

Medizinische Bildgebung produziert immer komplexere Bilder (höhere Auflösung, dünnere Schichten) mit einer zunehmenden Zahl unterschiedlicher Protokolle, sodass die Befundung schwieriger wird und mehr Informationen verarbeitet werden müssen, da die Zahl der Radiologen bei weitem nicht im selben Umfang wächst wie die zu analysierenden Daten.

Ziel dieses Artikels ist es, aktuelle Forschungsergebnisse von Projekten vorzustellen, die medizinische Bilddaten zur Entscheidungsunterstützung benutzten. Eine Infrastruktur, die es Forschern erlaubt, Bilder zu analysieren und beste Algorithmen zu erkennen, ohne dass die Daten einen sicheren Server verlassen müssen, wird auch erklärt. Der Text stellt Resultate der EU-finanzierten Khresmoi- und VISCERAL-Projekte vor. Diese erlauben es, Daten vergangener Fälle in einem Bildarchiv zu benutzten, um Entscheidungen zu unterstützen und Aufgaben zu automatisieren. Die Resultate stellen eine Evaluationsumgebung für medizinische Bilddaten und andere Datensätze vor. Diese erlauben es, in einer sicheren Umgebung aus vergangenen Fällen, Daten für zukünftige Befundungen zu extrahieren. Die vorgestellten Prototypen erlauben es, aus Bilddaten direkt Information zu extrahieren und als Entscheidungsunterstützung zu benutzten. Die Forschungsprototypen sind allerdings noch nicht in klinischem Einsatz evaluiert worden, nur subjektive Benutzertests wurden unternommen, welche sehr positiv waren.

Die Zukunft der Radiologie wird sicherlich z. T. davon abhängen, Prozesse zu automatisieren und Daten („big data“) aus institutionellen Bildarchiven zu benutzen, um bestmöglich Wissen zu extrahieren und damit die Arbeit der Radiologen auf die wichtigen, entscheidungsrelevanten Bereiche zu konzentrieren, und Routineaufgaben zu automatisieren, wo dies möglich ist.