Onkologische Forschungsgruppen der Radiologie

Leitung

Prof. Dr. Tobias Bäuerle

Überblick Forschungsschwerpunkte

Karzinogenese und Entzündung induzieren Prozesse von Tumor- und Immunzellen, die mit der lokalen Mikroumgebung interagieren, systemische Auswirkungen haben können und zu einer Fernmetastasierung bzw. einer systemischen Reaktion auf die Entzündung führen. Das Hauptforschungsgebiet der Arbeitsgruppe ist die Beurteilung dieser Prozesse durch multimodale Bildgebung auf translationaler und klinischer Ebene, einschließlich MRT, CT, PET, Ultraschall und optischer Bildgebung. Ziel ist es, neue bildgebende Verfahren zur Beurteilung von Tumorwachstum, Metastasierung und Entzündungsprozessen für translationale Zwecke in präklinischen Modellen und Patienten zu entwickeln. Zu diesem Zweck bewerten wir quantitative Parameter bei lokalen und systemischen Erkrankungen und implementieren Machine Learning Algorithmen zur Integration großer Mengen von Bildgebungsdaten, um onkologische oder entzündliche Erkrankungen zu erkennen, zu diagnostizieren oder vorherzusagen. Arbeiten werden derzeit in nationalen und internationalen Programmen gefördert, insbesondere von der Deutschen Forschungsgesellschaft im Rahmen der Sonderforschungsbereiche 1181 (Checkpoints for Resolution of Inflammation) und TR 305 (Striking a moving target: From mechanisms of metastatic organ colonization to novel systemic therapies).

Methoden

Magnetresonanztomographie, Computertomographie, Positronenemissionstomographie, Ultraschall, optische Bildgebung, Hybridverfahren (PET/CT, PET/MRT)

Aktuelle Förderungen durch die DFG

• SFB 1181 (Checkpoints for resolution of inflammation)
• SFB TRR 305 (Striking a moving target: From mechanisms of metastatic organ colonization to novel systemic therapies)
• Clinician Scientist Program NOTICE

Kooperationen im Rahmen der DFG-geförderten Konsortien

• SFB TR 23 (Vascular differentiation and remodelling)
• SFB TRR 79 (Compunds for tissue regeneration in systemically diseased bone)
• SFB 1181 (Checkpoints for resolution of inflammation)
• SFB TRR 305 (Striking a moving target: From mechanisms of metastatic organ colonization to novel systemic therapies)
• DFG-Priority Program µBONE
• Clinician Scientist Program NOTICE

Publikationen

• Gregoric G, Gaculenko A, Nagel L, Popp V, Maschauer S, Prante O, Saake M, Schett G, Uder M, Ellmann S, Bozec A, Bäuerle T (2022) Non-invasive characterization of experimental bone metastasis in obesity using multiparametric MRI and PET/CT. Cancers 18;14(10): 2482
• Bäuerle T, Gupta S, Zheng S, Leporati A, Marosfoi M, Maschauer S, Prante O, Caravan P, Bogdanov A Jr. (2021) Bone metastasis-associated epidermal factor receptor imaging in the orthotopic model.  Radiology: Imaging Cancer, 3(4):e2102549118
• Gaculenko A, Gregoric G, Popp V, Seyler L, Ringer M, Kachler K, Wu Z, Kisel W, Hofbauer C, Hofbauer LC, Uder M, Schett G, Bäuerle T*, Bozec A* (2021) * authors contributed equally Systemic PPARgamma antagonism reduces metastatic tumor progression in adipocyte-rich bone in excess weighte male rodents. J Bone Miner Res 36(12): 2440-2452 (IF=6,7)
• Heinen H, Seyler L, Popp V, Hellwig K, Bozec A, Uder M, Ellmann S, Bäuerle T (2021)  Morphological, functional, and molecular assessment of breast cancer bone metastases by experimental ultrasound techniques compared with magnetic resonance imaging and histological analysis. Bone, 144:115821
• Hellwig K, Ellmann S, Eckstein M, Wiesmueller M, Rutzner S, Semrau S, Frey B, Gaipl US, Gostian AO, Harmann A, Iro H, Fietkau R, Uder M, Hecht M, Bäuerle T (2021) Predictive value of multi parametric MRI for response to single-cycle induction chemo-immunotherapy in locally advanced head and neck squamous cell carcinoma. Front Oncol 11: 734872
• Ellmann S, Schlicht M, Dietzel M, Janka R, Hammon M, Saake M, Ganslandt T, Hartmann A, Kunath F, Wullich B, Uder M, Bäuerle T (2020) Computer-aided diagnosis in multiparametric MRI of the prostate: An open-access online tool for lesion classification with high accuracy. Cancers, 12(9):E2366
• Ellmann S, Seyler L, Gillmann C, Popp V, Treutlein C, Bozec A, Uder M, Bäuerle T (2020) Machine learning algorithms for early detection of bone metastases in an experimental rat model. J Vis Exp 16(162)

Kontakt

Prof. Dr. Tobias Bäuerle
Radiologisches Institut
Universitätsklinikum Erlangen
Maximiliansplatz 3
91054 Erlangen

tobias.baeuerle(at)uk-erlangen.de
09131 85-45521

Homepage: https://www.radiologie.uk-erlangen.de/forschung/arbeitsgruppen/translationale-tumor-und-entzuendungsdiagnostik/

Stand: 03/2023

Leitung

Prof. Dr. Michael Uder
Prof. Dr. Matthias May

Überblick Forschungsschwerpunkte

Als erstes Projekt dieser Größenordnung soll BORN eine sichere IT-basierte Netzwerkstruktur mit dem Ziel einer Harmonisierung und Standardisierung der bildgebungsbasierten Datenerhebung inklusive strukturierter und standardisierter Befunderhebung errichten und damit bildgebende Datensätze bei onkologischen Erkrankungen einheitlich erfassen und auswerten. BORN ergänzt das Bayerische Zentrum für Krebsforschung (BZKF) um eine vernetzende Komponente, welche die gemeinsame Standardisierung, Auswertung und Etablierung quantitativer, bildbasierter Biomarker unterstützt. BORN soll hierbei auf während der Covid-19-Pandemie etablierte Strukturen in der universitären Radiologie (RACOON) aufbauen. Insbesondere für die Etablierung von KI-Anwendungen stellen große standardisierte Datensätze eine Grundvoraussetzung dar, wobei die Daten dezentral in den einzelnen Kliniken verbleiben sollen. Gemeinsam mit der Firma Brainlab AG und deren Tochtergesellschaft Mint Medical GmbH erarbeiten und etablieren die Projektpartner einheitliche, strukturierte und standardisierte Befundberichte in der onkologischen Bildgebung in den sechs bayerischen Universitätskliniken für vorerst sechs Tumorarten.

Damit entsteht eine Datengrundlage, die für Wissenschaftlerinnen und Wissenschaftler, aber auch für Medizinproduktehersteller und für die Pharmazeutische Industrie genutzt werden kann.

Laufende Projekte

• Harmonisierung der Untersuchungsprotokolle
• Erstellung und Konsentierung strukturierter Befundungstemplates
• Anbindung an die BZKF IT-Infrastruktur

Methoden

• Multizentrische Datenerhebung
• Föderiertes Lernen

Kooperationspartner

• Universitätsklinikum Würzburg
• Universitätsklinikum Regensburg
• Universitätsklinikum Augsburg
• LMU Klinikum München
• Klinikum Rechts der Isar
• Technische Universität München

Publikationen

https://bzkf.de/born/
https://racoon.network/

Kontakt

Prof. Dr. Matthias May
Radiologisches Institut
Maximiliansplatz 3
91054 Erlangen

+49 9131 85-45548
matthias.may(at)uk-erlangen.de

Stand: 03/2023

Leitung

Prof. Dr. rer. nat. Armin Nagel
Prof. Dr. rer. nat. Frederik Laun
Prof. Dr. rer. nat. Moritz Zaiß

Dr.med. Valentin Riedl PhD
Professur für Neuroimaging von metabolischen und immunologischen Prozessen

Überblick Forschungsschwerpunkte

In den drei Arbeitsgruppen der MR-Physik des Radiologischen Institutes (Leitung: Prof. Michael Uder) und des Neuroradiologischen Instituts (Leitung: Prof. Arnd Dörfler) aus Erlangen werden neue Bildgebungsverfahren für die Magnetresonanztomographie entwickelt. Diese werden intensiv und in enger Kooperation mit Medizinerinnen und Medizinern erprobt. Ein Fokus ist hierbei die onkologische Bildgebung (Detektion und Charakterisierung von Läsionen, Therapieansprechen, Bildqualität, Beschleunigung der Bildgebung).

Laufende Projekte

• DFG Projekt 446875476. Pulsationsartefakt-reduzierende Techniken in der Diffusionsbildgebung der Leber zur verbesserten Läsionsdetektierung
• Marohn-Stiftung. Über die diagnostische Wertigkeit der stimulierten-Echo MRT-Diffusionstensorbildgebung der weiblichen Brust (Mammakarzinom)
• Quantifizierung der Natriumkonzentration im Gewebe mittels 7,0-T-MRT als Früherkennungsmarker für das Ansprechen auf Chemotherapie bei Brustkrebs
• Relaxations-kompensierter Amid-Protonen-Transfer (APT) als Marker für Überlebenszeit und Progression bei Gliomapatienten
• deepCEST: Translation nicht-invasiver molekularer MR-Signaturen von ultra-hohen Feldern zur klinischen Anwendung

Methoden

• Grundlegende Aspekte der MR-Physik
  • Theoretische Betrachtungen
  • Computersimulationen
• Implementierung neuer MR-Sequenzen
  • An klinischen MR-Tomographen (0,55 T bis 7 T)
  • An präklinischen MR-Tomographen (7 T)
• Validierungen in Messphantomen und gesunden Probanden
• Translation in klinische Studien zusammen mit klinischen Partnern und den Schwerpunkten:
  • Onkologie
  • Immunologie
  • Nieren- und Kreislaufforschung
  • Demenz und Neurowissenschaften
  • Muskelerkrankungen
  • Medizintechnologie
• Fortgeschrittene Auswertemethoden
  • Bildrekonstruktion
  • Klassische Bildbearbeitung
  • Neuronale Netze

Kooperationspartner

• Prof. Dr. Florian Knoll Prof. Dr. Florian Knoll › MedTech Map (fau.eu)
• Prof. Dr. Andreas Maier Andreas Maier - Pattern Recognition Lab (fau.de)
• Prof. Dr.-Ing. Katharina Breininger Katharina Breininger › AIMI Lab (fau.de)
• Prof. Dr.-Ing. Martin Vossiek Vossiek, Martin – Lehrstuhl für Hochfrequenztechnik (fau.de)
• PD Dr. med. Anke Dahlmann PD Dr. med. habil Anke Dahlmann - Fachärztin für Innere Medizin und Nephrologie - Uniklinikum Erlangen (uk-erlangen.de)
• PD Dr. med. Christoph Kopp PD Dr. med. Christoph Kopp - Oberarzt; Facharzt für Innere Medizin und Nephrologie - Uniklinikum Erlangen (uk-erlangen.de)
• PD Dr. med. Sebastian Bickelhaupt PD Dr. med. Sebastian Bickelhaupt - Oberarzt. Leiter d.hip digital health data center - Uniklinikum Erlangen (uk-erlangen.de)
• Prof. Dr. med. Tobias Bäuerle Prof. Dr. med. Tobias Bäuerle - Professor (W2), Geschäftsführender Oberarzt - Uniklinikum Erlangen (uk-erlangen.de)
• Prof. Dr. rer. nat. Christoph Bert Prof. Dr. rer. nat. Christoph Bert - Leiter der medizinischen Physik - Strahlenklinik | Uniklinikum Erlangen (uk-erlangen.de)
• PD Dr. Tristan Kuder (Deutsches Krebsforschungszentrum) https://www.dkfz.de/en/medphysrad/projectgroups/dwi/dwi.html?m=1486628253&

Publikationen

• Ultra-High b-Value Diffusion-Weighted Imaging-Based Abbreviated Protocols for Breast Cancer Detection DOI: 10.1097/RLI.0000000000000784, Ultra-High b-Value Diffusion-Weighted Imaging-Based Abbrevia... : Investigative Radiology (lww.com)
• Flow-compensated diffusion encoding in MRI for improved liver metastasis detection Flow-compensated diffusion encoding in MRI for improved liver metastasis detection | PLOS ONE
• Comparison of Readout-Segmented Echo-Planar Imaging and Single-Shot TSE DWI for Cholesteatoma Diagnostics Comparison of Readout-Segmented Echo-Planar Imaging and Single-Shot TSE DWI for Cholesteatoma Diagnostics | American Journal of Neuroradiology (ajnr.org)
• Image Quality and Detection of Small Focal Liver Lesions in Diffusion-Weighted ImagingComparison of Navigator Tracking and Free-Breathing Acquisition Image Quality and Detection of Small Focal Liver Lesions in... : Investigative Radiology (lww.com)
• Multiple interleaved mode saturation (MIMOSA) for B1+ inhomogeneity mitigation in chemical exchange saturation transfer Multiple interleaved mode saturation (MIMOSA) for B1+ inhomogeneity mitigation in chemical exchange saturation transfer - Liebert - 2019 - Magnetic Resonance in Medicine - Wiley Online Library
• Fast online-customized (FOCUS) parallel transmission pulses: A combination of universal pulses and individual optimization Fast online‐customized (FOCUS) parallel transmission pulses: A combination of universal pulses and individual optimization - Herrler - 2021 - Magnetic Resonance in Medicine - Wiley Online Library
• MR-double-zero – Proof-of-concept for a framework to autonomously discover MRI contrasts MR-double-zero – Proof-of-concept for a framework to autonomously discover MRI contrasts - ScienceDirect
• Linear projection-based chemical exchange saturation transfer parameter estimation Linear projection‐based chemical exchange saturation transfer parameter estimation - Glang - NMR in Biomedicine - Wiley Online Library
• Mennecke, A, Khakzar, KM, German, A, et al. 7 tricks for 7 T CEST: Improving the reproducibility of multipool evaluation provides insights into the effects of age and the early stages of Parkinson's disease. NMR in Biomedicine. 2022;e4717. doi:10.1002/nbm.4717
• Zhou, J, Zaiss, M, Knutsson, L, et al. Review and consensus recommendations on clinical APT-weighted imaging approaches at 3T: Application to brain tumors. Magn Reson Med. 2022; 88: 546- 574. doi:10.1002/mrm.29241

Kontakt

Prof. Dr. Moritz Zaiss

Professor für multimodale Bildgebung in der klinischen Forschung
Neuroradiologisches Institut

• Telefon:+49 9131 85-25530
• E-Mail: moritz.zaiss(at)uk-erlangen.de

Prof. Dr. Armin Nagel

Professor für metabolische und funktionelle MR-Bildgebung
Radiologisches Institut

• Telefon:+49 9131 85-45618
• E-Mail:armin.nagel(at)uk-erlangen.de

Prof. Dr. Frederik Laun

Professor für quantitative MR-Bildgebung
Radiologisches Institut

• Telefon:+49 9131 85-25831
• E-Mail:frederik.laun(at)uk-erlangen.de

Weiterführende Links

https://www.mr-physik.med.fau.de/

Stand: 03/2023

Leitung

PD Dr. Sabine Ohlmeyer (Leiterin Mammadiagnostik)

PD Dr. Sebastian Bickelhaupt

Überblick Forschungsschwerpunkte

Brustkrebs ist die häufigste Krebserkrankung bei Frauen. Die Bildgebung spielt eine zentrale Rolle bei der Früherkennung und beim Staging sowie bei der Beurteilung des Therapieansprechens und der Therapieüberwachung. Neuartige bildgebende Verfahren ermöglichen eine umfassende Beurteilung des gesamten Organs und geben Einblick in die Komplexität der Gewebemikrostruktur und des Stoffwechsels. Die Forschungsbereiche zielen somit darauf ab, die Dimensionen der Brustbildgebung über einzelne Modalitäten oder Techniken hinaus zu erweitern. Der einzigartige Pool an Forschungs-Bildgebungstechnologien, die in klinischen Studien evaluiert werden, besteht neben allen Routine-Bildgebungsmodalitäten aus 0,55T- bis 7T-MRT-Geräten und einem Brust-CT. Ziel der Forschungsgruppe ist es, bildgebende Biosignaturen für die Risikostratifizierung bei der Früherkennung von Brustkrebs in mittleren und hohen Risikogruppen zu entschlüsseln und für die Prognose- und Therapie-Response-Bewertung zu nutzen, um die Brustgesundheitsversorgung von Frauen zu verbessern. Dies beinhaltet die Neugestaltung von Bildgebungssequenzen und Hardwarekomponenten. Um dieses Ziel zu erreichen, werden neuartige technologische Bildgebungsansätze mit innovativen Datenauswertungstechniken unter Verwendung von künstlicher Intelligenz und Big-Data-Analysen in einer einzigartigen Zusammenarbeit in interdisziplinärer Umgebung kombiniert.

Laufende Projekte

• Moderne Diffusionsgewichtete (diffusion weighte imaging, DWI) Magnetresonanzmammographie mit Nutzung hoher b-Werte.
• Verfahren des maschinellen Lernens und der Künstlichen Intelligenz (KI) in der Detektion und Charakterisierung von suspekten Läsionen in der Mamma-MRT.
• Smart Imaging Algorithmen zur automatischen Artefaktdetektion und -vorhersage in der Mamma-MRT.
• Brust-CT

Methoden

MRT, Ultraschall, Brust-CT, Mammographie, KI, ML, DWI, quantitative Auswerteverfahren

Kooperationspartner

• Frauenklinik des Universitätsklinikums Erlangen
• Deutsches Krebsforschungszentrum
• Radiologie München

Publikationen

• Ohlmeyer S, Laun FB, Palm T, Janka R, Weiland E, Uder M, Wenkel E.Simultaneous Multislice Echo Planar Imaging for Accelerated Diffusion-Weighted. Imaging of Malignant and Benign Breast Lesions. Invest Radiol. 2019. Aug;54(8):524-530. doi: 10.1097/RLI.0000000000000560. PMID: 30946181.
• Dietzel M, Schulz-Wendtland R, Ellmann S, Zoubi R, Wenkel E, Hammon M, Clauser P, Uder M, Runnebaum IB, Baltzer PAT. Automated volumetric radiomic analysis of breast cancer vascularization improves survival prediction in primary breast cancer. Sci Rep. 2020
• Palm T, Wenkel E, Ohlmeyer S, Janka R, Uder M, Weiland E, Bickelhaupt S, Ladd ME, Zaitsev M, Hensel B, Laun FB. Diffusion kurtosis imaging does not improve differentiation performance of breast lesions in a short clinical protocol. Magn Reson Imaging. 2019 Nov;63:205-216. doi: 10.1016/j.mri.2019.08.007. PMID: 31425816.
• Bickelhaupt S, Jaeger PF, Laun FB, Lederer W, Daniel H, Kuder TA, Wuesthof L, Paech D, Bonekamp D, Radbruch A, Delorme S, Schlemmer HP, Steudle FH, Maier-Hein KH. Radiomics Based on Adapted Diffusion Kurtosis Imaging Helps to Clarify Most Mammographic Findings Suspicious for Cancer. Radiology. 2018 Jun;287(3):761-770. doi: 10.1148/radiol.2017170273.
• Kalender WA, Kolditz D, Steiding C, Ruth V, Lück F, Rößler AC, Wenkel E. Technical feasibility proof for high-resolution low-dose photon-counting CT of the breast. Eur Radiol. 2017 Mar;27(3):1081-1086. doi: 10.1007/s00330-016-4459-3

Kontakt

Sabine.Ohlmeyer(at)uk-erlangen.de

Weiterführende Links

https://www.radiologie.uk-erlangen.de/forschung/arbeitsgruppen/mammadiagnostik-gynaekologische-radiologie/

Stand: 03/2023