Medical Imaging Center Bonn (Teil 2) Wo KI konkret unterstützt

Beim diesjährigen Schlüsselevent für medizinische Bildgebung, dem Symposium MIB Future Panel 2022 des Universitätsklinikums Bonn (UKB), trafen rund 200 Forschende auf Industrie und Start-ups und stellten Anwendungsbeispiele neuer Bildgebungstechnik vor. Im zweiten Teil des Beitrages „Wo KI die medizinische Bildgebung voranbringt“ (erschienen im Topthema der Ausgabe 7/2022 von HCM, S. 36 ff.) werden drei weitere Anwendungsbeispiele moderner KI-unterstützter Bildgebungsverfahren vorgestellt, die die Befundung künftig erleichtern könnten. KI-Unterstützung in der chirurgischen Therapie von Epilepsie Die Methoden der KI halten auch in der Neurologie und Neurochirurgie einen rasanten Einzug. Schon heute unterstützen smarte Technologien in der Radiologie, Epileptologie und Neurochirurgie in Diagnostik und Therapie von pharmakoresistenten fokalen Epilepsien. Die Epilepsiechirurgie, das Spezialgebiet von Dr. Valeri Borger, Oberarzt der Klinik für Neurochirurgie am UKB, profitiert enorm von der Synergie zwischen Mensch und Maschine. „Die KI-basierten automatisierten Detektions-Tools helfen uns bei der Auswertung der MRT-Bildgebung auf der Suche nach epileptogenen Läsionen, wie fokale cortikale Dysplasien (FCD). Ist deren Lokalisation im Gehirn einmal visualisiert, können wir sehr gezielt und spezifisch die unter Umständen notwendige invasive Anfallsdiagnostik mittels sog. Stereo-EEGs planen und durchführen. Hierdurch wird die Präzision der prächirurgischen Diagnostik erhöht und das Ergebnis der epilepsiechirurgischen Behandlung für Patientinnen und Patienten verbessert. Das ist ein großer Schritt in Richtung individualisierte Medizin“, resümiert Borger. Mehr zum MIB Teil 1 zur Arbeit des MIB und den Forschungsprojekten rund um moderne Bildgebungstechnologien lesen Sie in Ausgabe7/2022 von HCM. Weitere Infos gibt es unter: www.mib-center.de Alzheimer-Grundlagenforschung mit Mikroskopietechniken Die Alzheimer-Demenz (AD) ist durch zwei wesentliche neuropathologische Charakteristika gekennzeichnet: Einerseits die Ablagerung seniler Plaques in der Hirnsubstanz und andererseits die Entstehung von Neurofibrillenbündeln (Gehirnstrukturveränderungen). Ein Ziel der Grundlagenforschung ist es, die Entstehung und die Folgen einer neuronalen Dysfunktion im Verlauf der AD besser zu verstehen. „Mittels genetisch kodierter Calcium-Sensoren ist es möglich, Aktivitätsmuster von tausenden Nervenzellen hochauflösend aufzunehmen. Hier finden bereits KI-basierte Lösungen zur Signalerkennung Anwendung, die ein verlässlicheres Ergebnis als herkömmliche modell-basierte Methoden versprechen“, sagt Prof. Stefanie Poll, Institut für Experimentelle Epileptologie und Kognitionsforschung am UKB. KI-basierte Datenanalysewerkzeuge finden auch bei der zeitgleichen Analyse von Verhaltensdaten der Versuchstiere Anwendung. „Ein übergeordnetes Ziel ist es, kausale Zusammenhänge ausfindig zu machen und wichtige Erkenntnisse zu gewinnen, wie bestimmte Verhaltensweisen im Gehirn kodiert werden“, erläutert Poll. Dies ist nicht nur im Kontext neurodegenerativer Erkrankungen wie der AD von Bedeutung, sondern kann auch zum Verständnis neuropsychiatrischer Erkrankungen und zur Entwicklung therapeutischer Verfahren beitragen. AOVision Lab: KI und Hochauflösung in der Grundlagenforschung Das menschliche Auge ist ein Sinnesorgan, das durch seine transparenten optischen Medien einen direkten und nicht invasiven Blick auf seine neuronale Architektur in der Netzhaut erlaubt. „Innovative bildgebende Verfahren, wie adaptive Optiken, verschieben die Grenze der erfassbaren Strukturen in den mikroskopischen Raum. So ist es heute möglich, einzelne Photorezeptoren des lebenden Auges sichtbar und experimentell untersuchbar zu machen“, erklärt Dr. Wolf Harmening, Leiter des Adaptive Optics and Vision Labors der Augenklinik am UKB. Er und seine DFG-geförderte Emmy-Noether-Forschungsgruppe setzen komplexe photonische Techniken ein, um einzelne Photorezeptoren gezielt zu stimulieren und so Rückschlüsse auf deren Einfluss auf das Sehen zu machen. Für eine effiziente und präzise Auswertung der großen Bilddaten werden u.a. convolutional neural networks (CNN) eingesetzt (siehe Abbildung S. 72). Medizin und Künstliche Intelligenz: Ein Blick in die Zukunft Bereits heute werden in der Medizin in beinahe allen Bereichen bildgebende Verfahren eingesetzt und Bilddaten zunehmend mit KI -und Deep-Learning-Methoden ausgewertet. Dabei soll KI keinesfalls die Expertise der Ärztinnen und Ärzte ersetzen, sondern deren Alltag erleichtern, Handlungsbedarfe anzeigen, Früherkennung fördern und die medizinische Versorgung der Patientinnen und Patienten weiter optimieren. Aus Sicht des MIB ist für die optimale Weiterentwicklung und Anwendung der künstlichen Intelligenz in der Medizin eine starke interdisziplinäre Zusammenarbeit notwendig. Das MIB versteht sich dabei als Netzwerk und Trägerstruktur über Disziplingrenzen hinweg. Literatur Henschel, L., Conjeti, S., Estrada, S., Diers, K., Fischl, B. and Reuter, M., 2020. Fastsurfer-a fast and accurate deep learning based neuroimaging pipeline. NeuroImage, 219, p.117012.Luetkens JA et al. Deep learning supports the differentiation of alcoholic and other-than-alcoholic cirrhosis based on MRI. Sci Rep. 2022; 12(1):8297. doi: 10.1038/s41598-022-12410.Nowak S et al. Detection of liver cirrhosis in standard T2-weighted MRI using deep transfer learning. Eur Radiol. 2021;31(11):8807-8815. doi: 10.1007/s00330-021-07858-1.Reiniger, J.L., Domdei, N., Holz, F.G. and Harmening, W.M., 2021. Human gaze is systematically offset from the center of cone topography. Current Biology, 31(18), pp.4188-4193. Kontakt zur Autorin: Viola Röser, Pressesprecherin, Universitätsklinikum Bonn, viola.roeser@ukbonn.de

Medical Imaging Center Bonn (Teil 2) Wo KI konkret unterstützt

Reimbursement im Überblick

Digitale Gesundheit von A bis Z

Newsletter-Anmeldung