Personalisierte Medizin. Herausforderungen und Chancen für die Bildgebung

Transkript

1 Personalisierte Medizin Herausforderungen und Chancen für die Bildgebung Konstantin Nikolaou Abteilung für Diagnostische und Interventionelle Radiologie Personalisierte Medizin Herausforderungen und Chancen für die Bildgebung Steigerung der Arbeitslast + Kosten in der Bildgebung Value-based Healthcare Imaging Biomarker Quantitative Bildgebung Radiomics Big Data + künstliche Intelligenz Potential & Innovationen der Magnetresonanztomographie Personalisierte Medizin am Universitätsklinikum Tübingen 1

2 Transformation der Radiologie: Hohe (funktionelle) Informationsdichte in Relation zu Big Data WEB 2.0/CLOUD Persönliche Kommunikation Bildgebung PACS Informations- Verarbeitung Entscheidungsprozesse Courtesy of Maximilian Reiser, LMU Munich Diagnostisches CT Diagnostisches MRT McDonald, Acad Radiol 2015 Abteilung für Radiologie, UKT 2

3 Kashani, Perspective for Managers Newsletter, 2010 Radiology, 2010 Surrogat-Bildgebung, Imaging Biomarker und Radiomics als integrale Bestandteile der Präzisionsmedizin Radiologie Modified from: Jakka and Rossbach, The HUGO Journal,

4 Biomarker für die Bildgebung Als zuverlässiger Test medizinischer Hypothesen Als Werkzeuge in der medizinischen Forschung Neue Biomarker müssen technischer und biologisch/klinischer Validierung sowie Kosteneffektivitätstests standhalten clinical decision-making tool Entwicklung QUANTITATIVER Biomarker für die Bildgebung Bildgebung innerhalb beschreibbarer Einflussgrößen (Bias, Varianzen) Standardisierung von Untersuchungsprotokollen zwischen Imaging-Zentren Festlegung von Akquisitions- und Rekonstruktionsstandards Courtesy of G. Krestin, Rotterdam NATURE REVIEWS CLINICAL ONCOLOGY, 2016 Inter- und intratumorale Tumorheterogenität Müssen wir jede Läsion biopsieren? Radiology, 2016 Multiscale HCC, emed BMBF project, University Hospital Tuebingen Intratumor heterogeneity can lead to underestimation of the tumor genomics landscape and may present major challenges to personalized-medicine and biomarker development. New England Journal of Medicine 366;10 nejm.org march 8,

5 Radiomics Scan Images Features Biomarker Prädiktion (Advanced) Imaging Big data Künstliche Intelligenz Courtesy of F. Nensa, University of Essen Künstliche Intelligenz Adap+ng to ar+ficial intelligence Radiologen und Pathologen müssen sich auf die Nutzung Künstlicher Intelligenz (KI) einstellen Künstliche Intelligenz leistet Informationsextraktion aus Bildgebungsdaten Radiologen/Pathologen werden zu Informations-Spezialisten: Zur Datenverarbeitung Zur Dateninterpretation Zur Datenkommunikation 5

6 OK!, aber. Warum Tübingen? Warum MRT? Tübingen: Zentrum für Personalisierte Medizin (ZPM) 6

7 CentraXX Biobank / Study Mgt. / Research Lösung der Datenintegration Research data Identified an validated User (pseudonymized web view) XML Patient management (SAP) HL7 Biobanking Pathology Web Interface by MPI by MPI XML Clinical Cancer Registry GTDS Biobanking University gynecological hospital XML XML Clinical Study center Biobanking Neuropathology Courtesy of N. Malek, Chairman, ZPM & Med. Dpt., University Hospital Tuebingen Innovationen in der MRT Meilensteine der MR-Entwicklung Lauterbur & Mansfield 3 First MR images in humans 6 PET-MR Basics for modern MRI 7 MR Fingerprinting 2 First experimental MR Systems 5 Noble Price for Lauterbur und Mansfield 8 Hyperpolarized MRI 4 Clinical MR Systems 0,5 Tesla 1,5 Tesla 3 Tesla 7 Tesla 7

8 Bewegungsartefakte Motivation Mit Bewegung Ohne Bewegung Motion Blur Atmung Herzschlag Nicht steuerbare Patientenbewegung Aliasing Courtesy of Th. Küstner Dpt. Radiology, UKT Bedarf an adaptiven Strategien zur Bewegungskorrektur Personalisierte Medizin: Die Rolle der (standardisierten) Bildgebung, Quantifizierung und Befundung Response Therapie- Relevanz Quantitative Daten Befundung / Analyse Akquisition der Bilddaten Patient 8

9 Rolle der Bildgebung in der Personalisierten Medizin Akquisition, Strukturierung und Kuratieren von Daten Der Radiologe als INFORMATIONS-SPEZIALIST Multidisziplinäre Forschung klinische Partner, Statistiker, data scientists Anwendung von Klassifizierungen auf neue Daten Etablierung eines decision support Vielen Dank! Wohin führt uns das neue MAGNETOM VIDA? Test Modified from: Jakka and Rossbach,