Computerassistierte Diagnoseverfahren („computer-assisted diagnosis“, CAD) gewinnen eine zunehmende Bedeutung in der klinischen Radiologie. Diese wissenschaftliche Arbeit stellt verschiedene Anwendungsgebiete von CAD- Techniken vor und evaluiert deren Möglichkeiten und Perspektiven, aber auch deren Grenzen. Im Zentrum der wissenschaftlichen Studien stehen CAD-Analysen zur Magnetresonanz (MR)-Mammographie, MR-Volumetrie, Digitalen Radiogrammetrie und automatischen Berechnung der Brustgewebezusammensetzung in der Röntgenmammographie. Die Ergebnisse zeigen, dass die mittels CAD berechneten absoluten Volumina der gesamten Brust („Breast volume“) als auch des Drüsenparenchyms („Fibroglandular tissue volume“) reproduzierbare Resultate für serielle Mammographieuntersuchungen ergeben, jedoch mit Limitationen bei der Verwendung verschiedener Röntgenanlagen. Aufgrund ihrer detaillierten radiogeometrischen Analyse von Röntgenaufnahmen der Hand vermag die Digitale Radiogrammetrie die beiden Osteoporoseentitäten – amputationsbedingte Osteoporose und senile Demineralisation – zu differenzieren. Die computerunterstützte MR-Volumetrie der Hypophyse liefert genaue und reproduzierbare Ergebnisse auch bei derart kleinen Volumina. Durch die computerassistierte Analyse dynamischer Signalintensitäts-Zeitkurvenverläufe in der MR-Mammographie steigt zwar die Karzinomdetektionsrate bei weniger erfahrenen Observern, jedoch kann die Spezifität bei geringer Expertise der Anwender sinken. Eine vollständig automatische CAD-Auswertung von MR- Mammographien ist in der Lage, maligne und benigne Herdbefunde zuverlässig zu charakterisieren und korrekt zu klassifizieren mit einer diagnostischen Genauigkeit von 93,5%; jedoch weist diese CAD-Technik Limitationen bei der Beurteilung des Erfolgs einer neoadjuvanten Chemotherapie mit einer Sensitivität von lediglich 52,4% auf. Durch die Implementierung neuer Parameter kann die diagnostische Performance von CAD-Systemen weiter optimiert werden; ein innovativer Parameter stellt die Tumorflussverweildauer dar, welche vielversprechende Ergebnisse in der Differenzierung von malignen und benignen Brustläsionen mittels MR-Mammographie unter Verwendung eines pharmakokinetischen Ansatzes zeigt. Die dargelegten Studien bieten somit viele Anregungen für zahlreiche weitere Forschungsoptionen in der sich ständig optimierenden computerunterstützten Befundung.
Computer-assisted diagnosis (CAD) systems gain increasing impact in the clinical setting of Radiology. This scientific work presents different applications of CAD techniques and evaluates their potentials and perspectives, but also their limitations. CAD analysis in the field of magnetic resonance (MR) mammography, MR volumetry, Digital X-ray radiogrammetry, and the automatic assessment of the breast tissue composition in X-ray mammography are highlighted. The results show that the absolute volumes of the whole breast (“breast volume”) and of the fibroglandular tissue (“fibroglandular tissue volume”), estimated by CAD, provide reproducible calculations in serial mammograms, however, with limitations if different X-ray units are used. Due to its detailed radiogeometric analysis of hand radiographs, Digital X-ray radiogrammetry is able to differentiate between two osteoporosis entities – amputation-induced osteoporosis and senile demineralization. The computer-aided MR volumetry of the pituitary gland provides accurate and reproducible findings also in such small volumes. After computer-assisted analysis of dynamic signal intensity time curves in MR mammography the detection rate of carcinomas increases for less experienced observers; however, the specificity may decrease in the case of low expertise of the readers. A fully automatic CAD interpretation of MR mammographies can reliably characterize mass-like lesions and correctly classify them with a diagnostic accuracy of 93.5%; however, this CAD technique reveals limitations in assessing the response to neoadjuvant chemotherapy with a sensitivity of solely 52.4%. The diagnostic performance of CAD systems can be further optimized by implementing new parameters; one innovative parameter is the tumor flow residence time, which shows promising findings in differentiating between malignant and benign breast lesions in MR mammography by using a pharmacokinetic approach. The presented studies offer therefore several further scientific options in the continuously optimized computer-assisted diagnosis.
