Computergestützte Knochengesundheitsphenotypisierung
Computational Bone Health Phenotyping in Multiple Myeloma
Weave
Wissenschaftsdisziplinen
Informatik (50%); Klinische Medizin (50%)
Keywords
- Machine Learning,
- Multiple Myeloma,
- Radiology
Das Multiple Myelom ist eine Krebserkrankung des Knochenmarks und macht etwa zehn Prozent aller hämatologischen Krebserkrankungen aus. Ein zentrales Merkmal dieser Erkrankung ist die Schädigung der Knochen, die zu Schmerzen, Knochenbrüchen, eingeschränkter Beweglichkeit und einer deutlichen Beeinträchtigung der Lebensqualität führen kann. Gleichzeitig ist das Multiple Myelom eine sehr heterogene Erkrankung: Es unterscheidet sich von Patientin zu Patient in genetischer, biologischer und struktureller Hinsicht. Diese Vielfalt erschwert es, den Krankheitsverlauf zuverlässig vorherzusagen und die jeweils wirksamste Therapie auszuwählen. In der klinischen Routine werden heute Ganzkörper-CT-Untersuchungen eingesetzt, um knöcherne Veränderungen beim Multiplen Myelom zu beurteilen. Obwohl diese Bildgebung Knochenläsionen sehr gut sichtbar macht, erfolgt die Auswertung überwiegend visuell und manuell. Dadurch sind die Ergebnisse nur eingeschränkt vergleichbar und reproduzierbar, und feine, aber klinisch relevante Muster im gesamten Skelett können leicht übersehen werden. Durch die Kombination moderner medizinischer Bildgebung, künstlicher Intelligenz sowie klinischer und genetischer Daten soll in diesem Projekt ein automatisiert erstelltes, umfassendes Knochen- Gesundheitsprofil für Patientinnen und Patienten mit Multiplem Myelom entwickelt werden. Spezialisierte Computerverfahren analysieren Ganzkörper-CT-Aufnahmen automatisch, erkennen Knochenstrukturen und Läsionen, bestimmen die Knochendichte und beschreiben Ausmaß, Form und räumliche Verteilung der Knochenschäden. Ein besonderer Fokus liegt darauf, diese Merkmale über die Zeit hinweg zu verfolgen, um Krankheitsverlauf und Therapieeffekte sichtbar zu machen. Dieses bildbasierte Knochen-Gesundheitsprofil wird anschließend mit klinischen Informationen (etwa Laborwerten und Therapiedaten) sowie genetischen Krankheitsmerkmalen verknüpft. Durch diese integrative Analyse sollen neue Bildmarker identifiziert werden, die Rückschlüsse auf die Biologie des Tumors, die Aggressivität der Erkrankung und das Ansprechen auf Therapien erlauben. Ziel ist es, Hochrisikopatientinnen und -patienten früher zu erkennen, den Verlauf der Erkrankung besser vorherzusagen und individuell zugeschnittene Therapieentscheidungen zu unterstützen. Langfristig möchte das Projekt einen neuen Standard in der Beurteilung der Knochenerkrankung beim Multiplen Myelom etablieren weg von rein qualitativen, visuellen Einschätzungen hin zu einer quantitativen, datengetriebenen Analyse. Die gewonnenen Erkenntnisse haben das Potenzial, Diagnostik, Therapiekontrolle und Prognose zu verbessern und damit zu einer präziseren und personalisierten Versorgung von Menschen mit Multiplem Myelom beizutragen.
- Sarah Foreman - Deutschland, Projektpartner:in
- Bjoern H. Menze, University of Zurich - Schweiz, Projektpartner:in