Radailogy | AiraMed

Früherkennung neurodegenerativer Erkrankungen für eine erfolgreiche Behandlung

3D T1-gewichtete Gradientenecho-MRT einer 68-jährigen Patientin mit leichten Symptomen einer Gedächtnisstörung (links). Die Routine-MRT (nicht abgebildet) zeigte eine geringe mikroangiopathisch bedingte Neurodegeneration. Es wurde eine Gehirnvolumetrie durchgeführt (links). AIRAscore identifizierte eine das Altersmaß überschreitende Volumenminderung des rechten Temporallappens und beider Hippocampi (rechts), was auf eine Alzheimer-Krankheit hindeutet. Die Diagnose wurde durch Liquorpunktion bestätigt, die ein pathologisches Beta-Amyloid-Verhältnis und erhöhte Tau- und Phosphor-Tau-Proteine ​​zeigte.

Für viele Menschen bleibt unerkannt, dass bereits geringfügige Symptome hinweisend für die Entwicklung der Demenz sein können. Sie verpassen somit die wichtige Frühdiagnose und den rechtzeitigen Beginn ihrer individualisierten Therapie und damit die bestmögliche Prognose für viele Jahre. Die AI kann zusammen mit der MRT des Gehirns zur frühestmöglichen Erkennung und Behandlung neurodegenerativer Krankheiten beitragen.

Mit grosser Freude präsentieren wir Ihnen AIRAscore, einen AI-Assistenten für die präzise Diagnose neurodegenerativer Erkrankungen.

Was AIRAscore ist und wie es arbeitet

AIRAscore misst aus MR-Bildern des Gehirns relevante Biomarker zur Diagnose und Differenzialdiagnose neurodegenerativer Erkrankungen.

Das globale und die regionalen Gehirnvolumina werden exakt gemessen. Die Ergebnisse werden immer mit alters- und geschlechtsspezifischen Referenzwerten verglichen. Die Messungen sind um ein Vielfaches genauer, als sie selbst Fachärzte bisher durchführen konnten. Von der Norm abweichende Ergebnisse werden klar ersichtlich. Die Befunde werden tabellarisch in Balkendiagrammen berichtet und bilden eine wertvolle Unterstützung für den Wissenstransfer von Radiologen zu Patienten und Ärzten.

Wer profitiert

Patienten, Kliniker und Radiologen durch die frühe Erkennung und Differenzialdiagnose neurodegenerativer Erkrankungen. AIRAscore eignet sich darüber hinaus hervorragend zur Verlaufskontrolle erstellter Diagnosen.

Unsere eigene Erfahrung bei Radailogy

Wir haben AIRAscore intensiv getestet und mit dem Hersteller viele technologische Kriterien für die optimale Verwendung bei Radailogy erarbeitet.

Wir fanden eine hohe Korrelation in der Erkennung makro- und mikroangiopathischer Veränderungen und der Hirnatrophie zwischen unseren Fachärzten und AIRAscore. Darüber hinaus war AIRAscore in nahezu allen Tests dem menschlichen Betrachter in der Präzision subtiler regionaler Befunde überlegen. Der AI-Assistent liefert genaue Volumina aller relevanten anatomischen Strukturen des Großhirns, des Kleinhirns sowie des Hirnstamms. Die Frühdiagnose war insbesondere für Alzheimer-Patienten möglich, die Korrelation mit Klinik und Labordaten war auch im Follow-up sehr hoch. AIRAscore kann auch zur Differenzialdiagnose der Multiplen Sklerose und des Morbus Parkinson eingesetzt werden.

Das wissenschaftliche Umfeld

AIRAscore wurde in der neurowissenschaftlichen medizinischen Forschung entwickelt. Der AI Assistent stellt aus unserer Sicht eine Brückenbildung zwischen innovativer universitärer Forschung und direkter Anwendbarkeit im klinischen Alltag dar.

Daten zum Upload auf Radailogy

1,5-3 Tesla MRT, native 3D T1-gewichtete Gradientenecho-Sequenzen, Schichtdicke 1 mm, Echozeit ≤ 5 ms, Flipwinkel ≤ 15°

Radailogy

Computertomografie: Die wichtigste radiologische Methode mit verbesserter Bildqualität und verringerter Strahlendosis

Low-Dose CT des Thorax eines Patienten mit einem pneumonischen Infiltrat des Mittellappens. Ursprüngliches Bild mit 80kVp, 15 mAs, Strahlendosis 0,2 mGy (links unten). Bearbeitung mit Pixelshine (links oben). Ein vergleichbares Bild würde mit ca. 120 kVp, 150 mAs und einer Strahlendosis von ca. 8 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um mehr als 95 % verringert.

Low-Dose CT des Abdomen. Ursprüngliches Bild mit 120kVp, Schichtdicke 1,25 mm, Strahlendosis 1,7 mGy (Mitte unten). Bearbeitung mit Pixelshine (Mitte oben). Ein vergleichbares Bild würde mit einer Strahlendosis von ca. 10 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um mehr als 80 % verringert.

CT des Gehirns. Ursprüngliches Bild mit 120kVp, Schichtdicke 0,625 mm, Strahlendosis 11 mGy (rechts unten). Bearbeitung mit Pixelshine (rechts oben). Ein vergleichbares Bild würde mit einer Strahlendosis von ca. 40 mGy erstellt werden. Die Strahlendosis wird mit PixelShine um ca. 75 % verringert.

Die Medizin erzeugt seit einigen Jahren deutlich mehr Strahlendosis, als es die natürliche Strahlung aus dem Kosmos und der Erde je getan hatte. Der Hauptgrund hierfür ist der konstant zunehmende radiologische Einsatz der Computertomografie (CT). Gerade weil die CT in nahezu allen diagnostischen Bereichen weitgehend unerlässlich für die adäquate Patientenbetreuung ist und auch bleiben wird, liegt es an uns, das längst nachgewiesene strahleninduzierte Krebsrisiko auf dem niedrigsten möglichen Niveau zu halten.

Mit grosser Freude präsentieren wir Ihnen PixelShine, einen AI-Assistenten für die Reduzierung der CT-Strahlendosis.

Warum PixelShine bedeutend ist

Sowohl im Spital als auch im radiologischen Institut wird darauf geachtet, jedem Patienten nur die notwendige Strahlendosis zu verabreichen. Diese Low-Dose CT-Protokolle erzeugen allerdings nahezu immer fast immer verrauschte Bilder, und die CT-Untersuchungen sind selbst für Fachärzte oft schwierig zu interpretieren. Darüber hinaus müssen Radiologen häufig CT-Studien von CT-Geräten unterschiedlicher Hersteller betrachten, was zu Unannehmlichkeiten und Verzögerungen im Workflow beiträgt.

PixelShine ermöglicht zweierlei: Zum einen können Low-Dose-CT-Untersuchungen für alle Patienten im Sinne eines optimalen Strahlenschutzes durchgeführt werden, zum anderen generiert PixelShine aus diesen Bildern mit einem hohen Bildrauschen anschließend eine deutlich verbesserte Qualität, beispielsweise bei adipösen Patienten. Zweitens wird die Lebensdauer von CT-Geräten verlängert, indem die Belastung der CT-Röhren reduziert wird.

Wann und wie PixelShine eingesetzt wird

PixelShine kann für Studien jeden CT-Gerätealters und jeden Geräteherstellers verwendet werden. Dieser AI-Assistent verbessert die radiologische Präzision durch die Homogenisierung des Workflows.

CT-Studien mit einem hohen Bildrauschen werden durch PixelShine für Radiologen wieder optimal zu befunden und die radiologische Qualität erfüllt den Anspruch an die diagnostische Aussagekraft.

Weiters können Spitäler und radiologische Institute Low-Dose CT-Studien als Standard durchführen, PixelShine im Post processing integrieren und somit eine hohe konstant Bildqualität erreichen.

Wer profitiert

Patienten, Kliniker, Radiologen und die Geschäftsführung von Spitälern und radiologischen Instituten: Sorgfalt für alle Patienten durch Minimierung der Strahlendosis, klare CT-Bilder, optimale Beurteilbarkeit und Befundbesprechung, Geldersparnis durch die Verlängerung der Lebensdauer von CT-Geräten.

Unsere eigene Erfahrung bei Radailogy

Unsere Kunden senden uns CT-Studien, um die Bildqualität mit PixelShine zu verbessern und eine optimale diagnostische Aussagekraft zu ermöglichen. Sowohl im Einzelfall durch den raschen und einfachen Upload auf Radailogy, als auch als Standard in der täglichen Zusammenarbeit mit unserer Telemedizin.

Auswahl wissenschaftlicher Publikationen

Hata A, Yanagawa M, Yoshida Y, et al. Combination of Deep Learning–Based Denoising and Iterative Reconstruction for Ultra-Low-Dose CT of the Chest: Image Quality and Lung-RADS Evaluation. American Journal of Roentgenology. 2020;215(6):1321-1328.

Steuwe A, Weber M, Bethge OT, et al. Influence of a novel deep-learning based reconstruction software on the objective and subjective image quality in low-dose abdominal computed tomography. BJR. 2021;94(1117):20200677.

Brendlin AS, Plajer D, Chaika M, et al. AI Denoising Significantly Improves Image Quality in Whole-Body Low-Dose Computed Tomography Staging. Diagnostics. 2022;12(1):225.

Hasegawa A, Ishihara T, Thomas MA, Pan T. Noise reduction profile: A new method for evaluation of noise reduction techniques in CT. Medical Physics. 2022;49(1):186-200.

Nagaraj Y, de Jonge G, Andreychenko A, et al. Facilitating standardized COVID-19 suspicion prediction based on computed tomography radiomics in a multi-demographic setting. Eur Radiol. 2022;32(9):6384-6396.

Hasegawa A, Ishihara T, Thomas MA, Pan T. Noise reduction profile: A new method for evaluation of noise reduction techniques in CT. Medical Physics. 2022;49(1):186-200.

Daten zum Upload auf Radailogy

CT-Studien jeden CT-Gerätealters und jeden Geräteherstellers