Die cranielle MRT-Untersuchung (cMRT) ist ein Standardverfahren bei der Abklärung neurologischer oder psychiatrischer Erkrankungen. Die Bildgebung mittels cMRT liefert im Vergleich zur craniellen CT-Untersuchung ein Vielfaches mehr an Informationen und ist zusätzlich frei von potentiell schädlichen Röntgenstrahlen. Mit Hilfe vieler Sequenzen unterschiedlicher Gewichtungen lassen sich im cMRT unterschiedliche Information über das Hirngewebe anzeigen. Da diese Sequenzen aber zeitaufwändig sind, werden nicht einfach alle verfügbaren Sequenzen durchgeführt, sondern die Untersuchungsprogramme so zusammengestellt, dass die spezielle Fragestellung – zum Beispiel hinsichtlich Ischämie, Tumor, Entzündung oder Demenz - beantwortet werden kann. Ein häufiger Zufallsbefund im cMRT sind intrakranielle Aneurysmata, die etwa 2-3% der Bevölkerung betreffen. Dabei handelt es sich um Aussackungen an hirnversorgenden Arterien, die in der Regel asymptomatisch sind, bei einer Ruptur allerdings zu einer spezifischen Form von Hirnblutungen führen, die mit einer hohen Sterblichkeit und Morbidität einhergehen.
Aneurysmata werden selten in den Standard-MRT-Sequenzen entdeckt, sondern hauptsächlich in speziellen Gefäßdarstellungen wie der Time-of-Flight-Angiographie (TOF), die das Signal des fließenden Blutes selbst ausliest und somit ohne Kontrastmittel funktioniert. Da auch sie – je nach gewünschter Qualität – zwischen 5 und 12 Minuten dauert, wird sie nicht routinemäßig bei allen Patienten durchgeführt, sondern nur bei vaskulären Fragestellungen. Daher werden sehr viele Aneurysmen in cMRT-Untersuchungen ohne TOF-Sequenz schlicht nicht entdeckt. Eine grundlegende Sequenz hingegen, die bei jeder cMRT-Untersuchung durchgeführt wird, ist die T2-Gewichtung. Die Idee von CONAD ist es, automatisch bei JEDER MRT-Untersuchung eine zusätzliche KI-basierte Suche nach eventuell vorhandenen und bisher unauffälligen Aneurysmata in eben diesen T2-Sequenzen durchzuführen. Findet die KI ein mögliches Aneurysma, so meldet es den Verdacht an den Radiologen, der daraufhin das MRT-Bild fachkundig prüfen und bei Bedarf durch eine zusätzliche TOF-Angiographie weiter abklären kann. Bei rechtzeitiger Diagnose kann das Aneurysma vor einer Ruptur ausgeschaltet werden und der Patient hat eine deutlich höhere Lebenserwartung. Aus medizinisch-präventiver Sicht ist eine möglichst frühzeitige Erkennung von vorhandenen Aneurysmata daher äußerst sinnvoll.
Die Herausforderung aus KI-Sicht ist die Detektion in den T2-Sequenzen ohne Hilfe des zusätzlichen Gefäßkontrastes einer Angiographiesequenz. Kontrastunterschiede zwischen Gefäßen und Gewebe sind nur sehr gering und oft von Rauschen überlagert. Eine Vorverarbeitung mit geeigneten Bildverarbeitungsalgorithmen oder Style Transfer Ansätzen ist daher unerlässlich. Ein weiterer Punkt ist die anisotrope Auflösung der MRT-Scans, die in z-Richtung meist viermal so groß wie in x- und y-Richtung ist. Speziell angepasste 3D Deep Learning Verfahren müssen daher entwickelt und eingesetzt werden, um die Aneurysmen im MRT-Scan zu detektieren.
Partner
Universität des Saarlandes, Lehrstuhl für Neuroradiologie
