Die Danube Private University (DPU) in Krems hat als einen ihrer Forschungsschwerpunkte die Analyse medizinischer Bildgebern mithilfe von künstlicher Intelligenz. PERISKOP sprach mit Ramona Woitek, Julia Furtner-Srajer und Olgica Zaric.
Mag. Dora Skamperls
PERISKOP-Redakteurin
Die DPU plant, in Wiener Neustadt ein medizinisch-technologisches Forschungszentrum (MTFZ) zu etablieren, bei dem Onkologie das Kernthema sein wird. Es wird vier Forschungsschwerpunkte geben, wobei der erste der hier angesprochene sein soll, nämlich die KI-unterstützte medizinische Bilddatenauswertung am Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI). Weiters die Biosensorik, ein ebenfalls an der DPU bereits bestehender Forschungsschwerpunkt, der sich in Richtung Onkologie weiterentwickeln soll. Andere Forschungsschwerpunkte werden die klinische Onkologie sowie Data Sciences for Medicine sein. Die Etablierung des hier angesprochenen Forschungsschwerpunktes MIAAI war eine Idee von Ramona Woitek, die diese auch im Rahmen der Vertragsverhandlungen konkret weiterentwickelte. Die wissenschaftliche Leiterin dieses Forschungszentrums an der DPU erzählt über ihre Aufgaben und Ziele für diese hochspezialisierte Forschungsgruppe.
Maximale Information aus der Bildgebung
WOITEK: „Wir haben gemeinsam mit Dir. Robert Wagner an der DPU einen Forschungsschwerpunkt gegründet, der sich Medical Image Analysis and Artificial Intelligence nennt. An der DPU hatte ich die einmalige Gelegenheit, diese Forschungsgruppe aufzubauen und meine Ideen für Forschungsprojekte in diesem Bereich umzusetzen. Wir arbeiten hier mit radiologischer Bildgebung und wollen über das verhältnismäßig simple Interpretieren von Bildgebung, wie es im klinischen Alltag durchgeführt wird, hinausgehen. Wenn in der Radiologie beispielsweise ein Tumor gefunden wird, wird dieser in ein bis zwei Dimensionen abgemessen, dann wird seine Lage beschrieben und das Aussehen. Das ist meist die gesamte Information, die aus der radiologischen Bildbeurteilung folgt. Unser Forschungsschwerpunkt hat es sich zur Auf maschinellen Lernens bzw. der KI, um mithilfe dieser detaillierten Bildgebungs-Features, auch Radiomics genannt, sogenannte Prädiktoren zu erzeugen. Mit diesen können wir klinisch wichtige Variablen wie den Therapieerfolg vorhersagen. Dafür verwenden wir nicht nur radiologische Daten, sondern auch eine Vielzahl anderer Daten, aus dem klinischen und molekularen Bereich, und führen diese zusammen, um die Genauigkeit der Vorhersagen zu erhöhen. Eine Erkrankung, auf der momentan einer unserer Schwerpunkt bei derartigen Arbeiten liegt, ist das Mammakarzinom.“
Von Cambridge nach Krems
„Nach meiner Zeit im AKH erhielt ich 2017 im Rahmen eines Auslandsstipendiums an der University of Cambridge die Gelegenheit, bei einer hochspezialisierten Forschungsgruppe am Mammakarzinom zu forschen. Wir haben damals auch einen zusätzlichen Fokus auf die Bedürfnisse der Patientinnen gesetzt und diese über Umfragen erhoben. Bei Patientinnen, die neoadjuvante Chemotherapien oder neue Immuntherapeutika erhalten, bedeutet das eine oft monatelange Therapie mit vielen Nebenwirkungen. Diese lange Phase der Unsicherheit, ob die Therapie erfolgreich ist, ist für die Patientinnen nicht nur physisch, sondern auch psychisch sehr belastend. Natürlich ist es da interessant, schon in einer frühen Phase vorhersagen zu können, ob und wie dieser Tumor auf die Therapie ansprechen wird, ob eine Modifikation der Medikation oder sogar ein Einschluss in eine klinische Studie sinnvoll wäre. In Cambridge haben wir damals auch eine Umfrage unter Patientinnen mit Ovarialkarzinom zum Thema KI in der Medizin gemacht. Wenn KI raschere Diagnosen, schnellere und präzisere Therapien und optimierte Terminfindung unterstützt, wird sie zumeist positiv angenommen. Länger werdende Wartezeiten sind auch in Österreich ein Thema.“
Zeit, Kosten und Aufwand sparen
„Frau Dr. Zaric schlägt einerseits den Weg ein, Tumore aus molekularer Sichtweise zu betrachten. Hier wird beispielsweise die Natriumkonzentration im Tumor mittels MRT gemessen, um den Verlauf während der ersten Therapiezyklen besser beurteilen zu können. Andererseits verfolgen wir auch den Weg, Texturen von Tumoren auf Bildern zu quantifizieren, damit die KI besser damit arbeiten kann. Dafür ziehen wir unterschiedliche Bilddaten heran. Einerseits gibt es die Möglichkeit, die Daten unmittelbar aus der Diagnosestellung zu verwenden: Mammografie, MRT, Ultraschall. Diese Bilddaten werden ohnehin generiert und erzeugen daher keine zusätzlichen Kosten im System. Wenn wir aus diesen Bildern ein Maximum an Informationen herausholen können, maximieren wir damit den Gewinn, ohne die Kosten stark zu erhöhen.“
Molekulare Geheimnisse des Tumors aufdecken
„Um die molekulare Charakterisierung von Tumoren mithilfe der Bildgebung weiter voranzutreiben schlägt das Team um Frau Dr. Zaric den Weg ein, die Natriumkonzentration im Tumor mittels MRT zu messen, um den Verlauf und das Ansprechen während der ersten Therapiezyklen besser beurteilen zu können. Zusätzlich zu bereits etablierten Techniken können so weitere und tiefergehende Informationen gewonnen werden. Natrium ist für viele Tumorprozesse entscheidend. Ebenso die Zuckeraufnahme und Zuckerverstoffwechslung, wie sie im PET-Scan untersucht werden. Gemeinsam mit der Universität Cambridge arbeiten wir an einer Technik, die den Zuckerstoffwechsel von Mammakarzinomen ohne den Einsatz radioaktiver Substanzen untersucht.
Diese neue Methode stellt dynamisch dar, wie der Tumor Zucker aufnimmt und dort in Laktat verwandelt wird. Wir konnten zeigen, dass damit relativ genaue Vorhersagen möglich waren, welche Patientinnen einen kompletten Therapie-Response erreichen werden und welche nicht. Derzeit befinden wir uns noch im Stadium der Forschung – wenn diese Methoden aber genügend validiert sind, um in den Kliniken Anwendung zu finden, können solche Auswertungen sehr rasch erfolgen. Es ist auch zu bedenken, dass die Biopsie von Tumorgewebe mit anschließender Sequenzierung und Auswertung wesentlich aufwendiger und kostenintensiver ist als die standardmäßige Tiefenanalyse von Bilddaten mithilfe von KI.“
Hochspezialisierte Forschungsgruppe
„Neben der MedUni Wien sind wir an der DPU eine von wenigen Gruppen, die sich in Österreich mit Radiomics-Studien beschäftigen. Wir arbeiten auch mit dem Hochfeld MR-Zentrum der MedUni Wien zusammen, wo es zum Beispiel um Gehirntumore geht. Da werden hochauflösende MR-Spektroskopiebilder von Gehirntumoren erzeugt, die die Metabolite des Tumors zeigen. Aus einer solchen Bildgebung werden zusätzliche Variablen gewonnen, die dann mithilfe von Machine Learning zusammengeführt und ausgewertet werden. Es geht insgesamt um präzise Diagnostik, um Patientinnen und Patienten nicht unnötig mit weniger erfolgversprechenden Therapien zu belasten bzw. umgekehrt, die optimale Therapie frühzeitig zu finden. Diese Forschung hat auch internationale Relevanz, denn nicht in allen Ländern können Biopsien mit Sequenzierungen des Tumorgewebes standardmäßig durchgeführt werden, während Bildgebung fast überall auf der Welt gemacht wird. Wenn wir ein Standardverfahren der multifokalen Auswertung von Bilddaten mit KI entwickeln können, kann das vielen Patientinnen und Patienten große Vorteile bringen. Insofern könnte diese Methode auch zur vielzitierten Demokratisierung der Gesundheit einen Beitrag leisten. Für die Präzisionsmedizin ist eine genaue molekulare Analyse sogar erforderlich.“
Prognostische Biomarker anhand von Bilddaten
FURTNER–SRAJER: „Ich war 14 Jahre am AKH Wien tätig, bevor ich im Oktober letzten Jahres zur DPU gewechselt bin. Schon früh während meines Studiums habe ich mich für das Gehirn als Organ und hier besonders für die Neuroradiologie interessiert. Meine derzeitige Forschungsarbeit konzentriert sich auf Gehirntumore, seien es primäre Gehirntumore wie z.B. Gliome oder sekundäre, also Gehirnmetastasen. In unserer Forschungsgruppe geht es u.a. um die Entwicklung prädiktiver oder prognostischer Biomarker anhand von Bilddaten, und zwar in Hinblick auf das Therapieansprechen, aber auch die Prognose. Wir schauen dabei nicht nur auf den Tumor selbst, sondern auch auf zusätzliche im Bild enthaltene Informationen wie z.B. die muskuläre Situation der Patientin bzw. des Patienten. Dies wird allgemein schon häufig gemacht, bei neuroonkologischen Patienten und Patientinnen jedoch noch selten angewandt, da auf den vorhandenen radiologischen Bildern des Gehirnschädels nur wenige Muskeln abgebildet sind. Hier arbeiten wir derzeit an der Etablierung der Kopf-Hals-Muskulatur als standardisierter Parameter zur Sarkopeniediagnostik, also der Erfassung einer reduzierten Muskelmasse und Muskelfunktion. Insbesondere der Temporalismuskel hat diesbezüglich in Vorarbeiten schon vielversprechende Ergebnisse vor allem hinsichtlich Krankheitsprognose bei neuroonkologischen Patientinnen und Patienten geliefert.“
Technische Umsetzung der Bilddatenuswertung
ZARIC: „Für mich als Medizinphysikerin ist es enorm wertvoll, dass ich im Rahmen dieser Forschungsgruppe mit Radiologinnen zusammenarbeiten kann, die wissenschaftlich denken und nicht ausschließlich auf ihren klinischen Arbeitsbereich fokussiert sind. Dieser fachliche Austausch über klinische und praktische Fragestellungen und deren technische Lösbarkeit ist für mich sehr wichtig. Unsere interdisziplinäre Forschungsgruppe arbeitet an der Entwicklung von KI-Modellen, vor allem zur Klassifizierung von Tumoren in Subtypen und Phänotypen sowie zur Vorhersage des Therapieansprechens etc. Wir wollen diese Modelle auch auf multiparametrische MRT anwenden, wozu auch Sodium-MRT zur Bestimmung des Natriumgehalts von Tumoren gehört. Ich konnte die Technik bereits erfolgreich anwenden und für diagnostische Zwecke bei Mammakarzinom weiterentwickeln. Sodium-MRT ist eine sehr sensitive Technik, die sich für die Beurteilung des Therapieansprechens beim Mammakarzinomen gut eignet. In Kombination mit KI könnte Sodium-MRT eine hochspezifische Bildgebungstechnik in der Onkologie werden. Die Technik dahinter ist eine enorme Herausforderung und es gibt derzeit in Europa nur wenige Forschungsgruppen, die sich damit befassen – was eine enge Kooperation befördert. Wir arbeiten hier beispielsweise mit der Universität Heidelberg, Erlangen und natürlich der MedUni Wien mit dem Exzellenzzentrum für Hochfeld-MR um Univ.-Prof. Dr. Siegfried Trattnig zusammen.“
Die von Prof. Woitek und der Forschungsgruppe am MIAAI geleistete Arbeit an der DPU ist wegbereitend für die internationale Forschung im Bereich Radiomics. Prof. Woitek ist eine internationale Autorität für onkologische Radiologie und Brustkrebs. Die Forschungsleistung ihrer Gruppe hat das Potenzial, unser Verständnis für die Rolle und den klinischen Nutzen der Informationen, die aus medizinischer Bildgebung gewonnen werden können, radikal zu verändern.
Molekulares Verhalten von Tumoren
„Die Idee hinter meiner Forschungsarbeit ist Radiomics, also Tumorcharakteristika von standardmäßig angefertigter struktureller Bildgebung, mit Biomarkern aus der molekularen Bildgebung zu verknüpfen. Die Informationen, die wir mit hochspezialisierten und komplexen MRT-Techniken erhalten, bilden eine Herausforderung in der Auswertung. Wir haben noch einen langen Weg vor uns. Wir nähern uns dem Ziel aus verschiedenen Richtungen an, in der Hoffnung, dass wir uns irgendwann in der Mitte treffen und unsere Erkenntnisse systematisch verknüpfen können. Die DPU gibt uns die Möglichkeit, unsere vielfältigen fachlichen Kenntnisse nicht nur in der Forschung einzubringen, sondern auch in einem hochqualitativen Rahmen den Studentinnen und Studenten zu vermitteln.“
Molekulares Verhalten von Tumoren
Univ.Prof. Dr. Ramona Woitek, MD, PhD, MBA ist Professorin für Radiologie und Leiterin des Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI) an der DPU Krems. Ihre Ausbildung und ihren PhD absolvierte sie an der MedUni Wien und arbeitete bis 2017 am AKH Wien, Universitätsklinik für Radiologie und Nuklearmedizin. Fünf Jahre war sie an der Universität von Cambridge in unterschiedlichen Funktionen am Department of Radiology tätig. Nach ihrer Habilitation im Fach Radiologie an der Medizinischen Universität Wien wechselte sie 2022 zur DPU.
Univ.Prof. Priv.Doz. Dr. med. Julia Furtner-Srajer, MD, PhD, MBA ist Professorin für Neuroradiologie und Stv. Leiterin des Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI). Sie studierte an der MedUni Wien, wo sie auch ihre Habilitation 2020 abschloss. Währenddessen war sie an der Universitätsklinik für Radiologie und Nuklearmedizin/AKH Wien unter anderem als Koordinatorin für klinische Studien und in mehreren Führungspositionen tätig. Seit 2022 arbeitet und forscht sie an der DPU.
Dr. Olgica Zaric, MSc, PhD ist Dozentin für Medizinphysik und forscht am Research Center for Medical Image Analysis and Artificial Intelligence (MIAAI). Sie studierte Physikalische Chemie an der Universität Belgrad, Serbien, und absolvierte ihren PhD an der MedUni Wien, wo sie auch weiter tätig war bis sie 2022 für Forschung und Lehre an die DPU wechselte.
Ass.Prof. Dr. Sepideh Hatamikia ist Biomedizintechnikerin und ihre Forschung konzentriert sich auf medizinische Bildverarbeitung, künstliche Intelligenz (maschinelles Lernen und Deep Learning) und die Entwicklung von 3D-gedruckten Bildphantomen. Sie leitet den Bereich Computational Imaging innerhalb des MIAAI.
Univ.Prof. Dr. Kyung-Eun (Anna) Choi ist Forschungspsychologin mit einem zusätzlichen Master-Abschluss in Interkulturellen Studien. Sie ist Professorin für Versorgungsforschung an der DPU und Leiterin der Forschung im Gesundheitswesen am MIAAI. Gleichzeitig ist sie an der Medizinischen Hochschule Brandenburg tätig.
Weitere Mitglieder des Forschungsteams:
Der Soziologe Dr. Sebastian Fitzek, PhD verfügt über 16 Jahre Erfahrung in Lehre und Forschung in den Sozial- und Politikwissenschaften und ist in der Lehre und in der Abteilung Gesundheitsevaluation des MIAAI tätig.
Die Forschung des Physikers Dr. Geevarghese George, PhD am MIAAI fokussiert in enger Zusammenarbeit mit anderen Forschern und Spezialisten auf dem Design und der Entwicklung von Pipelines für maschinelles Lernen und Deep Learning zur Analyse medizinischer Bilder.
Dr. Amirreza Mahbod, PhD ist Elektrotechniker und Biomedizintechniker. Seine Hauptforschungsgebiete sind medizinische Bildanalyse, Computer Vision, maschinelles Lernen und die Entwicklung neuartiger Deep-Learning-basierter Methoden für die histologische Bildanalyse.
Der Medizininformatiker Dr. Florian Schwarzhans, PhD beschäftigt sich in seiner Forschung mit medizinischer Bildverarbeitung mithilfe automatischer graphbasierter Segmentierungsalgorithmen, Deep-Learning Methoden für die Bildklassifizierung und Segmentierung sowie mit par- allelen Algorithmen für die medizinische Bildverarbeitung und -analyse mithilfe von CUDA.
Dr. Inna Servetnyk ist Fachärztin für klinische und molekulare Pathologie, lehrt Pathologie und Histologie an der DPU und arbeitet in Forschungsprojekten mit dem MIAAI zusammen. Ihr Hauptfachgebiet ist die Tumorpathologie.
SM Ragib Shahriar Islam, MSc ist derzeit beim Austrian Centre for Medical Innovation and Technology (ACMIT) angestellt und arbeitet im Rahmen seines PhD-Studiums an gemeinsamen Forschungsprojekten mit dem MIAAI. Seine Arbeit befasst sich mit der Optimierung der Bildgebungstrajektorie der Cone Beam Computed Tomography (CBCT).
Abonnieren Sie PERISKOP gleich online und lesen Sie alle Artikel in voller Länge.
