
Dr. Andrzej Liebert
Friedrich-Alexander-Universität Erlangen-Nürnberg
Virtuelle Kontrastmittel für die dynamische Mamma-MRT- Erschließung des transformativen Potentials der Digitalisierung für die Brustkrebsfrüherkennung mit Mamma-MRT
Etwa jede 8. Frau wird im Laufe ihres Lebens mit einer Brustkrebsdiagnose konfrontiert. Damit ist Brustkrebs die häufigste Krebserkrankung bei Frauen. Das freiwillige Mammographie-Screening ermöglicht es Frauen im Alter zwischen 50-69 Jahren eine Brustkrebsfrüherkennungsuntersuchung mittels Röntgenmammographie durchzuführen. Die Röntgenmammographie stellt ein langjährig etabliertes diagnostisches Verfahren zur Detektion von suspekten Veränderungen in der Brust dar. Gleichwohl kann die Röntgenmammographie insbesondere bei Frauen mit erhöhter Brustdichte in ihrer Aussagekraft limitiert sein. Auch aus diesem Grund werden moderne diagnostische Verfahren, wie zum Beispiel die Magnetresonanztomographie (MRT), als Ergänzung oder sogar Alternative zur Röntgenmammographie untersucht. Die MRT der Brust (sogenannte Mamma-MRT) ermöglicht eine Bildgebung ohne den Einsatz von ionisierender Strahlung oder Brustkompression und ist mit einer höheren Krebsdetektionsrate als die Röntgenmammographie beschrieben. Die Mamma-MRT benötigt jedoch routinemäßig die intravenöse Gabe von Gadolinium-haltigen Kontrastmitteln zur dynamischen Untersuchung der Gewebedurchblutung, die in auffälligen Läsionen zumeist gestört ist. Die Kontrastmittel können jedoch in der Anwendung seltene aber für ein Früherkennungsprogramm relevante Nebenwirkungen bedingen. Des Weiteren verursachen sie zusätzlich relevante finanzielle und periprozedurale personelle Aufwände die mit der Applikation zusammenhängen. Auch umweltbezogene Aspekte der Gadolinium-Nutzung auf die Kontamination von Gewässern und den Herstellungsprozess werden zunehmend untersucht. All diese Aspekte erschweren die Umsetzung der MRT der Brust in bevölkerungsweite Brustkrebs-Früherkennungsprogramme.
In diesem Projekt soll daher eine neuartige digitale Technologie (sogenannte „virtuelle dynamische kontrastmittelverstärkte MRT [vDCE]“) entwickelt und translational erforscht werden. Die vDCE-Technologie soll aus einer selektiven Kombination kontrastmittelfreier Sequenzen durch die Anwendung von Algorithmen der künstlichen Intelligenz (KI) einen kontrastmittel-analoge und dynamisch auswertbare Bildkontraste ableiten können. Eine solche Bildgebungstechnik könnte das transformative Anwendungspotential der KI für die Mamma-MRT erschließen, ohne in die etablierten Befundungsroutinen und Beurteilungsstandards eingreifen zu müssen und hierdurch den Einsatz der Mamma-MRT in der Brustkrebsfrüherkennung wesentlich stärken zu können. Im Fokus dieses Projektes liegt die Erforschung technischer Weiterentwicklungen der vDCE-Technologie durch die Anwendung neuster KI-Architekturen. Dies soll die nachfolgend vorzubereitenden Schritte auf dem Weg in eine Evaluation im Rahmen translationaler Studien bahnen, um zukünftig das Anwendungspotential der innovativen Technologie weitergehend erforschen zu können.
Publikationen
-
Comparative Study on Co-registration Techniques for Diffusion-Weighted Breast MRI and Improved ADC Mapping
KonferenzpapierProjekt: GC-Postdoc -
Virtual dynamic contrast enhanced breast MRI using 2D U-Net Architectures
Internetdokumenthttps://doi.org/10.1101/2024.08.07.24311608Projekt: GC-Postdoc -
Feasibility to virtually generate T2 fat-saturated breast MRI by convolutional neural networks
Internetdokumenthttps://doi.org/10.1101/2024.06.25.24309404Projekt: GC-Postdoc -
Smart forecasting of artifacts in contrast-enhanced breast MRI before contrast agent administration
Zeitungsartikelhttps://link.springer.com/article/10.1007/s00330-023-10469-7Projekt: GC-Postdoc -
Lesion-conditioning of synthetic MRI-derived subtraction-MIPs of the breast using a latent diffusion model
Zeitungsartikelhttps://www.nature.com/articles/s41598-024-56853-1Projekt: GC-Postdoc -
Impact of Non-Contrast Enhanced Imaging Input Sequences on the Generation of Virtual Contrast-Enhanced Breast MRI Scans using Neural Networks
Zeitungsartikelhttps://link.springer.com/article/10.1007/s00330-024-11142-3Projekt: GC-Postdoc -
Smart forecasting of artifacts in contrast enhanced breast MRI before contrast agent administration
ZeitschriftenaufsatzProjekt: GC-Postdoc