Pictures of the Future      Frühjahr 2008

Digitale Assistenzärzte

Die medizinische Diagnostik beschert den Ärzten eine Datenflut, die sie ohne Hilfsmittel kaum bewältigen können. Neue Computerprogramme unterstützen sie daher bei der Auswertung und Interpretation der Daten. Auch in der Therapie hilft Software bei der Entscheidungsfindung.

Maastricht an der deutsch-niederländischen Grenze. Umringt von großen Betonbauten der Universität liegt die fünfstöckige Maastro-Klinik. Im freundlich gestalteten Eingangsbereich der Klinik für Strahlentherapie treffen sich Patienten, die von vielen anderen niederländischen Kliniken kommen: zur Vorsorgeuntersuchung, Nachbehandlung oder zur Behandlungssimulation. Um all diese Patienten optimal zu versorgen und zugleich die Krebsforschung voranzutreiben, arbeitet hier ein interdisziplinäres Team aus Strahlentherapeuten, Biologen, Physikern, Informatikern sowie Experten von Siemens Healthcare mit High-tech-Geräten und modernster Software.

Etwa Prof. Philippe Lambin. "Wir forschen hier an der Maastro-Klinik an einer computergestützten Entscheidungshilfe für die individualisierte Therapie von Lungenkrebspatienten", erklärt der Radioonkologe und medizinische Direktor der Maastro-Klinik. "Eine Studie an der Universität Maastricht hat gezeigt, dass Ärzte nicht gut abschätzen können, wie gut ihre Therapie anschlägt." Sie hätten daher Schwierigkeiten, die richtige Behandlung zu wählen. "Wir wollen unsere Vorhersagen bei der Strahlentherapie deshalb künftig mit Hilfe einer Software verbessern". Diese Software basiert auf dem Data-Mining-Tool Remind von Siemens (Trends und Pictures of the Future, Frühjahr 2006, Patente Forscher).

Remind wertet unterschiedlichste Daten – vom Arztbrief über medizinische Bildgebung bis zur Labordiagnostik statistisch aus und erkennt dabei bestimmte Muster. Das Software-System der Maastro-Klinik kann mit diesem Verfahren die zweijährige Überlebensrate von Lungenkrebspatienten mit hoher Genauigkeit vorhersagen. Die zweijährige Überlebensrate dient den Ärzten als Maß für den Erfolg einer Strahlentherapie. Zur Zeit überleben etwa 47 % aller Lungenkrebspatienten die ersten zwei Jahre nach der Diagnosestellung, wenn ihr Krebs in einem frühen Stadium erkannt wird.

Die erste kommerziell verfügbare Anwendung von Remind ist Soarian Quality Measures von Siemens. Diese Software kann Daten einer elektronischen Patientenakte auswerten und dadurch die medizinische Behandlung verbessern. An der Maastro-Klinik hingegen wird Remind im Rahmen eines Pilotprojekts für die Krebsforschung optimiert. Siemens-Experten arbeiten daran vor Ort gemeinsam mit den Fachleuten der Klinik. Die Prognosen werden mit Methoden des maschinellen Lernens erstellt, die mit jedem neu hinzukommenden Datensatz die Mustererkennung selbstständig verfeinern.

Für genaue Prognosen benötigt das System möglichst viele Patientendaten, etwa soziologische Angaben zur Person, Messungen mit bildgebenden Verfahren sowie biologische Daten wie Zellteilungsvermögen und Bestrahlungsempfindlichkeit, die mit Analysen von Genen und Biomarkern im Blut untersucht werden. Remind analysiert und verknüpft über 100 solcher verschiedenen Parameter. Je mehr, desto besser – wobei die Vorhersagen noch anhand externer Datensätze überprüft werden, um Trainingsfehler zu vermeiden. Remind berechnet dann die Dauer und Dosis der Strahlentherapie mit oder ohne Medikamentengabe, die für den individuellen Patienten die beste Zweijahresprognose bietet oder bei der das Risiko von auftretenden Komplikationen sehr gering ist.

Diagnose und Therapie kombiniert. Sowohl zur Diagnose als auch zur Therapie steht den Maastro-Ärzten modernste Siemens-Technik zur Verfügung. Ein PET-CT-Scanner zum Beispiel kombiniert die Positronen-Emissions-Tomographie (PET) mit der Computertomographie (CT) und erlaubt bewegte 3D-Aufnahmen des atmenden Patienten – ein Muss bei Lungenkrebspatienten. Während PET Schnittbilder liefert, die mit Hilfe einer schwach radioaktiv markierten Substanz biochemische und physiologische Vorgänge darstellen, gibt die CT Aufschluss über die Anatomie des untersuchten Gewebes. Die Kombination beider Verfahren liefert den Ärzten Informationen über die Art des Tumors sowie seine exakte Form und Lage im Gewebe. Bei der Behandlung setzt Lambin unter anderem auf die adaptive Radiotherapie. Über eine weitere Siemens-Lösung kann der Radioonkologe einen 3D-Datensatz des Patienten erstellen und damit die Bestrahlung optimal an Lage und Volumen des Tumors anpassen.

Zur weiteren Verfeinerung von Vorhersage und Planung wertet Remind nach einer Therapie alle Untersuchungsergebnisse aus. Diese Kombination von Diagnostik und Therapie bezeichnet Lambin als computergestützte Theragnostik. Ein weiterer Vorteil: Remind kann auch die Wahrscheinlichkeit vorhersagen, mit der typische Komplikationen wie etwa eine Speiseröhrenentzündung auftreten können. Das geschieht auf Basis von Parametern wie Strahlendosis, Behandlungszeit, begleitende Chemotherapie sowie der Konzentration von weißen Blutkörperchen. Der Algorithmus ermöglicht es den Ärzten, eine Entzündung der Speiseröhre im Vorfeld zu erkennen – sie müssen dann eine wochenlange Behandlung nicht vorzeitig abbrechen.

Inzwischen lassen sich auch die Behandlungskosten mit einbeziehen, später sollen auch die Kosten für mögliche Komplikationen integriert werden. 2008 will Lambin jedoch vor allem die Datenbasis verbreitern. "Damit wir die Überlebensrate nach einer bestimmten Therapie gut vorhersagen können, benötigen wir mindestens 500 bis 1 000 Patienten", erklärt er. "Und wir brauchen externe Daten, um die Vorhersagen zu überprüfen. Das ist der Flaschenhals im System."

Zur Zeit enthält die Maastro-Datenbank die Daten von etwa 1 000 Patienten – 500 davon sind Lungenkrebs-Patienten. Um dies auszubauen, will sich die Klinik über ein digitales Netzwerk mit Krankenhäusern in den belgischen Städten Leuven und Lüttich sowie im niederländischen Groningen vernetzen. Aus Datenschutzgründen erhält das Maastro-System nur die anonymisierten Parameter zur Auswertung mit Remind, die Daten selbst verbleiben in der jeweiligen Klinik. Dies wird künftig zu einer völlig neuen Art klinischer Forschung führen: Ähnlich wie die pharmazeutische Industrie Software auf der Basis von maschinellem Lernen verwendet, um Experimente zu simulieren, wollen auch die Maastro-Forscher klinische Studien mit Hilfe ihrer Daten simulieren.

Digitaler Radiologe. 40 km von der Maastro-Klinik entfernt arbeitet der Radiologe Dr. Marco Das in der Klinik für Radiologische Diagnostik des Universitätsklinikums Aachen. Ein Schwerpunkt seiner Arbeit ist die Detektion von Lungenrundherden – Krebs, Metastasen oder gutartige Veränderungen. Im klinischen Routinebetrieb wird mit einem CT ein 3D-Datensatz der Lunge aufgenommen. Der Radiologe sucht dann auf den digitalen Schichtbildern nach verdächtigen Strukturen. Auf diese Weise studiert Das täglich 30 bis 40 Patienten – wobei ihm nur wenige Minuten für jede Befundung bleiben. Damit kein Rundherd übersehen wird, überprüft noch ein zweiter Radiologe jeden Befund. Zusätzlich setzt der Arzt eine CAD-Software ein, die künftig den zweiten Radiologen ersetzen könnte, wie dies in vielen anderen Kliniken bereits der Fall ist. CAD steht für Computer-unterstützte Diagnose (oder Computer-aided Detection) und bezeichnet eine Technik, die nicht auf künstlicher Intelligenz, sondern auf Mustererkennung basiert. Das System, das Dichteunterschiede in der Lunge analysiert, wurde mit den Bildmustern von typischen Lungenrundherden gefüttert. Dadurch kann es diese Muster auch auf anderen CT-Aufnahmen erkennen.

Effektiver Tumormarker. "In der Praxis funktioniert das sehr gut", weiß Marco Das zu berichten, der mit der Siemens-Software syngo LungCAD arbeitet. Bereits vor der Befundung durch den Radiologen hat das Programm im Hintergrund ebenfalls nach Rundherden gesucht. Etwa vier Minuten benötigt die Software zur Überprüfung von bis zu 700 Schichtbildern mit einer Schichtdicke von einem Millimeter – bei einer höheren Schichtdicke und entsprechend weniger Bildern arbeitet die Software noch schneller.

Nachdem Das seine Befundung abgeschlossen hat, werden die Ergebnisse der Software analysiert. So entstehen für den Arzt keine Wartezeiten. Automatisch markiert die Software die von ihr identifizierten Stellen mit roten Kreisen. "In allen bisher veröffentlichten Studien hat die CAD-Software einen positiven Effekt auf die Trefferquote des Radiologen", sagt der Arzt. Allerdings produziert das System auch Fehlmeldungen, Falsch-Positiv-Befunde, die aber laut Marco Das nicht sehr problematisch sind, weil sie von erfahrenen Radiologen schnell erkannt werden.

"Die CAD-Programme eignen sich sehr gut für die Zweitmeinung, aber die Befundung durch den Radiologen werden sie wohl nie ersetzen, da letztlich die Erfahrung des Arztes für die Einordnung der Ergebnisse entscheidend ist", resümiert er. Als ebenso wichtig wie die Aufspürung von Lungenrundherden schätzt der Experte die zusätzlichen Möglichkeiten der neuen Software syngo CT Oncology ein, die auch die Funktionalität von syngo LungCAD beinhaltet. Um den Therapie-Erfolg zu bestimmen, messen die Ärzte die Größenänderung des Tumors im Verlauf der Behandlung. Bislang mussten sie dazu manuell am Bildschirm den Tumordurchmesser ermitteln. Diese Messungen sind jedoch sehr ungenau und die Ergebnisse variieren stark zwischen verschiedenen Ärzten. Syngo CT Oncology dagegen erlaubt eine bessere Quantifizierung, weil es das Volumen von Tumoren unterschiedlichster Form automatisch berechnet. Und es erlaubt die Bestimmung der Dichte von Geweben – eine Messung, die kein Arzt manuell vornehmen könnte. Die Dichtegradienten liefern einen ersten Hinweis auf die Malignität eines Tumors.

Eine solche Dichtemessung kommt auch bei Patienten mit so genannter Raucherlunge zum Einsatz. Häufig entsteht hier ein Lungenemphysem, wobei die kleinsten Lungenbläschen zerstört werden. Die Siemens-Software syngo InSpace4D Lung Parenchyma Analysis misst die Dichteverteilung der gesamten Lunge. Eine kranke Lunge hat aufgrund der geplatzten Lungenbläschen mehr freie Luft im Lungengewebe als eine gesunde und daher eine geringere Dichte. "Diese Software-Lösung bietet erstmals die Möglichkeit, bereits das Anfangsstadium der Erkrankung zu quantifizieren und die Therapie effektiv zu überwachen. Bislang ging dies nur sehr schwer über indirekte Tests", sagt Das.

Virtuelle Darmspiegelung. Ein weiterer wichtiger Einsatzbereich für computerunterstützte Diagnosen ist die Darmkrebsvorsorge. Dr. Anno Graser vom Institut für Klinische Radiologie der Universitätsklinik München in Großhadern verwendet die Software syngo Colonography with PEV (Polyp Enhanced Viewing) zur Auswertung von virtuellen Darmspiegelungen. Im Unterschied zu seinem Aachener Kollegen steht Graser kein zweiter Radiologe zur Seite, weshalb sich der Arzt auf die Zweitmeinung der PEV-Software verlässt. "Das Programm kann von jedem Arzt angewendet werden und liefert sehr gute Ergebnisse, sofern der Darm vor der Untersuchung korrekt vorbereitet, sprich gereinigt, wurde", erklärt Graser. Der Radiologe, der die Software auch im Rahmen von mehreren Studien untersucht hat, ist nicht nur mit der Treffsicherheit der Software zufrieden. "Sie vereinfacht und beschleunigt die gesamten Arbeitsabläufe." Vier Minuten benötigt das Programm bei Graser zur Berechnung der PEV-Ergebnisse – in etwa so lange wie der Arzt.

Seit er seine klinischen Studien abgeschlossen hat, untersucht Graser täglich ein bis zwei Patienten mit dem neuen Verfahren. "Die Krankenkassen bezahlen derzeit nur die herkömmliche Endoskopie, es sei denn, es liegt eine spezielle Indikation wie etwa ein Darmverschluss oder eine Entzündung des Darms vor. Hier kann nicht mit der herkömmlichen Endoskopie untersucht werden", erklärt er. Die Trümpfe des neuen Verfahrens, das von Patienten auch aufgrund seiner kurzen Untersuchungszeit bevorzugt wird, liegen in der Möglichkeit der Untersuchung des ganzen Darmes auch bei schwierigen anatomischen Verhältnissen – wie etwa Darmfalten – und der hohen Empfindlichkeit für die Detektion von Polypen. "Diese Vorteile werden dem System zum Durchbruch verhelfen", ist sich Graser sicher.
                                                                                                                   Michael Lang