Klinik für Diagnostische und Interventionelle Radiologie

Hintergrund

Täglich werden große Mengen radiologischer Bilddaten erhoben, um eine vermutete Erkrankung zu bestätigen oder auszuschließen. Die Interpretation dieser Bilder erfolgt in der Regel subjektiv durch Radiologinnen und Radiologen. Allerdings bleibt ein Großteil der im Bild enthaltenen Informationen ungenutzt – vor allem, weil es an verlässlichen Methoden zur systematischen und automatisierten Auswertung fehlt. Die Folge: Potenziell wertvolle diagnostische und prognostische Informationen bleiben verborgen, obwohl sie entscheidend zu einer verbesserten und individualisierten Prävention, Früherkennung und Therapieplanung beitragen könnten.

Fortschritte im Bereich der Künstlichen Intelligenz eröffnen hier grundlegend neue Perspektiven. Sie ermöglichen eine hochdurchsatzfähige, quantitative Analyse bildgebender Daten mit dem Potenzial, bisher ungenutzte Informationen in objektive Marker zu überführen. Diese Marker erlauben es, Gewebe und Organe präzise zu phänotypisieren und sowohl natürliche als auch krankhafte Veränderungen und Alterungsprozesse besser zu erfassen. Potenzielle Anwendungsbereiche reichen von gezielten Screening-Programmen bis hin zur opportunistischen Risikoeinschätzung im klinischen Alltag, um gefährdete Personen frühzeitig zu identifizieren und gezielter behandeln zu können.

Forschungsschwerpunkte

Das übergeordnete Ziel des CARE_lab ist die Entwicklung und Validierung von KI-Algorithmen zur Quantifizierung bekannter und neuer Bildgebungsmarker. Durch deren Translation in die klinische Praxis soll die Prävention und Risikoeinschätzung bei kardiometabolischen und onkologischen Erkrankungen verbessert sowie etablierte Versorgungspfade optimiert werden. Zur umfassenden Risikobewertung werden Bilddaten mit weiteren biomedizinischen Informationen und Risikofaktoren integriert. Dies ermöglicht eine ganzheitlichere Einschätzung des potenziellen klinischen Mehrwerts – ein Aspekt, der bisher oft unzureichend belegt ist, etwa im Hinblick auf die Reklassifikation von Risiken gegenüber bestehenden Leitlinien oder mögliche therapeutische Konsequenzen. Auch Kosten, potenzielle Fehlklassifikationen sowie institutionelle Unterschiede und fehlende Standardisierung stellen bekannte Herausforderungen dar, die vor einer breiten klinischen Implementierung berücksichtigt werden müssen. Diese Aspekte werden im Rahmen verschiedener Projekte gezielt untersucht. Als Datengrundlage dienen sowohl großangelegte öffentliche Studien (NAKO Gesundheitsstudie, UK Biobank, National Lung Screening Trial NLST) als auch Patientenkohorten aus dem CCC Freiburg und dem klinischen Alltag.

Die Umsetzung der Projekte erfolgt in enger Zusammenarbeit mit innerklinischen (Klinik für Innere Medizin 1; Hämatologie, Onkologie und Stammzelltransplantation und Klinik für Innere Medizin 2; Gastroenterologie, Hepatologie, Endokrinologie und Infektiologie), nationalen (Gesundheitsökonomie, UMM Mannheim und Diagnostische und Interventionelle Neuroradiologie, TU München) und internationalen Kooperationspartnern (AIM Program, BWH, Harvard Medical School und CIRC, MGH, Harvard Medical School). Unterstützt werden die Projekte durch Funding der DFG, der National Academy of Medicine, der Volker Homann Stiftung sowie industriellen Kooperationen. 

Publikationen

unsere Publikationen bei Pubmed