Der bessere Blick
Gesund oder entartet? Bei Gewebeaufnahmen achten Ärzt:innen auf kleinste Veränderungen. Künftig können intelligente Maschinen sie dabei unterstützen, etwa Krebszellen auf Magnetresonanz- (MRT) oder Computertomographien (CT) noch präziser vom gesunden Gewebe zu unterscheiden.
Text: Katja Strube, Fotos: Axel Kirchhof
DIE VISION: BESSERE THERAPIE DANK COMPUTER-UNTERSTÜTZUNG
Wissen: Winzige Zellveränderungen sind mit bloßem Auge auf radiologischen Bildern kaum wahrnehmbar
Forschen: Wie lassen sich Bildauswertungen durch Künstliche Intelligenz (KI) unterstützen?
Heilen: KI verbessert Vorhersagen von Krankheitsverläufen
„Vielen Dank für Ihre Geduld, wir lassen noch kurz die Künstliche Intelligenz auf Ihre Bilder schauen.“ Dass ein solcher Satz in der Radiologie etwa gegenüber Patient:innen mit Neurofibromatose (seltene chronische, vererbbare Erkrankung, die zu Tumorbildungen entlang der Nervenstränge führt) fällt, ist noch Zukunftsmusik. Die Instrumente, um sie erklingen zu lassen, werden allerdings bereits gestimmt. „Wir überwachen Patient:innen mit Neurofibromatose engmaschig, um bösartige Entwicklungen innerhalb bestehender Tumore frühzeitig zu erkennen“, sagt Dr. Inka Ristow, Klinik für Diagnostische und Interventionelle Radiologie und Nuklearmedizin.
„Zurzeit trainieren wir eine eigens entwickelte Künstliche Intelligenz (KI) darauf, spezifische Bildmerkmale und ihre quantitativen Ausprägungen so zu identifizieren, dass sich die Vorhersage verbessert, ob für diese Zellen ein erhöhtes Krebsrisiko besteht.“ Minimales Anwachsen von Zellansammlungen, winzige Unterschiede in den Grauwerten, dreidimensionale Veränderungen der Gewebestruktur – „für das menschliche Auge und selbst für radiologische Expert:innen sind diese Informationen oftmals kaum zu erkennen“, verdeutlicht Dr. Ristow, die zusammen mit Dr. Lennart Well an dem Projekt arbeitet.
Gefährliche Aussackungen der Hauptschlagader präziser diagnostizieren
„Radiomics“ heißt die Methode, die in einer Kooperation zwischen der Radiologie und dem Institut für Computational Neuroscience nicht nur für die Klassifizierung von Nervenscheidentumoren trainiert wird. Auch Veränderungen bei der Entwicklung von gefährlichen Gefäßerkrankungen wie etwa Aussackungen der Hauptschlagader im Bauchbereich, sogenannte Bauchaortenaneurysmen, könnten zukünftig Radiomics-basiert noch präziser diagnostiziert werden. „Im zeitlichen Verlauf sehen wir per 4D-Fluss-MRT, einem speziellen radiologischen Aufnahmeverfahren, wie lange eine solche Aussackung oder auch ein Gerinnsel in der Bauchaorta bereits besteht und welche Auswirkungen sich daraus ergeben“, erläutert Dr. Ristow.
Im akuten Fall können das Informationen sein, von denen das Leben der Patient:innen abhängt. „Durch die computergestützte Auswertung definieren wir neue Biomarker, die bei den bisherigen Risikobewertungen noch nicht berücksichtigt werden konnten.“ Dabei geht es nicht nur um hochpräzise Analysen visueller Kriterien, sondern auch etwa darum, zulässige Werte der Wandschubspannung zu bestimmen. Diese lassen sich aus der Flussgeschwindigkeit des Blutflusses errechnen und lassen Rückschlüsse darauf zu, wie schnell mit einem Anwachsen des Aneurysmas – und damit einer lebensbedrohlichen Gefährdung der betroffenen Person – zu rechnen ist.
KI auch bei Hirnmetastasen und -tumoren in der Erprobung
Bei der Untersuchung von Hirnmetastasen und Glioblastomen, dem häufigsten Hirntumor, sowie bei Krebserkrankungen, bei denen unklar ist, wo die Krankheit ihren Ausgang nahm, wird der Einsatz von Künstlicher Intelligenz bei der Bildauswertung gleichfalls erprobt. „Das Computersystem ‚lernt‘ anhand von Bildern und Daten, die wir ihm zur Verfügung stellen, welche Bereiche besonders intensiv analysiert werden sollten“, erläutert Priv.-Doz. Dr. René Werner, Wissenschaftlicher Arbeitsgruppenleiter im Zentrum für Experimentelle Medizin. „Je nach Grunderkrankung und Tumorart sind sehr viele verschiedene Charakterisierungen möglich, die relevant für ein bestimmtes Erkenntnisinteresse sein können, etwa eine Diagnose oder eine Entwicklungsvorhersage.“
Große Datenmengen im Austausch
Möglichkeiten der künftigen Interaktion zwischen behandelnden Ärzt:innen und Künstlicher Intelligenz gibt es eine ganze Reihe. „Ich kann mir einen produktiven Austausch gut vorstellen“, sagt Dr. Werner. „In unserer jetzigen Forschungsphase füttern wir die KI nicht einfach mit Bildern und Daten, sondern grenzen die Bereiche ein, die von ärztlicher Seite besonders relevant sind, und gehen dann genau an diesen Stellen in die Tiefe.“ Die Datenmenge beim Training des Systems, verdeutlicht der Informatiker und Physiker, sei immens.
Damit bei der Forschung mit KI die strengen Datenschutzrichtlinien jederzeit erfüllt sind, arbeiten alle Beteiligten in „Radiomics“-Projekten ausschließlich mit anonymisierten Informationen und Bildern. „Vom Prinzip lassen wir klar definierte Mengen an Bildern und Informationen einfließen und schauen im nächsten Schritt, ob sich erzielte Ergebnisse im Abgleich mit größeren Kollektiven bestätigen“, so Dr. Werner. Im Austausch mit anderen klinischen Partner:innen können Annahmen und Ergebnisse dann überprüft werden, ohne dass dafür die jeweiligen geschützten Daten ausgetauscht werden müssen.
Bis behandelnde Ärzt:innen im Klinikalltag tatsächlich KI-gestützte Diagnosen und Prognosen tätigen können, wird es noch ein wenig dauern. Doch schon bald wird am Einsatz von KI bei der Bildanalyse kaum ein Weg mehr vorbeiführen.
Weitere Informationen zu den Forschungsgruppen aus der Radiologie finden Sie unter www.uke.de/forschung-radiologie
Vorheriger Beitrag:
Die Pille aus dem Drucker
Nächster Beitrag:
Science-Fiction im OP
Übersichtseite
Zurück zur Übersicht