Non-Hodgkin-Lymphome (NHL) stellen keine einheitliche Erkrankung dar. Sie bilden eine äußerst komplexe Gruppe von Krebserkrankungen, die von Zellen des lymphatischen Systems ausgehen. NHL gehören zu den bösartigen Erkrankungen des Lymphgewebes und stellen die vierthäufigste Krebsform im Kindes- und Jugendalter dar. NHL entstehen durch Veränderungen im Erbgut der für die Immunabwehr wichtigen Lymphozyten. Meist sind die Lymphknoten betroffen, in fortgeschrittenen Krankheitsstadien können aber auch Knochenmark, Lunge, Leber und Milz befallen sein. Die Erkrankung beginnt typischerweise mit einer schmerzlosen Lymphknotenschwellung, die im weiteren Verlauf auch Bauchschmerzen oder Atembeschwerden auslösen kann, außerdem Fieber, Gewichtsverlust, Nachtschweiß und Müdigkeit. Mehr als 30 Untergruppen sind bekannt. Zwar liegt die langfristige Überlebensrate zwischen 70 und 90 Prozent. Bei einem Rückfall ist die Aussicht auf Heilung insgesamt aber eher schlecht.
Bilddaten gemeinsam erfassen und strukturiert auswerten
Die Diagnose erfolgt meist über invasive Methoden wie eine Biopsie des befallenen Gewebes oder Lumbal- und Knochenmarkpunktionen. Um zu untersuchen, wie weit sich das Lymphom im Körper ausgebreitet hat, ist die nicht-invasive radiologische Diagnostik mittels Bildgebung ein entscheidender Baustein. Allerdings gibt es noch keine standardisierte und automatisierte Bildauswertung, mit der sich das aktuelle Stadium und der weitere Verlauf der Erkrankung zuverlässig und vergleichbar bestimmen lassen. Das Projekt RACOON-RESCUE soll das nun ändern. Unter der Leitung von Professor Dr. Diane Renz, Leiterin des Arbeitsbereichs Kinderradiologie am Institut für Diagnostische und Interventionelle Radiologie der Medizinischen Hochschule Hannover (MHH), wollen Forschende aus den Bereichen Kinderradiologie und Kinderonkologie von 38 Universitätskliniken vorhandene Bilddaten gemeinsam erfassen und strukturiert auswerten, um besser zu bestimmen, in welchem Krankheitsstadium sich die Patientinnen und Patienten befinden, wie sie auf die Therapie ansprechen und welche Nachsorge in Betracht kommt. Sie wollen zudem neue bildbasierte Merkmale entwickeln. Das Forschungsvorhaben ist Bestandteil des Netzwerks Universitätsmedizin (NUM) und wird vom Bundesministerium für Bildung und Forschung über 18 Monate mit insgesamt rund einer Million Euro gefördert. Davon gehen rund 460.000 Euro an die MHH.
Mehr radiologische Untersuchungen
Zur Behandlung der NHL wird in der Regel eine Chemotherapie eingesetzt. In einigen Fällen ist eine Stammzelltransplantation notwendig. „Zur Beurteilung des Ansprechens wollen wir noch mehr auf die für die betroffenen Kinder und Jugendlichen weniger belastenden radiologischen Untersuchungen setzen“, sagt Professorin Renz. Dafür müsse aber zunächst eine Methode entwickelt werden, um die Flut an Informationen aus den radiologischen Bildern wie Computertomografie (CT) und Magnetresonanztomografie (MRT) so herauszufiltern und aufzubereiten, dass sie einem bestimmten Lymphom-Stadium eindeutiger zuzuordnen sind.
Standardisierte und automatisierte Bildanalyse
„Bislang erfolgt die Bestimmung mittels CT und MRT keinem Referenzstandard, an dem sich die Radiologinnen und Radiologen orientieren können“, erklärt die Projektleiterin. „So bleibt eine Vielzahl möglicher verfügbarer Hinweise auf das Tumorstadium und das Rückfallrisiko leider ungenutzt.“ Ein wesentliches Ziel von RACOON-RESCUE sei es daher, eine standardisierte und automatisierte Bildanalyse zu entwickeln. Das Vorhaben soll sich dabei nicht nur auf die radiologischen Bilddaten, die im Rahmen der klinischen Routine bereits erfasst wurden, stützen. Die Forschenden wollen auch das „NHL-Berlin-Frankfurt-Münster-Register“ nutzen, das seit 2012 klinische Daten von Kindern und Jugendlichen aller NHL-Untergruppen in Deutschland erhebt.
Ziel ist eine digitale Befundungsmaske
„Wir erhalten so einen neuen und einzigartigen Datensatz, den wir mit Hilfe künstlicher Intelligenz automatisiert auswerten wollen, um die Vorhersagen über den Therapieerfolg zu verbessern und das individuelle Rückfallrisiko vorherzusagen“, erklärt Professor Renz. Auch bildbasierte Merkmale, wie etwa Größe, Art und Form der Lymphknoten sollen einbezogen werden und mithelfen, das maschinelle Vorhersagemodell zu trainieren. „Am Ende wollen wir daraus eine digitale Befundungsmaske entwickeln,um das jeweilige Tumorstadium aus den CT- und MRT-Bildern direkt zu bestimmen, das Therapieansprechen zu beurteilen und dadurch auch die Tumornachsorge zu verbessern.“ Die automatisierte Bildauswertung soll zukünftig erlauben, die radiologische Diagnostik umfassender zu nutzen, den Einsatz invasiver Untersuchungen wie Gewebe- oder Flüssigkeitsentnahmen zu verringern und bisher unklare Befunde besser einzuordnen. „Dadurch wird es auch möglich herausfinden, welche Patientinnen und Patienten nach einer Therapie ein hohes Rückfallrisiko haben und das Therapiekonzept kann individueller angepasst werden.“
Quelle: idw/MHH
Artikel teilen
