Detailseite
Projekt
Radiomics: Nutzen künstlicher Intelligenz in der Analyse morphologischer Bilddaten zur Vorhersage der Krebsinzidenz und des Mutationsstatus bei Patientinnen mit high risk Konstellation für familiären Brust- und Eierstockkrebs
Antragstellerinnen / Antragsteller
Privatdozent Dr. Christoph Engel; Privatdozentin Dr. Eva Maria Fallenberg; Professor Dr.-Ing. Horst Karl Hahn; Professor Dr. Michael Ingrisch; Professorin Dr. Rita Katharina Schmutzler
Fachliche Zuordnung
Nuklearmedizin, Strahlentherapie, Strahlenbiologie
Förderung
Förderung von 2019 bis 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428224258
Pathogene Genmutationen, insbesondere im BRCA1 und BRCA2-Gen, aber auch in weiteren neider penetranten Genen, können das Lebenszeitrisiko für Brust- und Eierstockkrebs signifikant erhöhen. Mutationen in BRCA1/2 sind selten und Brustkrebs relativ häufig, so dass diese Mutationen nur 5-10% aller Brustkrebsfälle bei Frauen ausmachen. Mit der volldigitalen Mammographie und Brust-MRT werden erweiterte bildgebungsbasierte Phänotypisierungen und multivariate Phänotyp-Genotyp-Korrelationsstudien ermöglicht, um neue spezifische bildgebungsbasierte Indikatoren für das Brustkrebsrisiko zu ermitteln. Dies Projekt zielt darauf ab, Werkzeuge zur Extraktion mehrskaliger Gewebecharakteristika auf der Grundlage der Brustbildgebung mit einem Schwerpunkt auf der Analyse von Struktur, Asymmetrie und zeitlichen Veränderungen bereitzustellen und diese auf eine Subpopulation eines umfangreichen Datensatzes anzuwenden, der innerhalb der letzten zehn Jahre in einer Hochrisiko-Population in Deutschland erfasst wurde (>6.000 Frauen mit durchschnittlich mehr als vier Untersuchungen). Allen diesen Frauen wurden DNA-Tests angeboten und ein Teil erhielt aufgrund verdächtiger Befunde zusätzliche Untersuchungen. Der Datensatz wird in Zusammenarbeit mit dem Deutschen Konsortium Familiärer Brust- und Eierstockkrebs statistisch ausgewertet. Da DNA-Tests in einer größeren Screeningpopulation nicht vollständig durchgeführt werden können und die bekannten Risikogene nur 1 von 4 der ermittelten Fälle von erblichem Brustkrebsrisiko erklären, untersuchen wir quantitative Imaging-Biomarker basierend auf der dynamischen kontrastverstärkten Brust-MRT sowie der digitalen Vollfeld-Mammographie (FFDM) und korrelieren diese inkl. ihrer zeitlichen Entwicklungen mit der Brustkrebsentstehung, dem Vorhandensein pathogener Genmutationen sowie dem ermittelten erblichen Brustkrebsrisiko. Diese Korrelation führt zu einer bildgebenden Subphenotypisierung mit möglichen Auswirkungen auf die Stratifizierungsstrategie in künftigen Screeningprogrammen. Die bildgebenden Biomarker umfassen morphologische Deskriptoren, volumetrische Gewebezusammensetzung und -dichte, Gewebeheterogenität und Asymmetrie, Kontrastmittel-Anreicherungsverhalten, nebst weiterer Parameter, sowie jeweils deren longitudinale Veränderungen. Systematische Radiomics-Analysen sowie aktuelle Ansätze basierend auf Deep Learning mit neuronalen Faltungsnetzwerken werden zur Korrelation morphologischer Gewebe-Merkmale und dynamischer Anreicherungsmuster mit der Krebsinzidenz bei Patienten mit BRCA1/2-Mutationen, mit weniger häufigen Mutationen und mit erhöhtem Brustkrebsrisiko eingesetzt und einander gegenübergestellt. Insgesamt ist es unser Ziel, durch ein erweitertes Instrumentarium die Früherkennung von Brustkrebs zu verbessern und neue Hypothesen hinsichtlich eines erhöhten Brustkrebsrisikos abzuleiten.
DFG-Verfahren
Schwerpunktprogramme
