Die Magnetresonanztomographie (MRT) ist für die Diagnostik zahlloser Erkrankungen unverzichtbar. Die Untersuchung selbst dauert jedoch lange. Mit Hilfe künstlicher Intelligenz (KI) ließe sich das ändern, wie Forscher der Medizinischen Fakultät Heidelberg der Universität Heidelberg, des Universitätsklinikums Heidelberg (UKHD) und des Deutschen Krebsforschungszentrums (DKFZ) berichten. Gemeinsam mit nationalen und internationalen Kooperationspartnern haben sie einen KI-Algorithmus entwickelt. Dieser erstellt aus weniger Messdaten Bilder von ebenso guter Qualität und hoher Auflösung wie die bisherigen Messprotokolle.
KI für die Diagnostik kommt mit nur 10 % der MRT-Daten aus
Die benötigte Menge an Rohdaten, die während der MRT-Untersuchung erfasst werden müssen, reduziert sich um bis zu 90 %. Das Team trainierte und bewertete den neuen Algorithmus anhand eines umfangreichen Datensatzes mit mehr als 8.000 MRT-Untersuchungen von rund 2.500 Patientinnen und Patienten aus 216 Kliniken weltweit.
„Der neue Algorithmus erstellt aus bis zu zehn Prozent der bisher standardmäßig erfassten Rohdaten MRT-Bilder, ohne dass es zu relevanten Einbußen in der diagnostischen Qualität kommt“, sagt Prof. Philipp Vollmuth. Er leitet die Sektion Computational Neuroimaging an der Klinik für Neuroradiologie des UKHD und ist als Wissenschaftler in der Abteilung Medizinische Bildverarbeitung des DKFZ tätig. „Erst bei weiter reduziertem Datenmaterial leiden Bildqualität und Aussagekraft“, sagt er.
KI verkürzt die Untersuchungszeit im MRT
Abgespeckte Messprotokolle hätten große Auswirkungen auf die Untersuchungszeit für eine MRT: Sie würde sich erheblich verkürzen, von durchschnittlich 30 min beispielsweise bei einer Untersuchung des Gehirns auf etwa 3 bis 9 min je nach technischer Ausstattung des Geräts.
„Eine MRT-Untersuchung in drei Minuten ist nicht nur für die Patientinnen und Patienten angenehmer, weil sie in dieser Zeit möglichst bewegungslos liegen müssen und der Lautstärke des Geräts ausgesetzt sind. Eine kürzere Messung würde auch die Effizienz dieser sehr teuren Geräte verbessern“, erläutert Dr. Aditya Rastogi von der Sektion Computational Neuroimaging an der Klinik für Neuroradiologie des UKHD.
Algorithmus für die KI für MRT-Diagnostik ist Open-Source
Der Algorithmus ist als Open-Source öffentlich verfügbar. So können ihn Forschungsgruppen und Gerätehersteller weltweit nutzen, um die MRT-Bildgebung weiterzuentwickeln und die Untersuchungszeit zu verkürzen. Prof. Vollmuth betont, dass der Algorithmus kein fertiges Produkt sei, das nun bei MRT-Untersuchungen zum Einsatz kommen könne. „In unserer Arbeit haben wir aber gezeigt, dass es mit Hilfe der KI möglich ist, die benötigten Bilddaten drastisch zu reduzieren. Nun liegt es an der weiteren Forschung und Industriepartnern, dieses Wissen in die Anwendung zu bringen“, so der Experte für KI in der medizinischen Bildgebung.
Die Arbeit wurden im Rahmen des Schwerpunktprogramms 2177 „Radiomics: Nächste Generation der medizinischen Bildgebung“ sowie des Sonderforschungsbereichs 1389 „Understanding and Targeting Resistance in Glioblastoma – UNITE“ der Deutschen Forschungsgemeinschaft (DFG) durchgeführt.
Wissenschaftlicher Ansprechpartner:
Prof. Dr. med. Philipp Vollmuth, MBA
Sektionsleiter Computational Neuroimaging
Abteilung für Neuroradiologie, Neurologische Klinik des UKHD
Abteilung Medizinische Bildverarbeitung (E230), Deutsches Krebsforschungszentrum, Medizinische Fakultät Heidelberg der Universität Heidelberg
E-Mail: p.vollmuth@dkfz-heidelberg.de
