Chinesische Bildgebungsdatenbank für Intrakranielle Blutungen: Aufbau einer strukturierten multimodalen Datenbank für intrakranielle Hämorrhagien

Intrakranielle Blutungen (ICH) stellen ein globales Gesundheitsproblem von kritischer Bedeutung dar, wobei China die höchste Fallzahl weltweit verzeichnet. Die dringende Notwendigkeit, diese Erkrankung zu bekämpfen, hat die Entwicklung fortschrittlicher Werkzeuge für Datenmanagement und -analyse vorangetrieben. Traditionelle Schlaganfall-Datenbanken, die sich hauptsächlich auf textbasierte klinische Aufzeichnungen stützen, weisen eine unzureichende Integration bildgebender Verfahren auf – eine Lücke, die ihre Nützlichkeit für das Verständnis der ICH-Dynamik und die Verbesserung der Behandlungsergebnisse einschränkt. Als Antwort darauf wurde die Chinesische Bildgebungsdatenbank für Intrakranielle Blutungen (CICHID) 2019 unter der Leitung des Peking Union Medical College Hospital etabliert. Diese multimodale Datenbank integriert strukturierte klinische Informationen mit multidimensionalen Bildgebungsdaten, um Forschung, Qualitätsverbesserung und präzisionsmedizinische Ansätze für ICH zu fördern.

Begründung und Rahmen des Designs

CICHID unterscheidet sich von herkömmlichen Datenbanken durch den Fokus auf strukturierte multimodale Datenspeicherung. Im Gegensatz zu textzentrierten Repositorien harmonisiert sie diverse Datentypen, einschließlich klinischer Aufzeichnungen, neuroimaging-Bildgebung (Computertomographie [CT], Magnetresonanztomographie [MRT], CT-Angiographie, CT-Perfusion), Elektroenzephalogramme (EEG) und transkranieller Dopplersonographie. Diese Integration ermöglicht die Identifizierung neuartiger Biomarker im Zusammenhang mit Behandlungseffizienz und Prognose.

Die Architektur der Datenbank basiert auf einem maßgeschneiderten Fallberichtsbogen (CRF), der in Erstvorstellungs- und Follow-up-Elemente unterteilt ist. Klinische Daten, die aus Patientenakten extrahiert werden, werden über eine sichere Webplattform an CICHID übermittelt. Bildgebungsdaten, direkt aus Krankenhaus-PACS-Systemen (Picture Archiving and Communication Systems) importiert, werden in einem integrierten Bildverwaltungssystem dargestellt und vermessen. Die strukturierte Speicherung organisiert Rohdateien als Anhänge mit benutzerdefinierten Tags, analog zu einem „Inhaltsverzeichnis“ (siehe Ergänzende Abbildung 1). Dieser Ansatz minimiert Fehlzuordnungen und Datenverluste und ermöglicht eine effiziente Datenextraktion.

Datenverarbeitung und Automatisierung

Der CICHID-Workflow umfasst mehrere Stufen der Anonymisierung und KI-gestützten Vorverarbeitung (Abbildung 1). Originale medizinische Aufzeichnungen in heterogenen Formaten durchlaufen eine KI-gestützte Anonymisierung, um geschützte Gesundheitsinformationen (z. B. Namen, Adressen) zu entfernen. Convolutional Neural Networks (CNNs) automatisieren die Segmentierung kritischer ICH-Merkmale – Hämatomvolumen, perihematomales Ödem und ventrikuläre Kompartimente – aus CT-Scans. Diese Tools reduzieren manuelle Annotationen und erhöhen die Konsistenz in multizentrischen Datensätzen.

Stand Juli 2021 enthält CICHID 6.705 retrospektiv erfasste ICH-Patienten aus acht medizinischen Zentren mit Fällen von Januar 2016 bis Dezember 2020. In dieser Kohorte sind 27.491 Kopf-CT-Scans und 64.749 Segmentierungsdateien (Hämatom: 24.747; perihematomales Ödem: 27.491; Ventrikel: 12.511) archiviert. Bei einer Untergruppe von 3.644 Fällen wurden detaillierte klinische und bildgebende Merkmale extrahiert: Das mediane Patientenalter betrug 60 Jahre (65,2 % männlich, 34,8 % weiblich), die mediane Zeit von Symptombeginn bis zum ersten CT-Scan 3 Stunden. Bei Entlassung wiesen 62,13 % (2.264 Patienten) schlechte neurologische Outcomes auf (Glasgow Outcome Scale 1–3). Ergänzende Tabelle 1 fasst weitere Baseline-Charakteristika zusammen, darunter Hypertonieprävalenz (82,6 %), Diabetes (16,2 %), Antikoagulanziengebrauch (4,1 %) und Hämatomlokalisationen (z. B. Basalganglien: 63,2 %; lobär: 21,1 %).

Funktionalität und Anwendungen

CICHID dient sowohl als Repository als auch als Analyseplattform. Kernfunktionen umfassen:

1. Echtzeit-Follow-up-Verfolgung: Anpassbare Erinnerungen unterstützen Kliniker bei der Planung von Nachuntersuchungen, um longitudinale Datenerfassung zu gewährleisten.
2. Stapelverarbeitung für Datenexport: Benutzer können anonymisierte Datensätze basierend auf Kriterien wie Bildgebungsmodalität, Hämatomlokalisation oder Outcome-Status abrufen.
3. Bildanalyse-Toolkit: Integrierte Werkzeuge ermöglichen direkte Messungen von Hämatomvolumen, Mittellinienverlagerung und Ödemprogression im PACS-Viewer.
4. Multimodale Datenverknüpfung: Korrelationen zwischen CT-Perfusionsparametern, EEG-Befunden und klinischen Outcomes können analysiert werden.

Zukünftige Updates zielen darauf ab, KI-Modelle für Prädiktivaufgaben zu integrieren, z. B. Risiko der Hämatomausdehnung, Schätzung des Symptombeginns und Vorhersage des 90-Tage-Funktionsoutcomes. Diese Modelle nutzen longitudinale Bild- und klinische Daten, um personalisierte Therapiestrategien zu informieren.

Qualitätskontrolle und Datenintegrität

Eine hochwertige Datenerfassung erfordert strenge Protokolle. Teilnehmende Zentren müssen standardisierte Bildgebungsprotokolle und Dokumentationspraktiken in elektronischen Patientenakten (EMR) einhalten. Datenerfasser und Prüfer werden in CRF-Ausfüllung geschult, während regelmäßige Audits die Genauigkeit sicherstellen. Der Rahmen von Schwamm et al. für Schlaganfallregister dient als Leitlinie für CICHID:

1. Standardisierte Datenelemente: Der CRF erfasst ICH-relevante Variablen wie Glasgow Coma Scale, Hämatomvolumen und chirurgische Interventionen.
2. Sichere Datenübertragung: Verschlüsselung und Zugriffskontrollen schützen die Privatsphäre während der Datenübertragung und -speicherung.
3. Follow-up-Vollständigkeit: Automatisierte Erinnerungen und zentrales Tracking reduzieren Attrition in longitudinalen Studien.

Ethische Aspekte und Datenteilung

Der Patientenschutz wird durch zwei Mechanismen gewährleistet:

• Anonymisierung: KI-Tools entfernen Identifikatoren aus Text- und Bilddaten vor der Speicherung.
• Rollenbasierter Zugriff: Forscher erhalten Daten über gestufte Berechtigungen; sensible Elemente (z. B. genetische Daten) erfordern Ethikkommissionsgenehmigungen.
  CICHID fördert Open Science, indem externe Forscher Analysenvorschläge einreichen können. Kooperative Projekte werden priorisiert, um multizentrische Studien zur ICH-Pathophysiologie und Therapie zu ermöglichen.

Herausforderungen und Zukunftsperspektiven

Aktuelle Limitationen umfassen variierende Bildgebungsprotokolle zwischen Zentren und unvollständige Follow-up-Daten in Subgruppen. Als Lösungsansätze entwickelt das CICHID-Team:

• KI-basierte Harmonisierungstools: Anpassung von CT-Absorptionsskalen und MRT-Sequenzen zur Reduktion von Gerätevarianzen.
• NLP-Pipelines (Natural Language Processing): Automatisierte Extraktion unstrukturierter klinischer Notizen in strukturierte CRF-Felder zur Verringerung manueller Fehler.
• Prospektive Einschreibung: Ausbau auf 15.000 Patienten bis 2025 mit ergänzenden genetischen und Biomarker-Daten.

Die Finanzierung erfolgt durch das National Key R&D Program of China (2018YFA0108603) und den CAMS Innovation Fund (2020-I2M-C&T-B-028).

Schlussfolgerung

CICHID verkörpert einen Paradigmenwechsel im ICH-Datenmanagement, indem tiefe Phänotypisierung mit KI-gestützter Analytik kombiniert wird. Durch die Speicherung roher Bild- und klinischer Daten in einer durchsuchbaren Plattform ermöglicht es Klinikern, Therapieprotokolle zu optimieren, und Forschern, ICH-Biomarker zu untersuchen. Die fortlaufende Integration prädiktiver Algorithmen und multizentrische Kooperationen werden die Rolle von CICHID bei der Reduktion ICH-bedingter Behinderungen und Mortalität in China und global weiter stärken.

doi:10.1097/CM9.0000000000002292