Diese wurde von der Universitätsklinik Tübingen und dem Klinikum der Universität München organisiert und evaluierte 27 Algorithmen zur Tumorläsionserkennung. Ziel der Challenge war es, den manuellen, zeitaufwändigen Prozess der 2D-Läsionserfassung in PET- und CT-Bildern zu automatisieren.
Die Größe, Art und das Volumen von Tumoren präzise zu kennen, ist entscheidend für die Therapieempfehlung. Krebspatienten können Hunderte von Läsionen haben, deren manuelle Auswertung Stunden in Anspruch nimmt. „Besser wäre es, wenn ein Algorithmus automatisiert die Auswertung übernehmen würde“, sagt Prof. Dr. Thomas Küstner vom Universitätsklinikum Tübingen.
Die erste autoPET-Challenge 2022 brachte 359 Teilnehmer aus 27 Teams zusammen, die Deep Learning-Algorithmen zur Identifizierung von Tumorläsionen entwickelten. „Die Challenge war ein wichtiger erster Schritt, um vielversprechende Algorithmen zu finden“, betont Prof. Dr. Michael Ingrisch. Die besten Algorithmen zeigten eine hohe Präzision bei der Tumorerkennung.
„Unser Ziel ist es, die Analyse der Bildgebung im CT und PET vollständig zu automatisieren“, erklärt Prof. Dr. Clemens Cyran. Weitere autoPET-Challenges fanden bereits 2023 und 2024 statt, um die Algorithmen weiter zu verbessern und bald im klinischen Alltag einzusetzen.
