Radiomische Analyse von multiparametrischer Brust-MRT für eine verbesserte Brustkrebsdiagnose - eine multi-institutionelle Auswertung

• Antragsteller: Professor Dr. Daniel Truhn
• Fachliche Zuordnung: Radiologie ; Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 515639690

Brustkrebs stellt unverändert eine der wichtigsten Krebs-Todesursachen dar. Entsprechend besteht ein hoher Bedarf an verbesserten Methoden zur Früherkennung. Mit unserer Studie wollen wir untersuchen, inwieweit Verfahren des machine learnings basierend auf Analysen von dynamischen kontrastversärkten (DCE) Mamma-MRT Datensätzen geeignet sind, die klinische Diagnostik des Mammakarzinoms zu unterstützen. Die DCE-MRT der Brust bietet von allen verfügbaren mamma-diagnostischen Verfahren die höchste Leistungsfähigkeit. Eine Einschränkung der Methode ist die niedrige Spezifität/PPV, insbesondere bei Beurteilung der Untersuchungen durch Nicht-Experten. Wir werden ein "Augmented Intelligence Expert Level Diagnostic System" (ELDS) entwickeln. Dazu werden wir eine große Datenbasis bestehender, multiparametrischer Brust-MRTs nutzen, um unsere Algorithmen zur Erkennung und Klassifizierung von anreichernden Läsionen zu verfeinern. Das ELDS soll eine autonome diagnostische Bewertung von Brust-MRTs ermöglichen (eigenständige Detektion von Läsionen und Bewertung hinsichtlich Malignität). Wir werden das ELDS zunächst für den Einsatz in regulären, multiparametrischen, Brust-MRT-Datensätzen etablieren, danach für die „abbreviated MRI“ um es abschließend in einer Studie an 500 Patientinnen unserer eigenen Klinik im klinischen Einsatz zu evaluieren. Da ein großes Problem von machine learning Verfahren darin besteht, dass sie gut auf Datensätzen funktionieren, auf denen sie trainiert worden sind, jedoch weniger gut, auf "fremden" Datensätzen, werden wir das ELDS anschließend in einer multi-institutionalen Studie in Zusammenarbeit mit den Universitätskliniken in Köln, Düsseldorf und Bonn im klinischen Einsatz erproben, verbessern und bewerten.

• DFG-Verfahren: Sachbeihilfen