Neuigkeiten: DFG-Förderung für die AG Uro-Radiologie

PD Dr. med. Annemarie Uhlig wirbt DFG-Förderung ein

Im Rahmen der DFG-Nachwuchsakademie „Urologial Diseases in a Aging Society: From Genetic to Medical Care (UroAgeCare)” wird Frau PD Dr. med. Annemarie Uhlig aus der AG Uro-Radiologie gefördert.

Das Projekt evaluiert die Nutzung künstlicher Intelligenz bei älteren und komorbiden Nierentumorpatienten: Bereits vor einer Operation zur Entfernung des Tumors soll anhand computertomographischer (CT)-Bildgebung die nach dem Eingriff resultierende Nierenfunktion vorhergesagt werden. So sollen Patienten, die besonders gefährdet für eine dauerhafte Nierenfunktionseinschränkung sind, frühzeitig identifiziert werden. Im Rahmen des 12-monatigen Projekts kommen sogenannte „Machine Learning“- und „Deep Learning“-Verfahren zum Einsatz. Dies beinhaltet eine Zusammenarbeit mit den Instituten für medizinische Biostatistik und Medizinische Bioinformatik der UMG.

Pressemitteilung der UMG

Homepage der DFG-Nachwuchsakademie UroAgeCare

Arbeitsgruppe Uro-Radiologie

Die interdisziplinäre AG „Uro-Radiologie und klinische KI“ ist in der Klinik für Urologie und dem Institut für Diagnostische und Interventionelle Radiologie der Universitätsmedizin Göttingen (UMG) angesiedelt.

Themenschwerpunkte der AG sind die Optimierung und Weiterentwicklung von Bildgebung und bildgestützter Therapie urologischer Erkrankung mit speziellem Fokus auf Nierentumoren und Prostatakarzinomen. Mittels epidemiologisch-statistischer Methoden werden populationsbasierte nationale Datenbanken (NCDB, SEER, Deutsches Krebsregister) ausgewertet, um die die Verbreitung, Sicherheit und Effektivität von Nierenbiopsien und minimalinvasiven Ablationsverfahren bei Nierentumoren zu evaluieren. In Kooperation mit dem Max-Planck-Institut für Biophysikalische Chemie werden neuartige MRT-Sequenzen zur Diagnostik und Klassifikation des Prostatakarzinoms prospektiv klinisch erprobt.

Forschungsgebiete der AG Uro-Radiologie

Schwerpunkte

  • Diagnostik und Therapie von Nierentumoren
  • Medikamentöse Tumortherapie
  • Epidemiologie urologischer Erkrankungen anhand populationsbasierter Datenbanken
  • Prostata-MRT
  • Klinischer Einsatz künstlicher Intelligenz

Künstliche Intelligenz (KI) in der Diagnostik und Therapie von Nierentumorpatienten

Ein Schwerpunkt der AG ist die Implementierung künstlicher Intelligenz (KI) in der klinischen Routine. Der Fokus liegt auf der integrierten Beurteilung von Bildgebung und medizinischen Daten bei Patienten mit urologischen Erkrankungen. Beispielsweise können KI-Algorithmen anhand von CT-Aufnahmen zwischen benignen und malignen Nierentumoren unterscheiden, beziehungsweise histologische Subtypen stratifizieren (siehe Abbildung links).

In einem multizentrischen, multinationalen Kooperationsprojekt werden derzeit beispielsweise KI-Algorithmen eingesetzt, um seltene Nierentumorentitäten (renale Sarkome) zu identifizieren.

 

 

Neuartige MRT-Sequenzen zur Diagnostik des Prostatakarzinoms

In Kooperation mit dem der Forschungsgruppe um Prof. Dr. Jens Frahm des Max-Planck-Instituts für Multidisziplinäre Naturwissenschaften werden neue MRT-Sequenzen entwickelt und in prospektiven klinischen Studien untersucht. 

Hierzu zählen unter anderem neuartige T1FLASH Kartierungs-Sequenzen der Prostata (siehe rechts). 

Automatisierte Segmentation von Nieren und Nierentumoren

Gefördert durch die European Society of Radiology (ESR) untersucht die AG Uro-Radiologie derzeit den Einsatz von KI zur automatisierten Segmentation von Nieren und Nierentumoren anhand von CT-Aufnahmen.

weitere Forschungsprojekte

Biopsien und Ablationen von Nierentumoren

Mittels epidemiologisch-statistischer Methoden werden populationsbasierte nationale Datenbanken (NCDB, SEER, Deutsches Krebsregister) ausgewertet, um die die Verbreitung, Sicherheit und Effektivität von Nierenbiopsien und minimalinvasiven Ablationsverfahren bei Nierentumoren zu untersuchen.

RACOON-Projekt

Die AG Uro-Radiologie nimmt am nationalen RACOON-Projekt der deutschen radiologischen Universitätsklinika teil, um die Diagnostik und Risikostratifizierung von Patienten mit COVID-19 mittels KI-Algorithmen zu optimieren.

Kooperationen

Nationale und Internationale Kooperationspartner

Die AG „Uro-Radiologie und klinische KI“ kooperiert mit zahlreichen nationalen und internationalen Partnern, wie beispielsweise:

  • Prof. B. Shuch (UCLA, Los Angeles, USA)
  • Prof. Hyun S. Kim, Division of Vascular and Interventional Radiology, Department of Diagnostic Radiology and Nuclear Medicine (University of Maryland School of Medicine, Baltimore, MD, USA)
  • Prof Dr. A. Maßmann (Robert-Bosch-Krankenhaus Stuttgart)
  • Dr. P. Zeuschner (Universitätsklinikum des Saarlands)
  • Prof. T. Beißbarth (Medizinische Bioinformatik, UMG)
  • Dr. A. Leha (Medizinische Statistik, UMG)
  • Prof. J. Frahm (MPI für Multidisziplinäre Naturwissenscahften, Göttingen)
  • Frau PD Dr. M. von Brandenstein und PD Dr. N. Große Hokamp (Universitätsklinik Köln)

AG Leitung

Leiterin der Arbeitsgruppe Uro-Radiologie und klinische KI

PD Dr. med. Annemarie Uhlig, MPH

PD Dr. med. Annemarie Uhlig, MPH

contact information

Leiter der Arbeitsgruppe Uro-Radiologie und klinische KI

PD Dr. Johannes Uhlig, MPH

PD Dr. Johannes Uhlig, MPH

contact information

Förderungen und Preise

Deutsche Forschungsgemeinschaft DFG (2022 - 2023) – Künstliche Intelligenz zur Prädiktion der postoperativen/postablativen Nierenfunktion bei älteren und/oder komorbiden Patienten mit lokal begrenztem Nierentumor.

Universitätsmedizin Göttingen UMG (2022) – Jacob-Henle-Nachwuchspreis der medizinischen Fakultät der Georg-August-Universität Göttingen für Herrn PD Dr. med. Johannes Uhlig für seine Forschung auf dem Gebiet der Nierentumoren.

European Society of Radiology ESR (2022 - 2023) – ESR Research Seed Grant 2022 – “A Convolutional Neural Network for Automated Segmentation of Solid Renal Tumors on CT Images.” Projekt zur automatisierten Segementation von Nierentumoren.

Universitätsmedizin Göttingen (2020 - 2022) – Startförderung Forschungsprojekt (Dignitätsbeurteilung bei Nierentumoren mittels deep machine learning)

Deutsche Gesellschaft für Urologie (2018 - 2019) – Eisenberger Stipendium (Charakterisierung NFATc1/c-Myc beim klarzelligen Nierenzellkarzinom) bis Mai 2019

Niedersächsisches Ministerium für Wissenschaft und Kultur (2018 - 2019) – Translationales Kolleg der Universitätsmedizin Göttingen (Radiomics Analysen bei Nierentumoren)

Bundesministerium für Bildung und Forschung (2020 - 2025) – Radiological Cooperative Network (RACOON) im Rahmen des Nationales Forschungsnetzwerk der Universitätsmedizin (NUM).

Siemens Healthineers GmbH (2020 - 2023) – CancerScout (KI-Systeme zur Vorhersage des immunhistochemischen Status von Lungenkarzinomen anhand von CT Aufnahmen)

Assoziierte Mitarbeiter und Doktoranden

Dr. Martin Fasshauer (Facharzt für Radiologie)

Sophie Bachanek

Julia Balz

Nico Breitenbücher

Laura Delonge

Laura Geers

Anna-Maria Haack

Laura Haas

Jan Hähner

Karla Hähnle

Luisa Heitz

Olivia Catherine Johston

Loraine Kahlmeier

Rebekka Kewitsch

Paul Lampe

Anita Lein

Moritz Lein

Wichtigste Publikationen

Wichtigste Publikationen

Uhlig J, Uhlig A, Bachanek S, Onur MR, Kinner S, Geisel D, Köhler M, Preibsch H, Puesken M, Schramm D, May M, De Visschere P, Weber M, Surov A: Primary renal sarcomas: imaging features and discrimination from non-sarcoma renal tumors.

European Radiology 2021, published online 31.07.2021

Uhlig A, Uhlig J, Trojan L, Woike M, Leitsmann M, Strauß A:

Toxicities of axitinib, sunitinib and temsirolimus: implications for progression-free and overall survival in metastatic renal cell cancer.

Future Oncology. 2021 Jan;17(1):45-56.

Uhlig J, Leha A, Delonge LM, Haack AM, Shuch B, Kim HS, . . . Uhlig A:

Radiomics and Machine Learning for the Discrimination of Renal Tumor Histological Subtypes: A Pragmatic Study Using Clinical-Routine Computed Tomography.

Cancers (Basel). 2020;12(10). 10.3390/cancers12103010

Uhlig J; Biggemann L; Nietert MM; Beissbarth T; Lotz J; Kim HS; Trojan L; Uhlig A:

Discriminating malignant and benign clinical T1 renal masses on computed tomography: A pragmatic radiomics and machine learning approach.

Medicine (Baltimore) 2020, 99, e19725, doi:10.1097/md.0000000000019725.

Uhlig A, Uhlig J, Trojan L, Kim HS:

Stereotactic Body Radiotherapy for Stage I Renal Cell Carcinoma: National Treatment Trends and Outcomes Compared to Partial Nephrectomy and Thermal Ablation.

J Vasc Interv Radiol. 2020;31(4):564-71. 10.1016/j.jvir.2019.11.009

Strauss A, Uhlig J, Trojan L, Uhlig A:

Tumor laterality in renal cancer as a predictor of survival in large patient cohorts: A STROBE compliant study.

Medicine (Baltimore). 2019 Apr;98(17):e15346

Uhlig J*, Strauss A*, Rücker G, Seif Amir Hosseini A, Lotz, J, Trojan L, Kim HS, Uhlig A:

Partial nephrectomy versus ablative techniques for small renal masses: a systematic review and network meta-analysis. European Radiology 2019 Mar;29(3):1293-1307

Uhlig A, Strauss A, Seif Amir Hosseini A, Lotz J, Trojan L, Schmid M*, Uhlig J*:

Gender-specific Differences in Recurrence of Non-muscle-invasive Bladder Cancer: A Systematic Review and Meta-analysis.

European Urology Focus 2017.

Uhlig J, Kokabi N, Xing M, Kim HS:

Ablation versus Resection for Stage 1A Renal Cell Carcinoma: National Variation in Clinical Management and Selected Outcomes. Radiology 2018:172960.

Uhlig A, Hahn O, Strauss A, Lotz J, Trojan L, Müller-Wille R, Uhlig J:

Treatment for Localized T1a Clear Cell Renal Cell Carcinoma: Survival Benefit for Cryosurgery and Thermal Ablation Compared to Deferred Therapy.

Cardiovasc Intervent Radiol. 2018;41(2):277-83. 10.1007/s00270-017-1816-9

Uhlig A, Seif Amir Hosseini A, Simon J, Lotz J, Trojan L, Schmid M*, Uhlig J*:

Gender Specific Differences in Disease-Free, Cancer Specific and Overall Survival after Radical Cystectomy for Bladder Cancer: A Systematic Review and Meta-Analysis.

Journal of Urology 2018, 200:48-60.

 

 

Follow us