ETIM 2018: Virtuelle Helfer im Gesundheitswesen

ETIM 2018: Virtuelle Helfer im Gesundheitswesen

Nach Jahren beeindruckender Hardwareentwicklungen übernimmt nun die Softwareentwicklung eine bestimmende Rolle in der Radiologie. Ärzte können zukünftig mit mehr Unterstützung rechnen.

  • Datum:
    23.03.2018
  • Autor:
    ska/aca
  • Sprecher:
    Dr. Dorin Comaniciu
  • Quelle:
    ETIM 2018

Schon heute spielt Software in der Radiologie eine größere Rolle als in den meisten anderen medizinischen Fachgebieten. Dorin Comaniciu vom Siemens Healthineers Technology Center in Princeton, USA, gab in seinem Vortrag einen Einblick in die Zukunft der radiologischen Diagnostik.

Software als treibende Innovationskraft

Neue Software wird Comaniciu zufolge die zukünftige Entwicklung der Radiologie bestimmen. So gibt es bereits ein neues Programm, das es erlaubt, aus CT-Bildern hyperrealistische Bilder zu kreieren. Dies nennt man auch „cinematic rendering“. Solche Bilder können in Zukunft vor allem in der Ausbildung medizinischer Fachkräfte, aber auch in der Interaktion mit Patienten zum Einsatz kommen.

Comaniciu wies darauf hin, dass diese Technologie zum Beispiel im Zusammenspiel mit einer 3D-Kamera auch bei Eingriffen in der radiologischen Praxis eine Rolle spielen kann. Die 3D-Kamera wird dabei über dem Patiententisch angebracht. Mit ihrer Hilfe kann innerhalb von Sekunden ein digitaler Avatar des Patienten erzeugt werden. Anhand dieses Avatars können dann verschiedene Körperregionen gezielt angesteuert und gescannt werden.

Eine Kombination dieser Technologie mit dem „cinematic rendering“ erlaubt es laut Comaniciu, ein hyperrealistisches 3D-Modell des CT-Scans direkt in den Avatar des Patienten zu projizieren. „Damit lassen sich Eingriffe mit hoher Genauigkeit steuern, ohne eine konstante Durchleuchtung oder wiederholte CT-Aufnahmen zu benötigen“, so Comaniciu.

Verbesserte Software durch Deep Learning

„Die Entwicklung auf Softwareebene wird heutzutage hauptsächlich von Deep-Learning-Algorithmen vorangetrieben“, erklärte Comaniciu. Generell gilt der Grundsatz, dass maschinelles Lernen stark von der Qualität und vor allem von der Menge der eingespeisten Daten abhängt. Ab einer gewissen Menge von Daten wird jedoch ein Wert erreicht, ab dem die Qualität des Algorithmus auch mit noch mehr Daten nicht mehr stark verbessert werden kann. Dieser Schwellenwert wird, wie Comaniciu ausführte, mit Deep-Learning-Algorithmen im Gegensatz zum klassischem Maschinenlernen schneller erreicht. Für Deep-Learning-Algorithmen sind also vergleichsweise weniger Daten vonnöten.

Unterstützung für Ärzte

Automatisierung ist nach Ansicht von Comaniciu vor allem in der Radiologie nichts, wovor sich die Ärzte fürchten müssen. Ganz im Gegenteil ist davon auszugehen, dass den Ärzten dank der Automatisierung lästige repetitive Tätigkeiten abgenommen werden können. Des Weiteren bietet ein größerer Grad an Automatisierung die Chance auf eine präzisere Medizin.

Schon die aktuelle Software ist in der Lage, in kurzer Zeit automatisiert zahlreiche verschiedene Strukturen im Körper zu identifizieren, die dann zur Orientierung benutzt werden können. Mit Hilfe von Algorithmen können im Anschluss auch die Konturen von Organen erfasst werden. So ist eine automatisierte Kartierung von CT-Bildern möglich. Dies kann für Radiologen – im Sinne einer Vorverarbeitung der Bilder – eine sehr nützliche Unterstützung sein.

Ein nächster Schritt besteht laut Comaniciu dann darin, Abnormitäten in CT-Bildern zu detektieren. Dies ist einfacher als die Detektion von Normalbefunden, die aus statistischer Sicht eine große Herausforderung darstellen.

Virtuelle Patienten zum Testen neuer Technologien

Neue Technologien erlauben es in Zukunft möglicherweise auch, virtuelle Modelle für spezifische Patienten zu kreieren. „An solchen Modellen können neue medizinische Geräte, Implantate oder chirurgische Behandlungen erprobt werden“, erläuterte Comaniciu. Daneben ist es nach Comaniciu künftig vielleicht auch möglich, diese Daten mit weiteren Patientendaten zu kombinieren und so Vorhersagen über den weiteren Verlauf zu treffen. Anhand derart kombinierter Daten kann zukünftig eventuell auch eine Risikostratifizierung stattfinden. Ein weiter entferntes Ziel besteht Comaniciu zufolge darin, mithilfe solcher digitalen Patientenzwillinge nicht nur Vorhersagen zum Auftreten von Krankheiten zu treffen, sondern auch Wege zu finden, um Patienten gesund zu halten.

FAZIT

Die zunehmende Automatisierung und neue Softwaretechnologien werden künftig in der Radiologie eine immer wichtigere Rolle spielen. Sie können den Ärzten zum Beispiel lästige Aufgaben abnehmen und als Modelle für die Erprobung neuer Therapien dienen. Außerdem bieten sie die Chance auf eine präzisere Medizin.