Dokument: Identifizierung bildmorphologischer Kriterien bei Glioblastomen - Nutzung von KI-basierten Segmentierungsverfahren in der Neuroonkologie

Titel:	Identifizierung bildmorphologischer Kriterien bei Glioblastomen - Nutzung von KI-basierten Segmentierungsverfahren in der Neuroonkologie
Weiterer Titel:	Identifizierung bildmorphologischer Kriterien bei Glioblastomen - Nutzung von KI-basierten Segmentierungsverfahren in der Neuroonkologie
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=71714
URN (NBN):	urn:nbn:de:hbz:061-20260106-111644-5
Kollektion:	Dissertationen
Sprache:	Deutsch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Tillmanns, Niklas Joern [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 12,41 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 14.12.2025 / geändert 14.12.2025
Beitragende:	Dr. Turowski, Bernd [Gutachter] Hofmann, Björn B. [Gutachter]
Dewey Dezimal-Klassifikation:	600 Technik, Medizin, angewandte Wissenschaften » 610 Medizin und Gesundheit
Beschreibungen:	Mit einer altersadjustierten Inzidenz von 0,16 pro 100 000 bilden die Glioblastome eine seltene Krankheit. Trotz maximaler Therapie haben sie mit 15-18 Monaten Gesamtüberleben eine infauste Prognose. Der Mutationsstatus kann dabei relevant sein für die Optimierung der Behandlung. Der heutige Standard zur präoperativen Diagnose ist die Magnetresonanztomographie (MRT) Bildgebung mit Speicherung der Bilder im klinikeigenen Picture Archive and Communication System (PACS). Eine Möglichkeit zur strukturierten Befundung bietet das Visually AcceSAble Rembrandt Images (VASARI) Set. Die VASARI Terminologie beschreibt dabei reproduzierbare MRT-Merkmale der Gliome. In der vorliegenden Arbeit sollen mithilfe eines integrierten Befundungssystems, anhand des strukturierten VASARI Sets, Bildmarker identifiziert werden, die sich als Surrogat Parameter zur Vorhersage des CDKN2AB Mutationsstatus von Glioblastomen eignen. Ferner soll die Zeitersparnis dieses in der natürlichen PACS Umgebung implementierten Befundungssystems untersucht werden. Zur Identifizierung neuer bildmorphologischer Merkmale in Bezug auf eine CDKN2AB Mutation oder einen CDKN2AB Wildtyp führten wir eine univariante statistische Analyse der einzelnen VASARI Merkmale durch. Um den prädiktiven Wert bildmorphologischer Kriterien für die Vorhersage genetischer Mutationen zu bestimmen, integrierten wir die zuvor identifizierten Merkmale in multiple logistische Regressionsmodelle. Um die Analyse des Workflows zu objektivieren, verglichen wir die Anzahl an Mausklicks pro analysierter Studie und die jeweilig benötigte Zeit in einer Subgruppe von Fällen. Als Bildmarker konnte eine Invasion der Pia mater die homozygote Deletion in CDKN2A am besten vorhersagen. Außerdem wiesen Tumore mit einem Durchmesser von über 8cm viermal häufiger einen CDKN2A Wildtyp auf als eine Mutation. Die Integration des Befundungssystems in die PACS Umgebung durch den Fast Healthcare Interoperability Resources (FHIR) Standard führte im Durchschnitt zu einem Zeitgewinn von 3,15min pro Studie. Die von uns identifizierten Bildmarker, wie die Invasion der Pia mater und die Tumorgröße, können als Surrogat Parameter für den CDKN2AB Mutationsstatus bei Glioblastomen die klinische Entscheidungsfindung untersützen. Durch den Zeitgewinn in der Befundung der Studien kann der Ablauf in der klinischen Praxis beschleunigt und in Zukunft auch die Zeit zur Erstellung multiinstitutioneller Datensätze für die KI-Forschung reduziert werden. With an age-adjusted incidence of 0.16 per 100,000, glioblastomas are a rare disease. Despite maximum therapy, they have a poor prognosis with an overall survival of 15-18 months. The mutation status can be relevant for optimizing treatment. The current standard for preoperative diagnosis is magnetic resonance imaging (MRI) with storage of the images in the hospital's own Picture Archive and Communication System (PACS). One option for structured reporting is the Visually AcceSAble Rembrandt Images (VASARI) set, which describes reproducible MRI features of gliomas. In this study, an integrated reporting system based on the structured VASARI set was used to identify imaging markers suitable as surrogate parameters for predicting the CDKN2AB mutation status in glioblastomas. In addition, the time savings provided by the implementation of this reporting system in the native PACS environment were evaluated. To identify novel imaging morphological features associated with a CDKN2AB mutation or wildtype, a univariate statistical analysis of individual VASARI features was performed. To assess the predictive value of imaging features for genetic mutations, the previously identified markers were included in a multiple logistic regression model. To objectify the workflow efficiency, the number of mouse clicks per analyzed study and the time required were compared in a subset of cases. As an image marker, invasion of the pia mater best predicted homozygous deletion in CDKN2A. In addition, tumors larger than 8cm in diameter were four times more likely to have a CDKN2A wild type than a mutation. The integration of the diagnostic system into the PACS environment using the Fast Healthcare Interoperability Resources (FHIR) standard resulted in an average time gain of 3.15 min per study. The identified imaging markers we identified, such as pia mater invasion and tumor size, can support clinical decision-making as surrogate parameters for CDKN2AB mutation status in glioblastoma. The observed time savings in reporting may help accelerate clinical workflows and, in the future, facilitate the development of multi-institutional datasets for AI research.
Lizenz:	Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz
Fachbereich / Einrichtung:	Medizinische Fakultät
Dokument erstellt am:	06.01.2026
Dateien geändert am:	06.01.2026
Promotionsantrag am:	07.08.2025
Datum der Promotion:	27.11.2025