MRT-Scans vom Gehirn (Symbolbild)

Bildquelle: Adobe Stock/Nomad_Soul

News • Deep-Learning-Verfahren

KI entdeckt Alzheimer in Routine-MRT-Scans

Forscher des Massachusetts General Hospital um Matthew Leming haben ein genaues Deep-Learning-Verfahren für den Nachweis von Alzheimer entwickelt, das auf routinemäßig im klinischen Umfeld erstellten Bildern vom Gehirn beruht.

Dieser Fortschritt könnte bei der Erstellung detaillierterer Diagnosen bedeutsam sein. Die Forschungsergebnisse sind in "PLoS ONE" nachzulesen

Anhand von MRT-Daten des Gehirns wird ein Modell für den Nachweis von Alzheimer errechnet. Die Behandlung der Patienten am Massachusetts General Hospital erfolgte vor dem Jahr 2019. In einem nächsten Schritt wurde das Modell an fünf Datensätzen gestestet, um herauszufinden, ob Alzheimer auf Basis realer klinischer Daten erkennbar war - und das unabhängig vom behandelnden Krankenhaus und dem Zeitpunkt.

Wir haben [das Problem der Erkennung früh auftretender Formen] dadurch umgangen, dass das Modell 'blind' für Eigenschaften des Gehirns ist, die allzu stark mit dem angegebenen Alter der Patienten in Zusammenhang stehen

Die Studie umfasst 11.103 Bilder von 2.348 Patienten mit einem Alzheimer-Risiko und 26.892 Bilder von 8.456 gesunden Personen. Über alle fünf Datensätze hinweg hat das Modell das Risiko einer Alzheimer-Erkrankung mit einer Genauigkeit von 90,2% erkannt. Zu den Hauptinnovationen dieses Verfahrens gehört die Fähigkeit, Alzheimer unabhängig von anderen Variablen wie dem Alter nachzuweisen, betonen die Forscher. Laut Leming tritt Alzheimer typischerweise bei älteren Erwachsenen auf. Daher haben Deep-Learning-Modelle häufig Probleme dabei, die seltenen früher auftretenden Fälle zu erkennen. "Wir haben dieses Problem dadurch umgangen, dass das Modell 'blind' für Eigenschaften des Gehirns ist, die allzu stark mit dem angegebenen Alter der Patienten in Zusammenhang stehen", unterstreicht Leming. 

Laut dem Wissenschaftler liegt eine weitere Herausforderung beim Nachweis von Krankheiten in dem Bereich darin, dass sich die tatsächlich untersuchten Daten sehr stark von denen im Training eingesetzten unterscheiden. Es kann dabei dazu kommen, dass ein Modell, das mit MRTs von einem Scanner von General Electric trainiert wurde, Scans eines Geräts von Siemens nicht entsprechend auswerten kann. 

Das aktuelle Modell nutzt eine Metrik für Unsicherheit, um festzustellen, ob die Patientendaten zu verschieden von den Daten sind, die beim Training eingesetzt worden sind. Leming zufolge handelt es sich bei dieser Studie um eine der wenigen Untersuchungen, bei der routinemäßig erstellte MRT-Scans für den Nachweis einer Demenz eingesetzt werden. 


Quelle: Massachusetts General Hospital/pressetext

06.03.2023

Mehr aktuelle Beiträge lesen

Verwandte Artikel

Photo

News • Mit Machine Learning und MRT

KI erkennt seltene Formen von Demenz

Ein neues KI-Verfahren erkennt auf MRT-Bildern Hinweise auf seltene Krankheitsformen der Demenz. Muster in Bildgebungsdaten von Patienten können so eine frühe Diagnostik ermöglichen.

Photo

News • Primärtumor oder Metastase?

Deep Learning und Radiomics für präzise Unterscheidung bei Hirntumoren

Die Unterscheidung von Primärtumoren und Metastasen kann bei Hirntumoren rasch und präzise mittels Radiomics und Deep Learning-Algorithmen erfolgen, zeigt eine neue Studie.

Photo

News • Premiere

Ähnlichkeit zwischen Schizophrenie und Demenz entdeckt

Forscher verglichen erstmals Schizophrenie und frontotemporale Demenz, Erkrankungen, die in den frontalen und Schläfenlappen-Regionen des Gehirns verortet werden.

Verwandte Produkte

Advanced intelligent Clear-IQ Engine for MR

Artificial Intelligence

Canon · Advanced intelligent Clear-IQ Engine for MR

Canon Medical Systems Europe B.V.
Vantage Elan NX Edition

1.5 Tesla

Canon · Vantage Elan NX Edition

Canon Medical Systems Europe B.V.
CT Image Reconstruction

Artificial Intelligence

Canon · CT Image Reconstruction

Canon Medical Systems Europe B.V.
Newsletter abonnieren