Meine Merkliste
my.bionity.com  
Login  

Computer Assisted Detection




Computerassistierte Detektion (Computer Assisted Detection, CAD) beschreibt ein Verfahren in der Medizin zur Unterstützung des Arztes bei der Interpretation von Untersuchungsergebnissen.

Bildgebende Verfahren in der Röntgendiagnostik liefern eine Fülle von Informationen, die vom Radiologen in kurzer Zeit umfassend analysiert und bewertet werden müssen. CAD-Systeme helfen dabei, digitale Bilddaten, z. B. aus der Computertomographie, nach typischen Mustern abzusuchen und auffällige Bereiche (mögliche Erkrankungen) visuell hervorzuheben.

CAD ist eine relative junge interdisziplinäre Technologie und kombiniert Elemente aus der künstlichen Intelligenz und digitaler Bildprozessierung mit radiologischer Bildverarbeitung. Typische Einsatzgebiete ist die Tumordiagnostik. Dabei unterstütz CAD die Vorsorgeuntersuchung in der Mammographie (Brustkrebsdiagnostik), die Erkennung von Polypen im Dickdarm und von Lungenkrebs.

Inhaltsverzeichnis

Nutzen

CAD-Systeme beschränken sich in der Regel darauf, auffällige Strukturen und Bereiche zu markieren. Ergänzend hierzu kommen Computerassistierte Diagnose-Systeme (Computer Assisted Diagnosis – CADx) zur Anwendung. Hierbei wird zusätzlich eine Bewertung der auffälligen Strukturen vom System vorgenommen.

CAD in der Mammographie markiert beispielsweise Weichteilveränderung oder Mikrokalzifizierung in Röntgenbildern auf unterschiedliche Weise. Hieraus ergeben sich weitere Rückschlüsse zur Beschaffenheit der Pathologie. Eine weitere Form bildet CADq zur Quantifizierung z.B. von Tumorgröße oder dem Kontrastmittel-Aufnahmeverhalten von Tumoren.

Gegenwärtig kann und darf CAD den Mediziner nicht ersetzen und hat lediglich unterstützende Bedeutung. In jedem Fall obliegt die endgültige Bewertung und die Verantwortung für die gestellte Diagnose dem jeweiligen Arzt.

Anwendungsgebiete

Neben der Diagnostik bei Brust- und Lungenkrebs sind weitere Anwendungsgebiete die Erkennung von Dickdarmkrebs und Prostatakrebs.

Brustkrebs (Mammakarzinom)

Das Hauptanwendungsgebiet liegt in der Mammographie (röntgenologische Untersuchung der weiblichen Brust). In Form einer Reihenuntersuchung (Screening) wird die Mammographie bereits seit Jahren zur vorbeugenden Früherkennung von Brustkrebs eingesetzt. CAD ist hier vor allem in den USA und den Niederlanden etabliert und dient dem Diagnostiker als Zweitmeinung zur menschlichen Auswertung. Im Rahmen eines Forschungsprojektes an der Universität von Chicago ist das erste CAD System für die Mammographie entwickelt worden. Es wird heute von der Firma R2 kommerziell angeboten. Es existieren auch Verfahren zur Auswertung MRT-basierter Mammographie (Magnetresonanztomographie).

Lungenkrebs (Bronchialkarzinom)

Als Goldstandard in der Lungenkrebsdiagnostik hat sich die Computertomographie mit speziellen 3-dimensionalen CAD Systemen etabliert. Hierbei wird ein volumetrischer Datensatz aus bis zu 3.000 Einzelaufnahmen aufbereitet und analysiert. Rundherde (Lungenkrebs, Metastasen und gutartige Veränderungen) ab 1 mm lassen sich detektieren. Alle großen Hersteller von Medizinsystemen bieten heute entsprechende Lösungen an.

Die Früherkennung von Lungenkrebs erlangt eine immer stärkere Bedeutung. Die 5-Jahre-Überlebensrate von Lungenkrebs hat in den letzten 30 Jahren nahezu stagniert und liegt heute bei nur ca. 15%. Lungenkrebs fordert mehr Opfer als Brustkrebs, Prostatakrebs und Dickdarmkrebs zusammen. Dies liegt im Wesentlichen am asymptomatischen Wachstum dieser Krebsform. Entwickelt der Patient die ersten Symptome (z.B. chronische Heiserkeit oder Bluthusten), ist es meist zu spät für eine erfolgreiche Therapie. Wenn aber Lungenkrebs frühzeitig (also meist per Zufall) entdeckt wird, ergibt sich laut der American Cancer Society eine Überlebensrate von 47 %.[1]

Gleichzeitig ist die Standard- Röntgenaufnahme der Lunge mit 50 % Anteil die am häufigsten durchgeführte Röntgenuntersuchung. Die zufällige Erkennung von Lungenkrebs im Frühstadium (Stage 1) im Röntgenbild ist allerdings schwierig. Es ist bekannt, dass Rundherde zwischen 5-10 mm leicht übersehen werden können.[2] Der Routineeinsatz von CAD Chest Systemen kann helfen, kleine Veränderungen ohne Anfangsverdacht zufällig und frühzeitig zu erkennen. Philips hat als erster Hersteller ein CAD zur Früherkennung von Lungenrundherden auf Röntgenbildern vorgestellt.[3]

Sensitivität und Spezifität

CAD Systeme sollen auffällige Strukturen zuverlässig markieren. Dennoch können heutige CAD Systeme krankhafte Veränderungen nicht zu 100 % erkennen. Die Trefferquote (Sensitivität) liegt je nach System und Applikation bei bis zu 90 %.[4]

Ein richtiger Treffer wird als Richtig Positiv (True Positive, TP) bezeichnet. Gleichzeitig werden auch gesunde Bereiche markiert, die als Falsch Positiv (False Positive, FP) bezeichnet werden. Je weniger FP angezeigt werden, desto höher ist die Spezifität. Eine zu geringe Spezifität vermindert die Akzeptanz eines CAD Systems, da diese falschen Treffer vom Radiologen jedesmal individuell identifiziert werden müssen. Die FP-Rate auf Lungenübersichtsaufnahmen (CAD Chest) konnte bereits auf ca. 2 pro Untersuchung reduziert werden. In anderen Bereichen (z. B. CT Lungenuntersuchungen) kann sie 25 und mehr betragen.

Absolute Erkennungsrate

Wichtiger als Sensitivität und Spezifität ist die absolute Erkennungsrate des Radiologen. Je nach Erfahrung, Ausbildung und Anwendung können CAD Systeme helfen, die Erkennungsrate zu steigern. In der Mammographie beträgt die Steigerung im Schnitt 20-30 %. Die Früherkennung von Lungenrundherden kann um mehr als 50 % angehoben werden.

Generell können Studienergebnisse zur Sensitivität, Spezifität und der absoluten Erkennungsrate stark variieren. Die Ergebnisse sind jeweils von den gegebenen Rahmenbedingungen abhängig und müssen im Einzelfall bewertet werden. Folgende Faktoren üben einen großen Einfluss aus:

  • Retrospektives oder prospektives Studiendesign
  • Qualität des verwendeten Bildmaterials
  • Aufnahmebedingung der Röntgenbilder
  • Erfahrung und Ausbildung des Betrachters/ Radiologen
  • Art der Erkrankung/ Tumors
  • betrachtete Tumorgröße

Methodik

CAD basiert im Wesentlichen auf hochkomplexer Mustererkennung. Röntgenbilder werden nach auffälligen Strukturen durchsucht. In der Regel werden einige tausend Bilder zur Optimierung des Algorithmus benötigt. Digitale Bilddaten werden im DICOM-Format an einen CAD Server übertragen und in mehreren Schritten bearbeitet und analysiert.

1. Vorprozessierung zur

  • Reduktion von Artefakten (Bildfehlern)
  • Verminderung des Bildrauschens
  • Nivellierung der Bildqualität um die unterschiedlichen Bedingungen, unter denen das Bild erzeugt wurde auszugleichen, z.B. verschiedene Aufnahmeparameter.

2. Segmentierung zur

  • Abgrenzung der unterschiedlichen Strukturen innerhalb des Bildes, z.B. Herz, Lunge, Rippen, mögliche Rundherde
  • Abgleichung mit anatomischen Datenbanken

3. Struktur/ROI (Region of Interest) Analyse

Jede erkannte Region wir individuell auf spezielle Charakteristika analysiert. Diese sind u. A.

  • Kompaktheit
  • Form, Größe und Lage
  • Bezug zu benachbarten Strukturen/ ROIs
  • Durchschnittliche Grauwertverteilung innerhalb der ROI
  • Verhältnis der Grauwerte innerhalb der ROI zum Rand der Struktur

4. Bewertung/Klassifikation

Nach der Strukturanalyse wird jede ROI individuell bewertet (Scoring) um somit die Wahrscheinlichkeit für einen TP festzulegen. Verfahren hierzu sind:

  • Künstliches neuronales Netz (KNN)
  • minimum distance classifier
  • Cascade Classifier
  • Bayesscher Filter
  • Multilayer perception
  • Radial basis function network (RBF)
  • SVM

Haben die gefundenen Strukturen einen bestimmten Schwellenwert erreicht, werden diese im Bild für den Radiologen markiert. Je nach CAD System werden alle Markierungen dauerhaft dokumentiert (gespeichert) oder nur temporär. Letzteres hat den Vorteil, dass nur die vom Radiologen bestätigten Markierungen gespeichert werden. Falsche Treffer sollten nicht dokumentiert werden, da dies die spätere Betrachtung der Bilddaten erschweren kann.

Einzelnachweise

  1. http://www.cancer.org/downloads/CRI/6976.00.pdf
  2. Wu N, Gamsu G, Czum J, Held B, Thakur R, Nicola G: Detection of small pulmonary nodules using direct digital radiography and picture archiving and communication systems. J Thorac Imaging. 2006 Mar;21(1):27-31. PMID 16538152
  3. xLNA (x-Ray Lung Nodule Assessment) [1]
  4. T. Wollenweber, B. Janke, A. Teichmann, M. Freund: Korrelation zwischen histologischem Befund und einem Computer-assistierten Detektionssystem (CAD) für die Mammografie. Geburtsh Frauenheilk 2007; 67: 135-141 DOI:10.1055/s-2006-955983
 
Dieser Artikel basiert auf dem Artikel Computer_Assisted_Detection aus der freien Enzyklopädie Wikipedia und steht unter der GNU-Lizenz für freie Dokumentation. In der Wikipedia ist eine Liste der Autoren verfügbar.
Ihr Bowser ist nicht aktuell. Microsoft Internet Explorer 6.0 unterstützt einige Funktionen auf ie.DE nicht.