ZusammenfassungZystische Pankreasläsionen werden mit zunehmender Häufigkeit radiologisch detektiert, häufig als Zufallsbefunde. Bis dato gilt, dass jede zystische Pankreasläsion vollständig abgeklärt werden sollte, da sie sich als (prä-)maligne Läsion erweisen kann. Da Patienten mit zystischen Pankreasläsionen häufig asymptomatisch sind, ist es wichtig, klinische, laborchemische und radiologische Risikofaktoren für das Auftreten zystischer Pankreasläsionen zu identifizieren. Es gibt Hinweise, dass eine Steatose des Pankreas und typische traditionelle Risikofaktoren aus dem metabolischen Formenkreis mit dem Auftreten zystischer Pankreasläsionen assoziiert sein könnten. Inwiefern eine Erweiterung des Pankreashauptganges oder des Duct. hepaticocholedochus und das Vorhandensein eines Pankreas divisum Risikofaktoren für das Auftreten zystischer Pankreasläsionen darstellen, ist noch ungewiss. Vor diesem Hintergrund ist das primäre Ziel der geplanten retrospektiven Kohortenstudie, den Zusammenhang zwischen inzidentell detektierten zystischen Pankreasläsionen mit einer Steatose des Pankreas und den Parametern des metabolischen Syndroms zu untersuchen. Ebenso sollen mögliche Assoziationen des Auftretens zystischer Pankreasläsionen in Abhängigkeit von den Weiten des Pankreashauptganges und Duct. hepaticocholedochus und dem Vorhandensein eines Pankreas divisum untersucht werden. Hierfür sollen die bis dato vorliegenden MRT-Datensätze der NAKO Gesundheitsstudie hinsichtlich des Vorliegens und der Merkmale zystischer Pankreasläsionen mithilfe eines Computer-unterstützten, manuellen Auswertealgorithmus analysiert werden und der Fettgehalt des Pankreas quantifiziert werden. Mit der Propensity Score Methode sollen Probanden mit und ohne zystische Pankreasläsion gematched werden, um so Risikofaktoren für das Vorhandensein zystischer Pankreasläsionen zu identifizieren. Die mithilfe des Computer-unterstützten, manuellen Auswertealgorithmus erzeugten Annotationen der MRT-Datensätze ermöglichen schließlich die Entwicklung eines Algorithmus zur automatisierten Pankreassegmentierung sowie Detektion und Charakterisierung von zystischen Pankreasläsionen mittels Machine Learning.

Schlüsselwörter-

EinrichtungenUniversity Hospital Heidelberg, Universitätsklinikum Heidelberg, Universitätsklinikum Freiburg, Fraunhofer MEVIS Bremen, Uniklinik Freiburg, Section on Experimental Radiology, Uniklinikum Heidelberg, Diagnostische und Interventionelle Radiologie, Deutsches Krebsforschungszentrum, Universität Heidelberg, Deutsches Krebsforschungszentrum (DKFZ), Fraunhofer MEVIS