Risikovermeidung durch modellbasierte Computerunterstützung von Diagnose und Therapie

Zusammenfassung

Wenn es darum geht, die Sicherheit von Patienten in der klinischen Praxis zu erhöhen und Risiken und Schädigungen, die beispielsweise durch Operationen entstehen können, zu minimieren, sind Computerunterstützung und digitale medizinische Bildgebung Schlüsseltechnologien: Modellbasierte Planungswerkzeuge ermöglichen es, Wissen über biophysikalische Zusammenhänge und medizinische Erfahrung mit klinische Daten reproduzierbar zu einem patientenindividuellen Abbild zusammenzuführen. Sind gute und erfahrene Operateure in der Lage, auch in komplexen Situationen die vorliegenden z.  T. unvollständigen Informationen zielführend zu interpretieren, so fehlt weniger erfahrenen Ärzten dieses Wissen. Mithilfe der modellbasierten Analyse- und Planungswerkzeuge können jedoch auch weniger erfahrene Chirurgen sicherer arbeiten: Die Auswirkungen unterschiedlicher therapeutischer Strategien können im Vorfeld des Eingriffs quantitativ gegeneinander abgewogen werden, sodass Ärzte die Risiken eines Eingriffs effektiv bewerten und eine erhöhte Sicherheit erhalten, Risiken, die nicht in Kauf genommen werden dürfen, zu vermeiden. Für die Umsetzung werden funktionale und anatomische Informationen kombiniert und sind für die bildgeführte Chirurgie verfügbar. Modellanalysen helfen zudem, die vorhandene Datenkomplexität auf wesentliche kritische Informationen zu reduzieren, um so Orientierungshilfen zur realisieren, die den in der intraoperativen Situation eingeschränkten kognitiven und interaktiven Möglichkeiten gerecht werden.

Abstract

To increase patient safety in clinical practice and minimize risks and damage that may arise during surgery, computer support and digital medical imaging are key technologies: Medical image computing allows, to integrate knowledge about the biophysical processes and medical expert knowledge with clinical data into a patient specific model. While experienced surgeons might be able to extract the essential information from incomplete clinical data, less experienced clinicians misses these ability. With the help of model-based tools for data analysis and planning, the safety of their work is improved: Before operations, surgeons can evaluate patient-specific surgical risks, achieve increased safety, and avoid unacceptable risks. Functional and anatomic information are combined and can be used in image guided surgical procedures. To transfer the pre-operative planning information subsequently into the intra-operative stage, it is of crucial importance to understand the user needs and workflow details in the restricted setting of the operation theatre clearly. Model-based analysis helps to reduce the complexity of information and to identify critical structures, which allows for a better control of the intraoperative visualization of the information.

Schlüsselwörter

medizinische Bildverarbeitung - mathematische Modellierung - Fehlerbeherrschung - Operationsplanung - bildgestützte Therapie - Individualmedizin

Key words

medical image computing - mathematical modeling - error control - surgical planning - image guided procedures - individualised medicine

• Literatur

• 1 Parker G, Wheeler-Kingshott C, Barker G. Estimating distributed anatomical connectivity using fast marching methods and diffusion tensor imaging. IEEE Trans Med Imaging 2002; 21: 505-512
• 2 Klein J, Barbieri S, Stuke H et al. On the Reliability of Diffusion Neuroimaging.. In: Del-Ben CM, (Ed.) Neuroimaging. 2010: 1-24 InTech
• 3 Barbieri S, Bauer MHA, Klein J et al. Segmentation of fiber tracts based on an accuracy analysis on diffusion tensor software phantoms. Neuroimage; 2011. 55. 532-544
• 4 Bauer MHA, Barbieri S, Klein J et al. Boundary estimation of fiber bundles derived from diffusion tensor images. Int J Comput Assist Radiol Surg 2011; 6: 1-11
• 5 Lang H, Radtke A, Hindennach M et al. Impact of virtual tumor resection and computer-assisted risk analysis on operation planning and intraoperative strategy in major hepatic resection. Arch Surg 2005; 140: 629-638
• 6 Lang H, Radtke A, Hindennach M et al. Virtual hepatic surgery – computer-assisted operation planning on the 3-dimensional reconstructed liver. Z Gastroenterol 2007; 45: 965-970
• 7 Schenk A, Zidowitz S, Bourquain H et al. Clinical relevance of model based computer-assisted diagnosis and therapy. In: Giger ML, Karssemeijer N. SPIE Medical Imaging, Computer-Aided Diagnosis. 2008. 6915. 691502_1-691502_19
• 8 Hansen C, Köhn A, Schlichting S et al. Intraoperative Modification of Resection Plans for Liver Surgery. JCARS 2008; 2: 291-297
• 9 Hildebrand P, Schlichting S, Martens V et al. Prototype of an intraoperative navigation and documentation system for laparoscopic radiofrequency ablation: first experiences. Eur J Surg Oncol 2008; 34: 418-421
• 10 Markert M, Nowatschin S, Weber S et al. Navigated resection of residual liver tumors that are no longer visible after presurgical chemotherapy. In: International Journal for Computer Assisted Radiology and Surgery 2008; 3: 599-604
• 11 Hansen C, Zidowitz S, Schenk A et al. Risk Maps for Navigation in Liver Surgery. SPIE Medical Imaging: Computer-Aided Diagnosis. 7625. 2010: 762528_1-762528_8