Wie wir beobachten Weltradiologietagwürdigen wir den tiefgreifenden Einfluss der Radiologie auf die moderne Medizin. Aus diesem Anlass haben wir die Ehre, ein Gespräch mit Regina Beets-Tan, MD, PhD, der angesehene Leiter der Abteilung für Radiologie am Niederländischen Krebsinstitut in Amsterdam.  

Dr. Beets-Tan bringt eine Fülle von Erfahrungen in unsere Diskussion über die technischen Innovationen ein, die sie auf den nächsten Radiologie-Kongressen sehen möchte, ihre Sicht auf Die Rolle der KI auf diesem Gebiet und ihre Gedanken zur patientenzentrierten Versorgung. 

Ihre Expertise und Führung haben innovative Bildgebungsverfahren und eine verbesserte Krebsdiagnose und -behandlung, die Patienten weltweit einen Hoffnungsschimmer bietet. 

Emerging Technologies

Angesichts der kontinuierlichen Weiterentwicklung der Bildgebungstechnologien: Auf welche neuen Innovationen freuen Sie sich bei den kommenden Radiologiekongressen am meisten? 

Ich freue mich wirklich über die Möglichkeit, mit den neuesten Innovationen in unserer Disziplin Schritt zu halten. Die kontinuierliche Weiterentwicklung der Bildgebung ist eine bemerkenswerte Reise. Wir erleben gerade einen Moment der Transformation in der Radiologie. Bildgebung dient zunehmend als Therapieleitlinie und haben einen tiefgreifenden Einfluss auf das Behandlungsergebnis. Ein Bereich, auf den ich mich immer freue, ist der Fortschritt bei modernen Bildgebungsverfahren, sowohl bei der diagnostischen als auch bei der interventionellen Bildgebung. Neue Entwicklungen wie Fortschritte bei der Spektral-CT und Photonenzähltechnologien sowie KI-basierte Rekonstruktion im MRT, revolutionieren nicht nur die klinischen Arbeitsabläufe, sondern vor allem die Diagnose und Nachsorge von Krankheiten, insbesondere in Bereichen wie der Onkologie.

Ein Bereich, der mich besonders interessiert, ist die Entwicklung künstlicher Intelligenz (KI) in der Radiologie. Neue Large Language Models (LLMs) werden in der Radiologie angewandt, um die Befundung zu rationalisieren, und wie KI eingesetzt werden kann, um bieten mehr Einblicke in die Krebsforschung, die Bildgebung mit klinischen Endpunkten verknüpfen, sind meine bevorzugten Anwendungen. Ich kann es kaum erwarten, mit Branchenführern über diese aufkommenden Innovationen zu diskutieren, aus den Erfahrungen meiner Kollegen zu lernen und das Potenzial der KI zur Verbesserung der Patientenversorgung und Weiterentwicklung der Radiologiepraxis zu erkunden.

KI und maschinelles Lernen

Wie wird Ihrer Meinung nach die Integration von künstlicher Intelligenz und maschinellem Lernen die Zukunft der Radiologie prägen und welche Diskussionsthemen erwarten Sie zu diesen Technologien? 

Ich glaube, dass wir in Europa eine erhebliche Dynamik erleben, wenn es um die Entwicklung von Datenaustauschinfrastrukturen für die medizinische Bildgebung geht. Diese Infrastrukturen bergen das Potenzial, erhebliche Fortschritte bei innovativen KI-Modellen für Krebsanwendungen voranzutreiben. Ein hervorragendes Beispiel für diesen Fortschritt ist die Plattform „Cancer Image Europe“., ein von der Europäischen Kommission kofinanziertes EU-Projekt, das vom Europäischen Institut für biomedizinische Bildgebungsforschung (EIBIR) koordiniert und von Prof. Luis Marti-Bonmati vom Hospital Universitari I Politècnic La Fe in Valencia, Spanien, geleitet wird.

Ich bin gespannt, von ähnlichen Initiativen außerhalb Europas zu lernen und zu verstehen, wie sie globale Aspekte wie Datenschutz, Nachhaltigkeit und die Zusammenarbeit zwischen Wissenschaft und Industrie angehen. Die aktuellen Kapazitäten in Die Implementierung von KI hängt stark von der Infrastruktur und Technologie ab bereitgestellt von Branchenführern, ermöglicht Hochleistungsrechnen und Training von KI-Modellen im großen Maßstab.

Die Radiologie sollte bestrebt sein, Kontakte zu ihren Partnern aufzubauen: zu anderen Medizinern, Wissenschaftlern, politischen Entscheidungsträgern und Industriepartnern, darunter der biopharmazeutischen Industrie und Technologieanbietern.

Neben der Daten- und Infrastrukturgrundlage für KI interessiere ich mich besonders für die Integration von Techniken wie Radiomics und Deep Learning mit Molekularbiologie und Flüssigbiopsie. Diese Integration hat das Potenzial, verbesserte Multi-Omics-Biomarker hervorzubringen. Letztendlich ist es unser gemeinsames Ziel, hochempfindliche und spezifische Tests auf der Grundlage von Bildgebung zu entwickeln, die die Prognose- und Vorhersagefähigkeiten verbessern können. Unser Ziel ist es, die medizinische Bildgebung in ein praktisches Instrument zur Vorhersage von Ergebnissen wie krankheitsfreiem Überleben (DFS) und Behandlungserfolg bei verschiedenen soliden Tumoren umzuwandeln.

Radiomics und Präzisionsmedizin

Können Sie die Rolle der Radiomics bei der Weiterentwicklung der Präzisionsmedizin in den nächsten Jahren erläutern?  

Radiomics ist derzeit ein etabliertes Forschungsfeld in der Radiologie, aber seine breite Anwendung in der Onkologie bleibt der nächste Schritt. In den nächsten Jahren werden wir sehen Radiomics entwickeln sich zu einer praktischen und umsetzbare Technik durch Reduzierung der Variabilität zwischen verschiedenen Institutionen und Scannern. Ich bin begeistert von den Entwicklungen bei Techniken zur Harmonisierung der Bildqualität, die Konsistenz bei Radiomics-Funktionen gewährleisten können.

Es ist wichtig zu betonen, dass nicht nur Radiomics-Techniken vielversprechend bei der Vorhersage klinischer Endpunkte sind, sondern auch Deep-Learning-Techniken für Extrahieren tiefer Merkmale aus Läsionen haben ebenfalls ihr Potenzial unter Beweis gestellt. Wir müssen mehr belastbare Beweise für diese Methoden sammeln und das Bewusstsein dafür schärfen, indem wir andere Disziplinen ermutigen, sie in ihre Entscheidungsprozesse in der personalisierten Medizin einzubeziehen.  

Patientenzentrierte Pflege

Welchen Einfluss hat die Umstellung auf eine patientenzentrierte Versorgung auf die radiologische Praxis? 

Die Verlagerung hin zu einer patientenzentrierten Versorgung hat sich erheblich auf unser Fachgebiet ausgewirkt und legt einen größeren Schwerpunkt auf die Bereitstellung einer personalisierteren Gesundheitsversorgung. Die Radiologie bewegt sich von einer volumenbasierten zu einer wertorientierten Praxis. Unsere iDie Bildgebung ist bei Behandlungsentscheidungen von entscheidender Bedeutung geworden und kann einen erheblichen Einfluss auf die Erfolgschancen der Patienten haben. Die patientenzentrierte Versorgung hat auch Diskussionen und Initiativen rund um die optimale Versorgung unserer Patienten ausgelöst. Dieser Wandel hat mehrere Veränderungen und Trends mit sich gebracht, darunter die Minimierung der Strahlenbelastung, eine verbesserte Kommunikation mit den Patienten, die Erfassung und Einbeziehung von Patientenfeedback zu unseren Prozessen. Und nicht zuletzt KI kann Auswirkungen auf die Patientenversorgung haben Dies führt zu optimierten Diagnoseabläufen, verbesserter Bildinterpretation und verkürzten Wartezeiten. All dies trägt durch verbesserte Effizienz und Komfort zu einem stärker patientenorientierten Ansatz bei. 

Nachdenken über unsere aufschlussreiche Diskussion mit Regina Beets-Tanwerden wir an die dynamische Natur der Radiologie und ihre entscheidende Rolle in der Präzisionsmedizin erinnert. Weltradiologietagfeiern wir die Fortschritte, die wir in Einführung von KI und maschinelles Lernen für die Krebsbehandlung, was unseren Ansatz bei Diagnostik und Behandlung neu gestaltet. Die Erkenntnisse von Dr. Beets-Tan unterstreichen die transformative Kraft der Radiomics und das Potenzial technologischer Innovationen, die Behandlungsergebnisse der Patienten zu verbessern. Wenn wir nach vorne blicken, sind wir inspiriert vom kooperativen Geist dieser Gemeinschaft, die vereint ist, um das volle Potenzial der Radiologie zu nutzen, um Leben verbessern.