Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 01.04.2026 · 198 (S 01 S 01) · S91-S92
DOI: 10.1055/s-0046-1817689 ↗Kurz gefasst
Fachartikel in der Zeitschrift RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, erschienen am 01.04.2026. Verfasst von A Moser und 7 weiteren Autor:innen.
Abstract (Originalsprache)
Zielsetzung Die tief infiltrierende Endometriose (TIE) ist eine chronische gynäkologische Erkrankung, die vorwiegend Beckenstrukturen infiltriert und eine Herausforderung für die klinische Entscheidungsfindung darstellt. Die MRT ermöglicht eine nicht-invasive Kartierung der TIE, jedoch erschweren die heterogene Läsionsmorphologie und variable Signalintensitäten eine konsistente Abgrenzung. Ziel dieser Studie war es, ein Multi-Reader-Segmentierungsframework auf sagittalen T2-gewichteten MRT-Bildern zu etablieren, um ein robustes Ground-Truth-Datenset für Anwendungen der Künstlichen Intelligenz (KI) zu generieren. Material und Methoden Es wurden 20 anonymisierte Becken-MRT-Datensätze von Patientinnen mit radiologisch gesicherter TIE aus einer größeren institutsinternen Kohorte ausgewählt. Sagittale T2-gewichtete Fast-Spin-Echo-(FSE)-Sequenzen wurden unabhängig von fünf geschulten Annotator:innen entsprechend der #Enzian-Klassifikation (Kategorien A–C, FA–FI, FU) segmentiert. Alle Annotationen wurden anschließend durch eine strukturierte Konsensuskorrektur durch einen erfahrene Radiologen mit über 10 Jahren Erfahrung in der gynäkologischen MRT-Bildgebung überprüft. Die Interobserver-Variabilität wurde mittels Cohen’s κ, gewichteten κ, Fleiss’ κ und Kendall’s W bewertet.
Ergebnisse
Alle 20 Datensätze wurden erfolgreich von fünf unabhängigen Leser:innen segmentiert. Die statistische Analyse zeigte eine Variabilität zwischen den individuellen Annotationen, mit einer verbesserten Übereinstimmung nach der Konsensuskorrektur. Das Multi-Reader-Design reduzierte subjektive Verzerrungen, spiegelte diagnostische Unsicherheiten wider und lieferte einen klinisch relevanten Referenzstandard.
Schlussfolgerungen
Das vorgestellte Multi-Reader-Segmentierungsframework schafft ein hochwertiges Ground-Truth-Datenset für sagittale T2-gewichtete MRT-Aufnahmen der TIE. Es unterstützt die reproduzierbare KI-Entwicklung, erleichtert die automatisierte #Enzian-Klassifikation und trägt zur Standardisierung der Befundung in der gynäkologischen Bildgebung bei. 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
Moser, A., Vu, V. D., Ehte, P., Krenn, V., Michaelides, P., Chen, H. T., Krombach, G., & Harth, S. (2026). Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren, 198(S 01 S 01), S91-S92. https://doi.org/10.1055/s-0046-1817689
Vancouver
Moser A, Vu VD, Ehte P, Krenn V, Michaelides P, Chen HT, et al. Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen. RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 2026;198(S 01 S 01):S91-S92. doi:10.1055/s-0046-1817689
BibTeX
@article{Moser2026,
author = {Moser, A and Vu, V D and Ehte, P and Krenn, V and Michaelides, P and Chen, H T and Krombach, G and Harth, S},
title = {Multi-Reader-gestützte manuelle Segmentierung der tief infiltrierenden Endometriose in der Becken-MRT: Ein Referenzdatensatz für KI-basierte Analysen},
journal = {RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren},
year = {2026},
volume = {198},
number = {S 01 S 01},
pages = {S91--S92},
doi = {10.1055/s-0046-1817689}
}
EUVIMED