Medotrax – Multimodale digitale Biomarker durch automatisierte MRT-Verarbeitung ermöglichen
Wichtige Herausforderungen
Medotrax benötigte eine sichere, skalierbare und automatisierte MRT-Verarbeitungsinfrastruktur zur Unterstützung seiner wachsenden Initiativen im Bereich digitaler Biomarker. Das Unternehmen stand vor Herausforderungen bei der Anonymisierung sensibler Patientendaten, der Sicherstellung einer konsistenten MRT-Qualitätsbewertung und der Skalierung von Gehirnsegmentierungs-Workflows, wobei gleichzeitig Datenschutz, Reproduzierbarkeit und betriebliche Effizienz gewahrt bleiben mussten.
Wichtige Ergebnisse
In einer gemeinsamen Zusammenarbeit im Rahmen des AWS Business Outcome Xcelerator (BOX)-Programms lieferte Ankercloud eine Cloud-native, automatisierte MRT-Verarbeitungsplattform auf AWS, die die Datenanonymisierung, Qualitätskontrolle und Gehirnsegmentierungs-Workflows optimierte. Die Lösung verbesserte die betriebliche Effizienz, ermöglichte elastische Skalierung bei optimierten Kosten, stärkte die Data Governance und Compliance und lieferte standardisierte, reproduzierbare bildgebungsbasierte Biomarker zur Unterstützung von Forschung, klinischen Studien und zukünftigen Initiativen im Bereich der Präzisionsmedizin.
Übersicht
Die Medotrax GmbH ist ein Münchner Digital-Health-Unternehmen, das sich auf die Entwicklung skalierbarer Lösungen zur Bewertung, Überwachung und Analyse der kognitiven Gesundheit konzentriert. Das Unternehmen kombiniert digitale kognitive Tests, Neuroimaging-Biomarker, patientenberichtete Ergebnisse und fortschrittliche Analysen, um Forschung und klinische Innovation bei neurodegenerativen und neurologischen Erkrankungen, einschließlich Alzheimer und verwandter Demenzen, zu unterstützen.
Mit der Ausweitung ihrer Neuroimaging- und digitalen Biomarker-Initiativen benötigte Medotrax eine sichere, skalierbare und automatisierte Infrastruktur, die in der Lage ist, große Mengen an MRT-Daten zu verarbeiten und gleichzeitig strenge Anforderungen an Datenschutz, Qualitätskontrolle und Reproduzierbarkeit erfüllt.
Um diese Ziele zu unterstützen, entwickelte und implementierte Ankercloud eine Cloud-native MRT-Verarbeitungsplattform auf AWS. Ankercloud nutzte seine Expertise in Cloud-Architektur, Automatisierung und skalierbarer Datenverarbeitung und entwickelte gemeinsam mit Medotrax die zugrunde liegende technologische Infrastruktur für MRT-Anonymisierung, Qualitätskontrolle und Hochdurchsatz-Segmentierungs-Workflows. Die daraus resultierende Plattform ermöglicht es Medotrax, bildgebungsbasierte Biomarker effizient in sein umfassenderes Ökosystem für kognitive Gesundheit und Analysen zu integrieren und gleichzeitig zukünftiges Wachstum in Forschung und klinischen Anwendungen zu unterstützen.
Herausforderungen
Mit der Erweiterung der Neuroimaging- und digitalen Biomarker-Fähigkeiten von Medotrax entstand der Bedarf an einer sicheren, skalierbaren und standardisierten MRT-Verarbeitungsinfrastruktur, die in der Lage ist, die Generierung von Biomarkern auf Forschungsniveau zu unterstützen und dabei strenge Anforderungen an Datenschutz und Reproduzierbarkeit einzuhalten.
Hauptziele
1. Datensicherheit und Standardisierung (Input-Pipeline)
- Erfassung von Roh-DICOM-Daten, die personenbezogene Daten (PII) enthalten.
- Alle PII durch Anonymisierung entfernen.
- Bilder in das NIfTI-Format konvertieren, wobei Gesichtsmerkmale entfernt werden (Defacing/Skull Stripping).
- Daten für die nachgelagerte Verarbeitung in einem standardisierten Format vorbereiten.
2. Qualitätskontrolle (QK)
- Manuelle MRT-Qualitätsbewertung ersetzen, die nicht skalierbar und anfällig für subjektive Fehler ist.
- Minderwertige Scans frühzeitig erkennen, um eine fehlerhafte Gewebesegmentierung, verzerrte volumetrische Messungen und Ausfälle automatisierter Tools zu verhindern.
3. Segmentierung und Skalierbarkeit
- Einschränkungen der manuellen Segmentierung und anatomischen Parzellierung von T1-gewichteten MRT-Scans überwinden.
- Zeitaufwand und Bedienerabhängigkeit reduzieren.
- GPU-Beschleunigung und dynamische Cloud-Skalierung für Hochdurchsatzverarbeitung ermöglichen.
Lösung
Um die langfristige Vision von Medotrax, eine skalierbare digitale Biomarker-Plattform aufzubauen, zu unterstützen, wurde ein automatisierter Cloud-nativer MRT-Verarbeitungs-Workflow etabliert. Die Lösung integriert sich nahtlos in die umfassendere Analyseumgebung von Medotrax und gewährleistet dabei Reproduzierbarkeit, Sicherheit und Betriebseffizienz.
Die Architektur ermöglicht:
- Automatisierte Erfassung von MRT-Daten
- Anonymisierung von Patienteninformationen
- Standardisierte Bildkonvertierung
- Objektive Qualitätskontrolle
- Hochdurchsatz-Hirnsegmentierung
Dieser vollautomatisierte Workflow ermöglicht es Medotrax, effizient bildgebungsbasierte Biomarker zu generieren, die für Forschungsstudien, klinische Kooperationen und zukünftige Anwendungen in klinischen Studien geeignet sind.
Schlüsselphasen der Lösung (Technisch)
1. DICOM-Anonymisierung & -Konvertierung
- Roh-DICOM-Daten werden in eine sichere Cloud-Speicherumgebung hochgeladen.
- Ein automatisierter Workflow anonymisiert Daten und entfernt personenbezogene Daten.
- Die Ausgabe wird in eine standardisierte und sichere Struktur umstrukturiert.
- Bilddaten werden in ein forschungsbereites Format für die nachgelagerte Analyse konvertiert.
2. Automatisierte Qualitätskontrolle
- QC-bereite Scans werden durch eine automatisierte Qualitätskontroll-Pipeline verarbeitet.
- Die Pipeline bewertet objektive Bildqualitäts- und Gewebekonsistenzmetriken.
- Jeder Scan wird basierend auf konfigurierbaren Schwellenwerten als Bestanden, Warnung oder Fehlgeschlagen klassifiziert.
- Automatisierte Filterung stellt sicher, dass nur akzeptable Scans zur Analyse weitergeleitet werden.
3. Automatisierte Hochdurchsatz-Hirnsegmentierung und Biomarker-Extraktion
- Scans, die die Qualitätskontrolle bestehen, werden automatisch einem Hirnsegmentierungs-Workflow zugeführt.
- Kortikale und subkortikale Parzellierung erfolgt mittels skalierbarer, GPU-fähiger Cloud-Computing-Umgebungen.
- Strukturierte Ausgaben unterstützen nachgelagerte Analysen, Berichterstattung und die Integration in die umfassendere digitale Biomarker-Plattform von Medotrax.
Strategische Bedeutung
Die MRT-Verarbeitungsinfrastruktur wurde zu einem grundlegenden Bestandteil der umfassenderen digitalen Biomarker-Strategie von Medotrax. Durch die Ermöglichung einer standardisierten und skalierbaren Neuroimaging-Analyse unterstützt die Plattform die Integration von bildgebungsbasierten Biomarkern mit kognitiven Bewertungen, patientenberichteten Ergebnissen und anderen klinischen Datenquellen.
Diese Fähigkeit stärkt Medotrax' Möglichkeiten zur Unterstützung von:
- Beobachtungsstudien
- Klinische Studien
- Zukünftige Präzisionsmedizin-Ansätze bei neurodegenerativen Erkrankungen
- Kooperationen mit Forschungseinrichtungen, Gesundheitsdienstleistern und Life-Science-Organisationen
Geschäftsergebnis
Die Implementierung der Cloud-nativen Lösung erfolgte im Rahmen des AWS Business Outcome Xcelerator (BOX)-Programms, das darauf ausgelegt ist, den Prozess von Design, Entwicklung und Markteinführung neuer Lösungen mit einem strukturierten, in Phasen unterteilten Ansatz zu beschleunigen.
Das Projekt lieferte erhebliche Vorteile in Bezug auf Leistung, Betrieb und klinische Zuverlässigkeit.
1. Betriebliche Effizienz
- Eine vollständig automatisierte, ereignisgesteuerte Architektur eliminierte manuelle Eingriffe in QC- und Segmentierungs-Workflows.
- Die Bearbeitungszeit wurde erheblich reduziert.
- Eine konsistente, hochleistungsfähige Ausführung wurde erreicht.
2. Skalierbarkeit und Kostenmanagement
- AWS Batch mit Fargate wurde für die QC-Verarbeitung eingesetzt.
- GPU-fähige EC2-Instanzen ermöglichten die automatisierte Hirnsegmentierung.
- Die Lösung unterstützt elastische Skalierung je nach Arbeitslast mit einem Pay-per-Execution-Modell und ohne Leerlaufkosten für die Rechenleistung.
3. Datengovernance und Compliance
- Es werden keine Rohdaten von geschützten Gesundheitsinformationen (PHI) in S3 geschrieben.
- Die Pipeline gewährleistet eine standardisierte, auditierbare Ausgabestruktur für alle verarbeiteten Daten.
4. Klinische Zuverlässigkeit
- Das automatisierte QC-Framework liefert klare, umsetzbare Ergebnisse (Bestanden/Warnung/Fehler).
- Subjektive Interpretation wird reduziert.
- Scans von schlechter Qualität können nachgelagerte Volumetrie- und kortikale Dickenmessungen nicht beeinträchtigen.
5. Reproduzierbarkeit
- Die automatisierte Pipeline zur Segmentierung und Biomarker-Generierung liefert standardisierte und reproduzierbare Ergebnisse.
- Die Ergebnisse lassen sich nahtlos in nachgelagerte Analysen, Berichtsworkflows und klinische Forschungsanwendungen integrieren.
