Datenintegration – eine Brücke zwischen Radiologie und Pathologie!

Kurzfassung:

Die exakte räumliche Korrelation im Sinne einer Fusion von radiologischen und histologischen Bildern ist kaum automatisch möglich und selbst manuell oft schwer herzustellen. Zum Glück ist sie auch unnötig, um aus den beiden Datenquellen gemeinsam eine Fülle neuartiger Erkenntnisse zu gewinnen. Viel wichtiger ist die gemeinsame Betrachtung quantitativer (statt nur qualitativer und subjektiver) Parameter, die automatisiert, also computer-basiert, aus den digitalen Bilddaten von sowohl Radiologie als auch Histopathologie gewonnen werden. Sowohl die Objektivierung der Information, als auch die Chance, mithilfe des Computers die gewaltigen Datenmengen, die in der digitalen Pathologie anfallen, vollständig zu verarbeiten, sind Wegbereiter für eine differenziellere Phänotypisierung von Gewebeproben. In der onkologischen Anwendung, wo das Wissen über die Zusammensetzung und Aggressivität eines Karzinoms entscheidend ist für die Wahl der Therapie, kann dies entscheidende Vorteile bringen. Darüber hinaus eignen sich quantitative Parameter als Grundlage für moderne Mustererkennungsverfahren. Solche Verfahren können nicht nur die Bilddaten, sondern auch weitere klinische Patienteninformationen einbeziehen. Ein solches holistisches Modell kann zum Beispiel trainiert werden, die Erfolgsaussichten verschiedener Therapieoptionen vorauszusagen. Diese Personalisierung von Therapieentscheidungen auf Basis breiter differenzieller Informationen hat allerdings eine zentrale Voraussetzung: die Datenbasis der Modellbildung muss erheblich größer sein, als das einzelne Studien ermöglichen. Hier sind neue Wege der nationalen und internationalen Kooperation gefragt.

Lernziele:

Verständnis verschiedener Weisen, multimodale und interdisziplinäre Daten gemeinsam auszuwerten. Verständnis grundlegender Methoden, quantitative Parameter in Bilddaten zu erheben. Verständnis der Grundlagen moderner selbstlernender Statistik („deep learning“) auf hochdimensionalen multiparametrischen Daten.