Codes zur genaueren Diagnose von Mammakarzinomen
Über diagnostische Auswertung wird anhand verschiedener deskriptiver Kriterien das Wachstum eines Mammakarzinoms bestimmt. Läsionen können daher entweder als Fokus, als Masse oder als nicht-raumfordernde (non-mass-like, NML) Läsion beschrieben werden. An Parametern wie Verteilungsmuster, Form und internes Wachstumsmuster wird dann genauer ermittelt, ob eine NML-Läsion in der Brust gut- oder bösartig ist. Im Rahmen des EU-finanzierten Projekts MAMMA (Spatio-temporal modeling for enhanced automated detection and classification of non-mass lesions in breast MRI) entwickelten Wissenschaftler nun neue computergestützte Diagnosetechniken mit höherer Spezifität und Empfindlichkeit, um herauszufinden, ob eine Läsion malign oder gutartig ist. Das Projektteam verbesserte die bei derzeitigen Bildanalysetechniken bislang unzureichende räumlich-zeitliche Erkennung. Die Validierung in drei spezifischen Experimenten ergab eine wesentliche Verbesserung der diagnostischen Genauigkeit und Effizienz. Mit neuen Algorithmen für computergestützte Systeme zur Brustkrebsdiagnose wurde ein flexibles Instrumentarium angelegt, das sich mit geringfügigen Veränderungen auch für andere Zwecke eignet, etwa zur Identifizierung verschiedener Läsionstypen oder Überwachung von Chemotherapien. Die EU-Forschung konzentriert sich auf die übergreifenden Fragen in der Krebstherapie - Prävention, Früherkennung, Diagnose und optimale Behandlung – und identifizierte und unterstützte bereits zahlreiche Krebsforschungsinitiativen, um Diagnostik und Therapie zu verbessern. Mit den genaueren Bildanalyseverfahren von MAMMA können Radiologen nun MRTs oder Mammogramme genauer interpretieren und damit die Erkennung und Klassifizierung von Tumoren verbessern.
Schlüsselbegriffe
Brustkrebs, Bildgebung, non-mass-like, MAMMA, computergestützte Diagnose
