ImageREPORT ist ein Softwareprojekt zwischen verschiedenen europäischen Partnern, das intelligente Bilderkennung zur Auswertung medizinischer Aufnahmen mit semi-automatisierter Befunderstellung kombiniert.

Durch die Verknüpfung von Bildanalyse und darauf beruhender Befundung soll die radiologische Versorgung maßgeblich verbessert werden.

Die Förderung kommt von Eurostars, einem Förderprogramm von EUREKA und der EU-Kommission. Die Fördergelder werden dazu dienen, die intelligente Bildanalyse- und Reportingsoftware für Röntgenuntersuchungen und Computertomographien des Brustkorbs anwendbar zu machen und sie radiologischen Abteilungen in Krankenhäusern zur Verfügung zu stellen. Am Projekt beteiligt sind Thirona, ein auf automatisierte Analyse medizinischer Aufnahmen spezialisiertes Unternehmen aus den Niederlanden, sowie das niederländische Universitätsklinikum Radboud University Nijmegen Medical Centre.

Hintergrund des Projekts

Radiologen sehen sich einer ständig zunehmenden Menge medizinischer Aufnahmen gegenüber, die ausgewertet werden müssen. Allein zwischen 1999 und 2010 verzehnfachte sich die Menge medizinischer Schnittbilder. Auch werden die Aufnahmen dank moderner Geräte immer hochauflösender. Ausgewertet werden sie aber bisher fast ausschließlich visuell mit dem menschlichen Auge. Die anschließende Befunderstellung erfolgt bisher als Freitext und ist daher abhängig von dem jeweiligen Arzt. Das bedingt, dass die Befundqualität sehr variabel ist, was in der Praxis zu häufigen Rückfragen führt. An diesen Stellschrauben setzt das Projekt an.

ImageREPORT

ImageREPORT basiert auf zwei Komponenten: Einem auf Machine Learning basierendem System zur Bildanalyse und einer intelligenten Befundungssoftware, die Ergebnisse für den medizinischen Befund aufbereitet und dem Arzt die Befundschreibung stark erleichtert.

Auf Deep-Learning beruhende, hochpräzise CAD-Algorithmen (Computer-Aided-Detection) analysieren automatisch Röntgen- oder CT-Aufnahmen. Da Algorithmen teilweise deutlich genauer als das menschliche Auge sind, können auch minimalste Anomalien entdeckt werden.

Im zweiten Schritt werden die Erkenntnisse der Bildanalyse in die Befundungssoftware eingespeist, welche den Radiologen Schritt für Schritt durch die Befundung führt. Aufgrund der Analyseergebnisse und der Angaben des Radiologen werden dann semiautomatisiert Befunde erstellt. Diese sind klar strukturiert, vollständig, reproduzierbar und als Daten auswertbar.

„Weltweit arbeiten Forscher daran, mit Hilfe intelligenter Bilderkennungssoftware medizinische Bilder auszuwerten, um Diagnose und Therapie zu verbessern. Vor allem seit Deep Learning Techniken verfügbar sind, hat hier eine neue Ära für die Bildgebung begonnen. In Kombination mit einer darauf beruhenden semiautomatisierten Befundung, kann die radiologische Versorgungsqualität signifikant zum Wohle der Patienten verbessert werden. Je genauer die Befunde, desto besser kann therapiert werden. Und auch Radiologen profitieren durch die Arbeitserleichterung, die diese intelligente Software bietet“, erklärt Prof. Dr. Wieland Sommer, Initiator von Smart Reporting.