SPP 2177:  Radiomics: Nächste Generation der Medizinischen Bildgebung

• Fachliche Zuordnung: Medizin ; Informatik, System- und Elektrotechnik ; Mathematik
• Förderung: Förderung seit 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 402688427

Bei dem vorliegenden Antrag handelt es ich um den Folgeantrag des Koordinationsprojektes im Schwerpunktprogramm SPP2177. Im Vergleich zur ersten Förderperiode konzentrieren wir uns auf die klinische Umsetzung und den Wert fortgeschrittener Bildanalyse, um ein tieferes Verständnis der Rolle von Bildgebungsphänotypen in großen Bevölkerungskohorten zu gewinnen. Es besteht kein Zweifel daran, dass die biomedizinische Bildgebung in der modernen Medizin eine zunehmend zentrale Rolle bei der Behandlung verschiedener Krankheitsbilder spielt. Darüber hinaus werden bildgebende Verfahren zunehmend in Forschungsumgebungen eingesetzt, einschließlich der Bildung groß angelegter, bevölkerungsbezogener Kohorten, wie der NAKO Gesundheitsstudie. Parallel dazu werden mit dem Aufkommen leistungsfähiger Großrechenanlagen und zunehmender Expertise vor Ort fortschrittliche Nachbearbeitungsmethoden wie künstliche Intelligenz, Deep-Learning oder Radiomics eingesetzt, um beschreibende, diagnostische oder prognostische Informationen aus hochauflösenden Bildgebungsdaten zu gewinnen. Diese abgeleiteten Parameter ergänzen die traditionell verfügbare Bildinformationen und ermöglichen hochvolumige, reproduzierbare und hochwertige Interpretationsfähigkeiten. Trotz dieser ersten Erfolge, die diese neuen Methoden der Bildnachbearbeitung im Bereich der personalisierten Medizin liefern, haben Algorithmen noch nicht vollständig Einzug in die klinische Praxis gehalten. Angesichts des großen Potenzials soll das SPP die Rolle fortgeschrittener Bildinterpretationsansätze in verschiedenen klinischen Szenarien der personalisierten Medizin weiterentwickeln und etablieren. Die Ziele der zweiten Phase umfassen: 1. Bestimmung des diagnostischen und klinischen Werts fortgeschrittener Nachbearbeitungsmethoden von menschlichen Bildgebungsdaten in verschiedenen klinisch relevanten Bereichen und/oder in der Grundlagenforschung; 2. Bestimmung des prognostischen Werts fortgeschrittener Nachbearbeitungsmethoden von menschlichen Bildgebungsdaten in klinisch relevanten Bereichen und/oder in der Grundlagenforschung. Das Gesamtziel des SPP besteht darin, eine effiziente Koordinierung und Verwaltung des Programms zu gewährleisten, um die Zusammenarbeit zwischen den einzelnen Forschungsprojekten innerhalb des Programms und mit externen Akteuren auf nationaler und internationaler Ebene in Wissenschaft und Industrie weiter zu verbessern. Die Tätigkeit des Koordinators und seines Teams umfassen die Organisation von Meetings und Workshops, die Unterstützung von Gastwissenschaftlern, die Koordinierung der Öffentlichkeitsarbeit, die Sicherstellung der Gleichstellung, die Kontrolle der Programmfinanzen und die Einrichtung von Kommunikations- und Berichtsstrukturen. Dieses Projekt wird die Verwaltung der zentralen Mittel unterstützen, die für die Organisation und Koordinierung der SPP-internen Aktivitäten benötigt werden.

• DFG-Verfahren: Schwerpunktprogramme
• Internationaler Bezug: Schweiz

Projekte

• Automatisierte longitudinale Charakterisierung des Plexus choroideus und des glymphatischen Systems in Multipler Sklerose: Verbesserte Biomarker-Extraktion und Patientenstratifizierung (Antragstellerinnen / Antragsteller Gonzalez Escamilla, Ph.D., Gabriel ;  Groppa, Sergiu ;  Kronfeld, Andrea ;  Mukhopadhyay, Ph.D., Anirban ;  Othman, Ahmed )
• Bestimmung des organ-spezifischen biologischen Alters anhand von Ganzkörper MRT-Daten aus der NAKO Studie. Phase II: Korrelation mit epidemiologischen, funktionellen und klinischen Daten (Antragsteller Gatidis, Sergios ;  Küstner, Thomas ;  Yang, Bin )
• Bildgebende Biomarker der nächsten Generation in der Neuroonkologie unter Einsatz künstlicher Intelligenz: Überwindung der wichtigsten Herausforderungen auf dem Weg zu klinisch anwendbarer KI (Antragsteller Maier-Hein, Klaus ;  Vollmuth, Philipp )
• Bildgestützte personalisierte Vorhersage des Restrisikos und der Prognose von kardio-/zerebrovaskulären Erkrankungen (Antragstellerinnen Hennemuth, Anja ;  Schulz-Menger, Jeanette-Esther ;  Villringer, Kersten )
• Bildmorphologische Biomarker der menschlichen Skelettmuskulatur (Muskelmasse, morphologische und Textureigenschaften von Muskelgruppen des Körperstamms und Oberschenkels) bei Sarkopenie und kardiometabolischen Erkrankungen (Antragstellerinnen / Antragsteller Kiefer, Lena Sophie ;  Schick, Fritz ;  Yang, Bin )
• Diagnostischer und prognostischer Wert von Koronararterienfluss und -morphologie in einer multizentrischen randomisierten Studie von computertomographischer versus invasiver Angiographie: klinische Radiomicsanalyse (Antragsteller Dewey, Marc )
• Ein Ganzkörper-Radiomics-Ansatz in Patienten mit metastasiertem Melanom unter Systemtherapie: Vollautomatisierte longitudinale Segmentierung und Deep Learning-basierte Outcome-Vorhersage (Antragstellerinnen / Antragsteller Eigentler, Thomas ;  Gerken, Annika ;  Othman, Ahmed ;  Peisen, Felix )
• Einfluss von Luftschadstoffen auf Verteilungsmuster von Läsionen der weißen Gehirnsubstanz im Lebensverlauf (Antragstellerinnen Caspers, Svenja ;  Peters, Annette ;  Schneider, Alexandra )
• Entschlüsselung des Wechselspiels zwischen Gehirn und Herz-Kreislauf-System: ein populationsbasierter Ansatz mittels quantitativer Ganzkörper-MRT (Antragsteller Hosp, Jonas Aurel ;  Rau, Alexander ;  Reisert, Marco ;  Weiss, Jakob )
• Entwicklung und Ausrollen einer Pipeline für automatisiertes lymphonodales Profiling und Staging: DEEP-LN (Antragstellerinnen / Antragsteller Baeßler, Bettina ;  Persigehl, Thorsten )
• Entwicklung und externe Validierung von Modellen der künstlichen Intelligenz zur Analyse von CT- und Dosisdaten zur Vorhersage der radiogenen Pneumonitis in Patienten mit Bronchialkarzinomen basierend auf der multizentrischen prospektiven REQUITE Studie (Antragstellerinnen / Antragsteller Peeken, Jan C. ;  Schnabel, Ph.D., Julia )
• Epidemiologische, genetische and translationale Analysen Radiomicsbasierter Nierenmerkmale in zwei großen populations-basierten Studien (Antragstellerinnen / Antragsteller Kellner, Elias ;  Köttgen, Anna ;  Russe, Maximilian )
• Graph learning und pathophysiologische Modelle: Hin zu einer neuen Klassifikation von Läsionen der weißen Substanz in der Multiplen Sklerose (Antragsteller Mühlau, Mark ;  Rückert, Ph.D., Daniel ;  Wiestler, Benedikt )
• Innovative Bildanalytik zur Prädiktion von Chemotherapieansprechen und Überlebensrate beim pankreatischen duktalen Adenokarzinom (Antragsteller Braren, Rickmer Früdd )
• Koordinationsfonds (Antragsteller Bamberg, Fabian )
• MRT Radiomics-basierte Langzeitevaluation von bildgebenden Biomarkern für die Wachstumsvorhersage distinkt nodulärer Läsionen in plexiformen Neurofibromen bei NF1 (Antragstellerinnen / Antragsteller Ristow, Inka ;  Werner, René )
• Phänotypisierung/Signatur von Fettgewebekompartimenten: Eine Radiomics, cluster-basierte und geographische Analyse in der NAKO Gesundheitsstudie (Antragstellerinnen / Antragsteller Bamberg, Fabian ;  Kauczor, Hans-Ulrich ;  Machann, Jürgen ;  Nattenmüller, Johanna ;  Norajitra, Tobias ;  Rospleszcz, Susanne )
• Prädiktion von Therapieansprechen und Outcome beim lokal fortgeschrittenen Rektum-Karzinom mittels Radiomics und Deep Learning: eine beispielhafte Anwendung für eine allgemein verwendbare, Deep Learning basierte Prozessierungs-Pipeline für die Bild-Klassifikation. (Antragstellerinnen / Antragsteller Attenberger, Ulrike I. ;  Baeßler, Bettina ;  Hesser, Jürgen ;  Zöllner, Frank Gerrit )
• Radioclinoms zur Prädiktion von Therapieansprechen bei Patienten mit metastasiertem Malignem Melanom unter Immun-Checkpoint-Inhibitoren und zielgerichteten Therapien (Antragstellerin Umutlu, Lale )
• Radiomics basierend auf MRT und Aminosäure PET in der Neuroonkologie (Antragsteller Galldiks, Norbert ;  Lohmann, Philipp )
• Radiomics: Nutzen künstlicher Intelligenz in der Analyse morphologischer Bilddaten zur Vorhersage der Krebsinzidenz und des Mutationsstatus bei Patientinnen mit high risk Konstellation für familiären Brust- und Eierstockkrebs (Antragstellerinnen / Antragsteller Engel, Christoph ;  Fallenberg, Eva Maria ;  Hahn, Horst Karl ;  Ingrisch, Michael ;  Schmutzler, Rita Katharina )
• Strukturierte prospektive Validierung von veröffentlichten Radiomics-Modellen und Auswertung ihrer Anwendbarkeit für die klinische Translation (Antragsteller Löck, Steffen )
• Untersuchung des Prognostischen Werts von Radiomics Analysen und Deep Learning von koronaren Plaques in der Computertomographie für kardiovaskuläre Ereignisse (Antragsteller Dewey, Marc ;  Rief, Matthias ;  Wald, Christian )

• Sprecher: Professor Dr. Fabian Bamberg