Prostate Commander · Forschungsprojekt · Bildgebende Diagnostik

KI-basierte Analyse von Prostata-MRT-Sequenzen und automatisierte Herdsuche

Prostate Commander ist kein weiterer generischer DICOM-Viewer, sondern ein pfeilschnelles, hochspezialisiertes Analysetool für genau diesen einen Zweck: radiologische Schnittbilder automatisiert konturieren, dem Anwender zur Kontrolle vorlegen und so die Vorbereitung von Fusionsbiopsien und Verlaufsbeurteilungen beschleunigen – vollständig auf dem eigenen Rechner, ohne Cloud-Anbindung.

Kein DICOM-Viewer – ein Analysetool Pfeilschnell Offline & lokal Kinderleicht: Drag & Drop Vollautomatische Sequenzerkennung Herstellerunabhängig PI-RADS-orientierte Herdsuche Manuell korrigierbar Testversion verfügbar

Konzept ansehen Kontakt aufnehmen

Teil 1 · Konzept

Wofür, was und für wen

Die Software unterstützt die Auswertung von T2-gewichteten MRT-Aufnahmen der Prostata. Sie automatisiert den zeitaufwändigsten Teil der Vorbereitung – das schichtweise Nachzeichnen der Organgrenzen – und stellt das Ergebnis als überprüfbaren, korrigierbaren Vorschlag zur Verfügung.

💡 Die Motivation

Entstanden ist die Software aus der täglichen Praxis: Als Radiologe, der gemeinsam mit einem Urologen MRT/Ultraschall-fusionierte Prostatabiopsien durchführt, war ich mit einer Vielzahl an Untersuchungen unterschiedlichster Herkunft konfrontiert – mit entsprechend unterschiedlicher Qualität, sowohl der Aufnahmen selbst als auch der vorliegenden Befunde. Um den Validierungsvorgang im Vorfeld zu beschleunigen und rasch eine Übersicht zu gewinnen, wie die Fusionsbiopsie am effizientesten und sichersten anzulegen ist, habe ich dieses Programm geschrieben.

🎯 Wofür

Automatisierte Konturierung der Prostata und optional auffälliger Areale („Herde“) in axialen T2-Schichten, als Grundlage für die Planung MRT/Ultraschall-fusionierter Biopsien und für die Volumenabschätzung.

⚙️ Was es macht

Liest eine DICOM-Serie ein und wählt vollautomatisch die benötigten Sequenzen (T2, Diffusion) aus. Aus den Diffusionsbildern werden selbständig ADC-Karten berechnet, ebenso das Volumen der Prostata und – falls vorhanden – eines Herdes. Nach der KI-Konturierung der Prostata wird – orientiert an den PI-RADS-Kriterien – anhand von T2, Diffusion und ADC nach Herden gesucht. Die gesamte Diagnose der Untersuchung wird strukturiert in einem Word-Dokument zusammengefasst.

👥 Für wen

Für medizinisches Fachpersonal aus Radiologie und Urologie, das MRT-Serien der Prostata befundet oder Fusionsbiopsien vorbereitet und dabei die Kontrolle über jede automatisch erzeugte Kontur behalten möchte.

Grundprinzip: Vorschlag statt Automatismus

Jede automatisch erzeugte Kontur bleibt ein Vorschlag. Sie wird farblich als aktiv oder inaktiv gekennzeichnet, kann Schicht für Schicht angepasst, gelöscht oder neu gezeichnet werden. Schichten, auf denen die KI kein plausibles Segment findet, werden automatisch als inaktiv markiert, statt eine falsche Kontur zu erzwingen.

Mensch behält die Endkontrolle
Keine automatische Diagnose
Nachvollziehbare Zwischenschritte
Anonyme, lokale Verarbeitung

Schematische Darstellung – keine reale Patientenaufnahme

Teil 2 · Technischer Hintergrund

Wie es gebaut ist, wo es läuft

Die Anwendung ist als eigenständiges Windows-Programm konzipiert: keine Cloud-Verarbeitung, keine Übertragung von Bilddaten an Dritte. Alle Berechnungen laufen lokal auf dem Rechner, auf dem sie gestartet wird.

💻 Laufzeitumgebung

Als eigenständige Windows-Anwendung gepackt (kein separates Python nötig). Läuft vollständig offline auf handelsüblicher PC-Hardware. Eine vorhandene Grafikkarte (CUDA) wird für die KI-Berechnung automatisch genutzt, andernfalls rechnet die Anwendung CPU-optimiert weiter.

🧠 KI-Komponente

Ein auf medizinische Schnittbilder spezialisiertes neuronales Netz (Deep-Learning-Segmentierungsmodell) erzeugt den Konturvorschlag je Schicht. Das Modell kann bei Bedarf mit zusätzlichen, lokal vorliegenden Trainingsdaten nachtrainiert werden.

📄 Bildformat

Verarbeitet DICOM – den internationalen Standard für medizinische Bilddaten. Erkennt automatisch die relevante T2-axiale Serie in einem Untersuchungsordner und ordnet Zusatzsequenzen (z. B. Diffusion) korrekt zu.

🔒 Datenhaltung

Bilddaten verlassen den Rechner nicht. Je nach Ausführung werden Zwischenergebnisse entweder für spätere Sitzungen lokal abgelegt oder – in der schlanken Variante – nach jeder Sitzung rückstandslos wieder gelöscht.

🛠️ Entstehung

Programmiert in direkter Interaktion zwischen Mensch und dem KI-Programmierassistenten „Claude Code“ von Anthropic – die Anwendung ist damit selbst auch ein Produkt künstlicher Intelligenz. Geschrieben in Python, lauffähig sowohl mit als auch ohne CUDA-Grafikkartenunterstützung. Auch die Logik der Herdsuche wurde auf Basis des PI-RADS-Protokolls gemeinsam mit Claude Code erarbeitet und in Programmcode umgesetzt.

🧪 Testversion

Eine funktional eingeschränkte, offene Version steht für Testzwecke zur Verfügung: Laden ausschließlich per Drag&Drop, ohne dauerhafte Datenspeicherung – alle Untersuchungsdaten werden nach jeder Sitzung automatisch und vollständig gelöscht.

📋 Protokollumfang

Auf kontrastmittelgestützte (KM-)Sequenzen wurde bewusst verzichtet: verkürzte MRT-Protokolle ohne Kontrastmittel stehen bereits unmittelbar bevor, die Herdsuche ist daher gezielt auf T2, Diffusion und ADC ausgelegt.

Vereinfachter Datenfluss innerhalb der Anwendung

Teil 3 · Programmbedienung & Logik

Vom Import zur überprüften Kontur

Der Arbeitsablauf ist bewusst linear gehalten: laden, prüfen, korrigieren, auswerten. Jeder Schritt ist einzeln nachvollziehbar und kann jederzeit unterbrochen werden.

Untersuchung laden – kinderleicht Ein DICOM-Verzeichnis – egal ob von CD, Wechseldatenträger oder Ordner – wird einfach per Drag&Drop auf die Anwendung gezogen. Es ist keine manuelle Auswahl von Dateien oder Sequenzen nötig. Auch vom Patienten mitgebrachte CDs oder Untersuchungen, die von radiologischen Instituten zum Download bereitgestellt werden, stellen kein Problem dar: Prostate Commander erkennt und importiert – vollkommen eigenständig und unabhängig vom Hersteller des MRT-Geräts – alle für die Analyse notwendigen Sequenzen.
Automatische Sequenzerkennung & ADC-Berechnung Die Anwendung erkennt vollautomatisch die benötigten Sequenzen (T2, Diffusion). Aus den Diffusionsbildern werden selbständig die ADC-Karten berechnet – ganz ohne Zutun des Anwenders.
KI-Konturierung der Prostata Die KI-Komponente berechnet je Schicht einen Konturvorschlag für die Prostata. Schichten ohne plausiblen Fund werden automatisch als inaktiv markiert.
PI-RADS-orientierte Herdsuche Innerhalb der segmentierten Prostatakontur durchsucht die Anwendung T2-, Diffusions- und ADC-Bilder gemeinsam nach Herden – orientiert an den PI-RADS-Kriterien.
Kontrolle & Korrektur Der Anwender prüft jede Schicht im axialen Bild, passt Konturen bei Bedarf an oder deaktiviert sie. Aktive und inaktive Konturen sind farblich unterschieden (grün / rot).
Räumliche Kontrolle (3-Ebenen-Ansicht) Aus den axialen Schichten wird eine sagittale und koronale Rekonstruktion (MPR) erzeugt, um Kontur und Herdbefund räumlich auf Konsistenz zu prüfen.
Technische Gesamtanalyse Die Anwendung führt eine vollständige technische Analyse der gesamten Untersuchung durch (Sequenzqualität, Konsistenz, Einschränkungen) und dokumentiert sie automatisch in einem Word-Bericht. Auch Schichtdicken- oder Schichtabstandsprobleme, die zu Fehlern in der Deckung der unterschiedlichen Sequenzen führen – für eine Herdbefundung in der Prostata-MRT unabdingbar – werden dabei automatisiert erkannt und dokumentiert.
Herdbefund-Report Ein zweiter Bericht bewertet gefundene Herde und begründet das Ergebnis in nachvollziehbarer Textform – ebenso automatisch erzeugt.

Storyboard: Herdsuche & MRT-Analyse

Schematischer Ablauf, wie aus drei Bildsequenzen ein begründeter Herdbefund entsteht – alle Darstellungen sind Skizzen, keine realen Patientenbilder.

Schematisches Storyboard – frei erstellte Skizze, keine realen Patientenbilder

Prinzip der 3-Ebenen-Ansicht (schematisch)

Programmoberfläche (Beispielbilder)

Beispielhafte Ansicht der Anwendung mit vollständig synthetischen Bilddaten – kein realer Patientenbezug. Zum Vergrößern anklicken.

Manuelle Konturkorrektur mit Prostata-Volumenanzeige (synthetische Testdaten)

Darstellung mit synthetischen MR-Bildern

3-Ebenen-Ansicht mit Diffusion- und ADC-Auswertung (synthetische Testdaten)

Darstellung mit synthetischen MR-Bildern

Wichtigste Tastenbelegungen

Taste	Funktion
K	Automatische KI-Segmentierung starten
F1	Hilfe anzeigen
F2	Analyse-Bericht erzeugen
F3	Ansicht: Herd- / Läsionssegment
F5 / Esc	Vorgang abbrechen
P	Rechenmodus umschalten (GPU / CPU)

Vollständige Übersicht aller Tastenbelegungen und der Betriebsanleitung direkt in der Anwendung über die Hilfe-Taste.

PI-RADS 2.1

Von der radiologischen Kriterien-Diskussion zum Algorithmus

Die Herdsuche wurde nicht als fertige Formel vorgegeben, sondern in einem Dialog erarbeitet: Zuerst wurde besprochen, WAS einen nach PI-RADS 2.1 verdächtigen Herd radiologisch ausmacht – erst danach wurde gemeinsam mit Claude Code festgelegt, wie sich diese Beschreibung in konkrete, berechenbare Schwellenwerte übersetzen lässt. Beides ist hier dokumentiert.

💬 Semantisch besprochen

Ausgangspunkt war die radiologische PI-RADS-2.1-Beschreibung eines klinisch relevanten Herdes, in Diffusion und ADC als federführende Sequenzen:

Deutliche Diffusionsrestriktion (hohes Signal bei hohem b-Wert)
Gleichzeitig fokal erniedrigte ADC-Werte
T2-hypointenses Areal (dunkler als das umgebende Gewebe)
Rundliche bis längsovale Form – nicht diffus, nicht strichförmig
Ab einer klinisch plausiblen Mindestgröße, nicht nur Einzelpixel

Wichtig war die Einigung: KEINES dieser Merkmale allein genügt – erst das GLEICHZEITIGE Auftreten aller drei Bildbefunde an derselben Stelle macht einen Bereich verdächtig.

🧩 Algorithmisch umgesetzt

Diffusions-Schwelle adaptiv je Untersuchung: nur die obersten ~3 % der Diffusionswerte in der Prostatakontur gelten als „hoch“.
ADC-Fenster (median-gefiltert, nur zur Herderkennung – siehe Technik-Abschnitt): typischer restriktiver Bereich um 600–900 ×10^-6 mm²/s.
T2-Hypointensität: Bildpunkt muss unter dem Median der gesamten Schicht liegen.
Harter Kern nur, wenn alle drei GLEICHZEITIG zutreffen; angrenzende Pixel mit knapper Toleranz werden ergänzt, isolierte Bereiche ohne Kern verworfen.
Formfilter: nur rundlich/längsoval ab Mindestgröße – strich- oder sternförmige Strukturen (z. B. Gefäße) fallen heraus.
3D-Konsistenzprüfung über mehrere Schichten und die sagittale/koronale Rekonstruktion, bevor ein Areal als Herd gilt.
Farbcodierung als weicher Verlauf Grün → Rot → Orange → Gelb → Weiß, aufsteigend nach Signalintensität innerhalb des erkannten Areals: Weiß markiert die Stelle mit der höchsten Intensität – dort ist die Wahrscheinlichkeit für einen klinisch relevanten Herd (PI-RADS 4/5-Bereich) am größten. Eine rein visuelle Rangfolge, kein automatisch berechneter PI-RADS-Score.

Nur die Schnittmenge aller drei Kriterien gilt als Herd-Kern – schematisch, keine reale Patientenaufnahme