Algorithmen teilen statt Daten

Ob Ultraschall, CT, MRT oder PET: Die Bildgebung ist zentraler Bestandteil der Versorgung von Krebspatienten: Sie ist unerlässlich in der Früherkennung, bei der Diagnosestellung, bei der Therapieplanung, beim Monitoring des individuellen Therapieerfolgs und in der Nachsorge. Bei den meisten Krebspatienten sind im Verlaufe ihrer Behandlung wiederholte Untersuchungen in verschiedenen Tomographen erforderlich.

Medizinische Bilder sind mehr als reine Abbildungen: Sie sind medizinische Datensätze, die einen Patienten charakterisieren. Daher unterliegen sie den strengen Regeln des Datenschutzes, auch ihre Weiterverwendung für Forschungszwecke ist eng reglementiert. Die Anonymisierung der Bilddaten ist technisch schwierig und in der klinischen Praxis oftmals kaum umzusetzen. Heutige Anonymisierungstechniken könnten morgen möglicherweise leicht zu „knacken" sein. Darüber hinaus sind die Bilddaten nicht einheitlich, da in allen Krankenhäusern unterschiedliche IT-Systeme und unterschiedliche Tomographen verwendet werden.

Diesen Schwierigkeiten steht der dringende Bedarf an Zugang zu den Daten der medizinischen Bildverarbeitung gegenüber. Insbesondere für die Weiterentwicklung der vielversprechenden Methoden der Künstlichen Intelligenz (KI), die gerade in der medizinischen Bildgebung die Ärzte bei vielen Aufgaben entlasten und unterstützen könnten, ist der Zugang zu großen Datenmengen unerlässlich.

„Die Hürden bei der Nutzung medizinischer Daten verzögern die klinische Krebsforschung mitunter erheblich", sagt Heinz-Peter Schlemmer, Leiter der Radiologie im Deutschen Krebsforschungszentrum. Besonders anschaulich wird dieses Problem im Deutschen Konsortium für translationale Krebsforschung (DKTK): Hier verbinden sich über 20 akademische Institutionen an 8 Standorten mit dem Deutschen Krebsforschungszentrum vorrangig mit dem Ziel, gemeinsame klinische Studien durchzuführen. „Das wissenschaftliche Potential des Konsortiums ist enorm. Doch hierfür sind die Wissenschaftler und Ärzte des DKTK im hohen Maße darauf angewiesen, Zugang zu den Daten der beteiligten Partner zu haben, sie auszutauschen und gemeinsam zu nutzen, um bestmögliche Ergebnisse in der Forschung und Patientenversorgung zu erreichen", so Schlemmer.

Um hier Abhilfe zu schaffen, haben Forscher am DKFZ unter der Federführung des Bildverarbeitungsexperten Klaus Maier-Hein und des Radiologen Heinz-Peter Schlemmer ein Netzwerk aller radiologischen und nuklearmedizinischen Abteilungen des DKTK initiiert und eine flexible dezentrale Analyseplattform für medizinische Bilder eingerichtet – die Joint Imaging Platform, kurz JIP. „Das besondere an JIP: Wir bringen die Algorithmen und Bearbeitungswerkzeuge zu den Daten, und nicht umgekehrt", erklärt Projektleiter Maier-Hein. „Das bedeutet, die Datenhoheit verbleibt bei den einzelnen Institutionen. Dieser dezentralisierte Ansatz ermöglicht es, die hohen Anforderungen des europäischen Datenschutzes einzuhalten."

JIP lässt sich in alle vorhandenen klinischen Infrastrukturen zu Datenverarbeitung integrieren. „JIP hat heute schon die Zusammenarbeit der radiologischen und nuklearmedizinischen Forschungsgemeinschaft innerhalb des DKTK entscheidend verbessert. Zahlreiche klinische Studien nutzen die Plattform bereits. Es gibt sogar bereits den Wunsch nach Erweiterung, etwa um auch histopathologische Daten miteinzubeziehen", erklärt Maier-Hein.

Das DKTK ist nicht das einzige Forschungsnetzwerk, das eine Plattform zur Verarbeitung medizinischer Bilddaten benötigt. Dies gilt zum Beispiel ebenfalls für die kürzlich vorgestellte Initiative „Nationales Netzwerk der Universitätsmedizin zu Covid-19" des Bundesministeriums für Bildung und Forschung zur Bewältigung der aktuellen Pandemie. Hierfür stellt die am DKFZ entwickelte Technologie einen wichtigen Baustein dar bei der Etablierung einer ersten deutschlandweiten Radiologie-Plattform, an der fast alle Universitätskliniken beteiligt sind.

In Zukunft soll die JIP auch als Open-Source-Softwareprojekt zur Verfügung stehen. Durch die Bereitstellung der Plattform und des Quellcodes wollen die Wissenschaftler dazu beitragen, die beispiellosen Forschungsmöglichkeiten in der datengesteuerten Medizin weiter zu verbessern.

Jonas Scherer, Marco Nolden, Jens Kleesiek, Jasmin Metzger, Klaus Kades, Verena Schneider, Michael Bach, Oliver Sedlaczek, Andreas M. Bucher, Thomas J. Vogl, Frank Grünwald, Jens-Peter Kühn, Ralf-Thorsten Hoffmann, Jörg Kotzerke, Oliver Bethge, Lars Schimmöller, Gerald Antoch, Hans-Wilhelm Müller, Andreas Daul, Konstantin Nikolaou, Christian la Fougère, Wolfgang G. Kunz, Michael Ingrisch, Balthasar Schachtner, Jens Ricke, Peter Bartenstein, Felix Nensa, Daniel Funke, Alexander Radbruch, Lale Umutlu, Michael Forsting, Robert Seifert, Ken Herrmann, Philipp Mayer, Hans-Ulrich Kauczor, Tobias Penzkofer, Bernd Hamm, Winfried Brenner, Roman Kloeckner, Christoph Düber, Mathias Schreckenberger, Rickmer Braren, Georgios Kaissis, Marcus Makowski, Matthias Eiber, Andrei Gafita, Rupert Trager, Wolfgang A. Weber, Jakob Neubauer, Marco Reisert, Michael Bock, Fabian Bamberg, Jürgen Hennig, Philipp Tobias Meyer, Juri Ruf, Uwe Haberkorn, Stefan O. Schoenberg, Tristan Kuder, Peter Neher, Ralf Floca, Heinz-Peter Schlemmer, Klaus Maier-Hein: The Joint Imaging Platform for Federated Clinical Data Analytics

JCO Clinical Cancer Informatics 2020, DOI: https://doi.org/10.1200/CCI.20.00045