Radiomics und künstliche Intelligenz zur Verbesserung der MRT-Diagnostik beim Smoldering Myelom

zurück zur Angebotsübersicht

Anbieter der Doktorarbeit

Klinik / Institut / Zentrum Externe Einrichtungen - DKFZ
Doktorvater / -mutter Prof. Dr. med. Stefan Delorme
Ansprechpartner Dr. med. Markus Wennmann
Kontakt (E-Mail-Adresse) m.wennmann@dkfz-heidelberg.de

Beschreibung der Arbeit

Art der Arbeit
Thema der Promotion Radiomics und künstliche Intelligenz zur Verbesserung der MRT-Diagnostik beim Smoldering Myelom
Voraussichtliche Dauer (in Monaten) 1
davon in Vollzeit (in Monaten) 6
Startzeitpunkt sofort
Methoden

Die Erhebungen sollen primär retrospektiv an 150 Smoldering Myelom Patienten der Transregio-Studie durchgeführt werden (ggf. Erhöhung der Patientenzahl). Es sollen Segmentierungen des Knochenmarks in T1 tse-, T2 STIR- und diffusionsgewichteten Sequenzen erfolgen. Zusätzlich sollen histologische, genetische und klinische Parameter in einer Datenbank erfasst werden. In Kooperation mit Partnern aus der „Medical Image Computing“ Gruppe sollen mit einem Radiomics-Algorithmus sowie deep learning objektive, quantitative Parameter aus den Knochenmarks-Segmentierungen extrahiert sowie ggf. neue krankheitsspezifische Bildgebungsmerkmale erlernt werden. Die Bildgebungsmerkmale sollen mit den histologischen, genetischen und klinischen Daten korreliert werden und im Anschluss unter Berücksichtigung von Test-Retest- und Interrater-Stabilität sowie Aussagekraft zu einer Radiomics-Signatur kombiniert werden, die mit lokaler Plasmazellinfiltration, genetischem Risikostatus sowie Prognose korreliert.

Zielsetzung

Im Gegensatz zur heutigen subjektiven und qualitativen Bildauswertung durch Radiologen im klinischen Alltag ermöglichen neue computerbasierte Methoden wie Radiomics oder deep learning die objektive, quantitative Erfassung hunderter Bildgebungsmerkmale, sowie deren umfassende Korrelation mit klinischen, histologischen und genetischen Daten. Im Rahmen dieser Studie sollen Bildgebungen von Patienten mit Smoldering Myelom mit Radiomics / deep learning ausgewertet werden. Ziel ist die Entwicklung eines Radiomics-Algorithmus, mit dem der Grad der Plasmazellinfiltration sowie der genetische Status für jeden Knochenmarksraum einzeln nicht-invasiv abgeschätzt werden kann, was bislang nur mittels multipler und repetitiver invasiver Biopsien möglich wäre, was klinisch so nicht durchführbar ist. Hierdurch könnte die Risikostratifizierung von Patienten mit Smoldering Myelom verbessert und der Zeitpunkt zum Therapiebeginn optimiert werden.

Rahmenbedingungen

Strukturierte Betreuung

Die Betreuung erfolgt durch einen Assistenzarzt der Radiologie am DKFZ; durch wöchentliche Forschungstage ist eine intensive Betreuung sichergestellt, kurzfristige Besprechungen sind jederzeit möglich. Die wöchentliche Teilnahme am Journal-Club, der Fallvorstellung sowie der einstündigen Freitagsfortbildung der Abteilung ist möglich.

Anforderungen

Zeitnaher Beginn der Datenerhebung in Vollzeit (ca. 6 Monate) ist erwünscht. Vorkenntnisse bzgl. Programmierung sind nicht erforderlich. Selbstständiges, eigenverantwortliches Arbeiten wird vorausgesetzt.

Finanzielle Unterstützung

-

Autorenschaft

Publikation geplant, Koautorschaft möglich.

Anmerkungen
Flyer

zurück zur Angebotsübersicht