Radiomics: Big Data statt Biopsie in der Zukunft?
Open Access
- 22 March 2018
- journal article
- research article
- Published by Georg Thieme Verlag KG in Laryngo-Rhino-Otologie
- Vol. 97 (S 01) , S114-S141
Abstract
Zusammenfassung: Die Präzisionsmedizin wird – auch mit Zunahme gezielter Therapieoptionen durch Biologicals – immer mehr vorangetrieben. Die individuelle Charakterisierung einer Erkrankung auf der Grundlage von Biomarkern im weitesten Sinne ist eine grundlegende Voraussetzung hierfür. Diese Biomarker können bisher klinisch, histologisch oder molekular bestimmt werden. Die Entwicklung breiter Screening Methoden und gleichzeitig die Möglichkeit, große Datenmengen („Omics“ ) mit geeigneter Software immer besser zu analysieren, führen dazu, dass man sich nicht nur auf einzelne Biomarker beschränkt, sondern Biomarker-Signaturen darstellen kann. Die „Radiomics” finden neben „Genomics“, „Proteomics“ oder „Metabolomics” in den letzten Jahren zunehmendes Interesse und erweitern das Biomarkerfeld. Basierend auf radiologischen Bildern werden eine Vielzahl von Merkmalen mithilfe spezifischer Algorithmen extrahiert. Diese Merkmale werden mit klinischen, (immun-) histopathologischen und genomischen Daten korreliert. Erfasste Strukturunterschiede sind Bestandteil der den Bildern zugrundeliegenden unbearbeiteten Metadaten. Diese sind für das bloße Auge oft nicht sichtbar und insofern ohne spezifische Software für den Untersucher nicht zu erfassen. Sie lassen sich aber numerisch abbilden und grafisch visualisieren. Ein besonderer Reiz der „Radiomics“ ist, dass bereits routinemäßig durchgeführte Bildgebungen einen Biomarker-Charakter zeigen. Dieser hat das Potenzial, Zusatzuntersuchungen oder Biopsien idealerweise durch eine „Radiomics“ Analyse zu ersetzen. Alternativ könnten „Radiomics“-Signaturen andere Biomarker suffizient ergänzen und hierdurch eine präzisere, multimodale Aussage ermöglichen. Bisher finden Radiomics vor allem in der Onkologie solider Tumore Anwendung. Auch bei Kopf-Hals-Karzinomen wurden bereits erste vielversprechende Untersuchungen veröffentlicht.Keywords
This publication has 72 references indexed in Scilit:
- Radiomics: Extracting more information from medical images using advanced feature analysisEuropean Journal of Cancer, 2012
- Combined PET/CT image characteristics for radiotherapy tumor response in lung cancerRadiotherapy and Oncology, 2012
- Human Papillomavirus and Survival of Patients with Oropharyngeal CancerNew England Journal of Medicine, 2010
- Textural Kinetics: A Novel Dynamic Contrast-Enhanced (DCE)-MRI Feature for Breast Lesion ClassificationJournal of Digital Imaging, 2010
- Texture analysis of non-small cell lung cancer on unenhanced computed tomography: initial evidence for a relationship with tumour glucose metabolism and stageCancer Imaging, 2010
- Quantitative Analysis of Lesion Morphology and Texture Features for Diagnostic Prediction in Breast MRIAcademic Radiology, 2008
- Identification of noninvasive imaging surrogates for brain tumor gene-expression modulesProceedings of the National Academy of Sciences, 2008
- Improved Survival of Patients With Human Papillomavirus-Positive Head and Neck Squamous Cell Carcinoma in a Prospective Clinical TrialJNCI: Journal of the National Cancer Institute, 2008
- Fractal Analysis of Contours of Breast Masses in MammogramsJournal of Digital Imaging, 2006
- Multifeature analysis of Gd‐enhanced MR images of breast lesionsJournal of Magnetic Resonance Imaging, 1997