Mit künstlicher Intelligenz die Kernspin-Bildgebung beschleunigen

Die vollständige Bildunterschrift befindet sich unter dem Text. Die Bilder in der ersten Reihe wurden aus vollständigen Rohdaten erstellt, die Bilder in der zweiten Reihe aus zehn Prozent der Daten und in der dritten Reihe mithilfe des KI-Algorithmus.

Heidelberger Wissenschaftlerinnen und Wissenschaftler entwickelten mit nationalen und internationalen Kooperationspartnern einen Algorithmus für die Magnetresonanztomographie (MRT), der aus deutlich weniger Daten als bisher hochwertige Bilder erstellen kann. Das könnte die Untersuchungszeiten in der MRT-Bildgebung drastisch verkürzen. Die Ergebnisse sind aktuell im Journal „The Lancet Oncology“ erschienen.

Die Magnetresonanztomographie (MRT) ist für die exakte Diagnostik zahlloser Erkrankungen unverzichtbar, jedoch mit ihren meist langen Untersuchungszeiten auch sehr aufwändig und für die Patientinnen und Patienten anstrengend. Mit Hilfe von künstlicher Intelligenz (KI) ließe sich das ändern, wie Wissenschaftlerinnen und Wissenschaftler der Medizinischen Fakultät Heidelberg der Universität Heidelberg, des Universitätsklinikums Heidelberg (UKHD) und des Deutschen Krebsforschungszentrums (DKFZ) aktuell im Journal „The Lancet Oncology“ berichten. Gemeinsam mit nationalen und internationalen Kooperationspartnern haben sie einen KI-Algorithmus entwickelt, der aus weniger Messdaten Bilder von ebenso guter Qualität und hoher Auflösung erstellt wie die bisherigen Messprotokolle. Die benötigte Menge an Rohdaten, die während der MRT-Untersuchung erfasst werden müssen, reduziert sich um bis zu 90 Prozent. 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. Erst bei weiter reduziertem Datenmaterial leiden Bildqualität und Aussagekraft“, sagt Professor Dr. Philipp Vollmuth, Leiter der Sektion Computational Neuroimaging, Klinik für Neuroradiologie des UKHD, und Wissenschaftler in der Abteilung Medizinische Bildverarbeitung des DKFZ. Abgespeckte Messprotokolle hätten große Auswirkungen auf die Untersuchungszeit einer MRT: Sie würde sich erheblich verkürzen, von durchschnittlich 30 Minuten beispielsweise bei einer Untersuchung des Gehirns auf etwa drei bis neun Minuten 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 der Erstautor Dr. Aditya Rastogi, Sektion Computational Neuroimaging, Klinik für Neuroradiologie des UKHD.

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.

Bildunterschrift:
Die MRT-Bilder zeigen den Kopf eines Patienten mit einem Gehirntumor. Die Bilder in der ersten Reihe wurden aus vollständigen Rohdaten erstellt, während die Bilder in der zweiten Reihe nur aus zehn Prozent der Rohdaten rekonstruiert wurden. Die dritte Reihe zeigt die Bilder, die mithilfe des entwickelten KI-Algorithmus aus den zehn Prozent der Rohdaten erstellt wurden und eine präzise Charakterisierung des Tumors ermöglichen.

Wissenschaftliche 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
Tel.: 06221 56-7566
E-Mail: p.vollmuth@dkfz-heidelberg.de

Originalpublikation:

Rastogi A, Brugnara G, Foltyn-Dumitru M, Mahmutoglu MA, Preetha CJ, Kobler E, Pflüger I, Schell M, Deike-hofmann K, Kessler T, van den Bent MJ, Ibdaih A, Platten M, Brandes AA, Nabors B, Stupp R, Bernhardt D, Debus J, Abdollahi A, Gorlia T, Tonn JC, Weller M, Maier-Hein KH, Radbruch A, Wick W, Bendszus M, Meredig H, Kurz FT, Vollmuth P. Deep-learning-based reconstruction of undersampled MRI to reduce scan times: a multicentre, retrospective, cohort study. Lancet Oncol 2024, doi.org/10.1016/S1470-2045(23)00641-1

Weitere Informationen:

https://www.klinikum.uni-heidelberg.de/neurologische-klinik/neuroradiologie
https://www.dkfz.de/de/mic/

Media Contact

Julia Bird Unternehmenskommunikation
Universitätsklinikum Heidelberg

Alle Nachrichten aus der Kategorie: Medizintechnik

Kennzeichnend für die Entwicklung medizintechnischer Geräte, Produkte und technischer Verfahren ist ein hoher Forschungsaufwand innerhalb einer Vielzahl von medizinischen Fachrichtungen aus dem Bereich der Humanmedizin.

Der innovations-report bietet Ihnen interessante Berichte und Artikel, unter anderem zu den Teilbereichen: Bildgebende Verfahren, Zell- und Gewebetechnik, Optische Techniken in der Medizin, Implantate, Orthopädische Hilfen, Geräte für Kliniken und Praxen, Dialysegeräte, Röntgen- und Strahlentherapiegeräte, Endoskopie, Ultraschall, Chirurgische Technik, und zahnärztliche Materialien.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Anlagenkonzepte für die Fertigung von Bipolarplatten, MEAs und Drucktanks

Grüner Wasserstoff zählt zu den Energieträgern der Zukunft. Um ihn in großen Mengen zu erzeugen, zu speichern und wieder in elektrische Energie zu wandeln, bedarf es effizienter und skalierbarer Fertigungsprozesse…

Ausfallsichere Dehnungssensoren ohne Stromverbrauch

Um die Sicherheit von Brücken, Kränen, Pipelines, Windrädern und vielem mehr zu überwachen, werden Dehnungssensoren benötigt. Eine grundlegend neue Technologie dafür haben Wissenschaftlerinnen und Wissenschaftler aus Bochum und Paderborn entwickelt….

Dauerlastfähige Wechselrichter

… ermöglichen deutliche Leistungssteigerung elektrischer Antriebe. Überhitzende Komponenten limitieren die Leistungsfähigkeit von Antriebssträngen bei Elektrofahrzeugen erheblich. Wechselrichtern fällt dabei eine große thermische Last zu, weshalb sie unter hohem Energieaufwand aktiv…

Partner & Förderer