KI-gestützte Echtzeitbewertung der Repräsentativität von MRT-Brustbiopsien.
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S79
DOI: 10.1055/s-0046-1817651 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von F Peisen und 6 weiteren Autor:innen.
Abstract (Originalsprache)
Zielsetzung Diese Studie entwickelt und evaluiert ein Deep-Learning-basiertes System zur Echtzeitlokalisierung von Läsionen, Markern und Nadelspitzen während MRT-geführter Brustbiopsien. Ziel ist es, die Genauigkeit der Probenentnahme zu erhöhen und die Notwendigkeit von Folgeuntersuchungen zu reduzieren. Material und Methoden Die Studie nutzt Mamma-MRT-Daten von 235 Patientinnen (Alter: 51,4±11,2 Jahre), die zwischen 2019 und 2023 am Universitätsklinikum Tübingen erhoben wurden. Spezialisierte Radiolog:innen annotierten Läsionen, Marker und Nadelspitzen auf fettunterdrückten MRT-Sequenzenn zu vier Biopsiezeitpunkten: Vor Marker-, nach Marker-, nach Nadel- und nach Clip-Positionierung. Ein selbstüberwachtes Template-Matching-Netzwerk mit zwei ConvNext-Small-Encodern wurde trainiert, die Positionen dieser Landmarken vorherzusagen. Die Modellleistung wurde mittels euklidischer Fehlermetrik in „Within-Image“- und „Cross-Image“-Szenarien bewertet.
Ergebnisse
Das Modell zeigt bei „Within-Image“-Tests eine hohe Lokalisierungsgenauigkeit (mittlerer Fehler 2–3 px bei großen Patches) über alle Biopsiezeitpunkte hinweg. Größere Patchgrößen verbessern die Präzision signifikant. In „Cross-Image“-Szenarien bleibt die Genauigkeit stabil, erfordert jedoch weitere Optimierung für patientenübergreifende Anwendungen.
Schlussfolgerungen
Der untersuchte Ansatz ermöglicht eine präzise Echtzeitverfolgung von Läsionen, Markern und Nadeln während MRT-geführter Brustbiopsien. Dadurch verringert sich die Notwendigkeit von Folgeuntersuchungen, und die diagnostische Effizienz steigt. Künftige Arbeiten integrieren die direkte Bewertung der Biopsie-Repräsentativität, um den klinischen Workflow weiter zu verbessern. Publication History Article published online: 22 April 2026 © 2026. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany
Zitieren
APA
Peisen, F., Fay, L., Winkelmann, M., Gatidis, S., Küstner, T., Yang, B., & Schmidt, S. (2026). KI-gestützte Echtzeitbewertung der Repräsentativität von MRT-Brustbiopsien. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S79. https://doi.org/10.1055/s-0046-1817651
Vancouver
Peisen F, Fay L, Winkelmann M, Gatidis S, Küstner T, Yang B, et al. KI-gestützte Echtzeitbewertung der Repräsentativität von MRT-Brustbiopsien. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S79. doi:10.1055/s-0046-1817651
BibTeX
@article{Peisen2026,
author = {Peisen, F and Fay, L and Winkelmann, M and Gatidis, S and Küstner, T and Yang, B and Schmidt, S},
title = {KI-gestützte Echtzeitbewertung der Repräsentativität von MRT-Brustbiopsien},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2026},
volume = {198},
number = {S 01 S 01},
pages = {S79},
doi = {10.1055/s-0046-1817651}
}
EUVIMED