AutoPiX – Verbesserung der Bildgebung bei Arthritis

Unmet Needs der Bildgebung bei Arthritis

Jedes Jahr werden in der EU Millionen Bilddaten aus Röntgen, Ultraschall oder Magnetresonanztomografie von Arthritis-Patient:innen produziert. Von diesen Daten werden die meisten nur zum Teil oder gar nicht verwendet.

Zu den Prioritäten des AutoPiX-Projektes gehören mehrere innovative Ansätze zur Verbesserung der Nutzung medizinischer Bilder, wie sie bei jedem Patientenbesuch aufgenommen werden – mit dem Ziel, die Versorgung der Patient:innen mit Arthritis verbessern zu können. Ein zentraler Aspekt ist die automatisierte Bildanalyse, bei der unstrukturierte Bilddaten in quantitative Biomarker umgewandelt werden, die die Diagnose, die Therapieüberwachung und die Vorhersage unterstützen können.

KI in der Bildgebung

Um bildgebende Biomarker mit Hilfe von künstlicher Intelligenz (KI) nützlich und aussagekräftig zu machen, wird ein zentrales Element von AutoPiX die Schaffung eines Datensees sein, der Zehntausende von Bildern aus den bei rheumatoider Arthritis, bei Psoriasis-Arthritis oder bei axialer Spondylarthritis häufig verwendeten bildgebenden Verfahren wie konventionellem Röntgen, muskuloskelettalem Ultraschall oder Magnetresonanztomografie enthalten wird, mit verknüpften klinischen Daten sowohl von akademischen Zentren als auch von zuvor durchgeführten klinischen Studien der Pharmaindustrie. Dieser Datensee wird ein Reservoir für die Validierung von Machine-Learning-Algorithmen sein. Geplant ist eine verknüpfte Forschungsplattform, die nach der Projektlaufzeit der breiteren Gemeinschaft zugutekommen soll.

Abb.: Verbesserung und Objektivierung der rheumatologischen Bildgebung

Eine der Herausforderungen, vor denen das Konsortium zu Beginn steht, ist die Mobilisierung der vielen Bilder aus den akademischen Zentren und der Industrie und ihre sichere Übertragung in den Datensee.

Im Idealfall könnte dies bedeuten, dass Ärzt:innen und eventuell auch Patient:innen, die selbst keine Expert:innen im Lesen medizinischer Bilder sind, in der klinischen Routine Zugang zu Algorithmen des maschinellen Lernens haben, die typische radiologische Veränderungen bei häufigen Formen der entzündlichen Arthritis überwachen oder den Krankheitsverlauf oder in Kombination mit anderen Parametern das Ansprechen auf eine Therapie vorhersagen können.

Fernüberwachung von Patient:innen mit Hilfe der Bildgebung bei Arthritis

Der Einsatz mobiler Apps ermöglicht die Fernüberwachung von Patient:innen. Dabei können Fotos oder Videos direkt an die Klinik übermittelt werden. Solche Apps ermöglichen auch eine Point-of-Care-Überwachung der Patient:innen am Wohnort und können in Verbindung mit Patienten-Dashboards die Notwendigkeit von klinikinternen Untersuchungen anzeigen, von denen einige, wie z. B. Roboter-Ultraschallsysteme, auch automatisiert werden und Lösungen für Personalengpässe in der ambulanten Versorgung bieten können.

Schließlich sollen innovative bildgebende Verfahren wie die Positronen-Emissions-Tomografie (PET) mit neuartigen nuklearen Radionukleid-Tracern oder die Immunoszintigrafie als potenzieller Ersatz für invasive Gewebediagnostik bewertet und validiert werden. Diese Verfahren könnten somit eine weniger belastende Alternative für Patient:innen darstellen.