Wissenschaftler der Technischen Universität München und von Helmholtz Munich haben kürzlich große Fortschritte bei den hochauflösenden optoakustischen Bildgebungsverfahren gemacht, sodass deren flächendeckender klinischer Einsatz in greifbare Nähe rückt.
Auf der Basis des Deep-Learning-Frameworks „DeepMB“ wird nicht nur die Brustkrebserkennung deutlich erleichtert, sondern zum Beispiel auch entzündliche Darmerkrankungen oder Duchenne-Muskeldystrophie (DMD – seltener, fortschreitender Muskelschwund). Die neuen Erkenntnisse wurden jüngst im Fachjournal „Nature Machine Intelligence“ publiziert.
Übrigens: Wenn Sie solche Informationen interessieren, dann fordern Sie unbedingt meinen kostenlosen Praxis-Newsletter dazu an:
Die meisten wissen, dass in der Medizin oftmals bildgebende Verfahren wie Röntgen oder Ultraschall zum Einsatz kommen. Dass deren Auflösungsvermögen schnell an seine Grenzen kommt, ist ebenfalls vielen bekannt. Aus diesem Grunde war und ist es überaus wichtig, gerade in der Medizin auf dem Feld der bildgebenden Verfahren weiter voranzukommen.
Bei der optoakustischen Bildgebung wird nun die Ultraschallmethode mit der laser-optischen Bildgebung kombiniert. Ergeben hat sich dabei ein besonders leistungsstarkes medizinisches Verfahren, um Krankheiten und deren Fortschritt nicht-invasiv besser beurteilen zu können. Durch den Einsatz dieser Technologie können viele Patienten frühzeitiger und zielgerichteter in den Kliniken behandelt werden.
Dem entgegen stehen allerdings die sehr langen Bildverarbeitungszeiten. Deshalb haben sich die Forscher am Computational Health Centers und am Bioengineering Center von Helmholtz Munich sowie Wissenschaftler der Technischen Universität München zum Ziel gesetzt, hochauflösende optoakustische Bilder in Echtzeit zu ermöglichen.
Genau dieser bemerkenswerte Fortschritt ist ihnen nun mit ihrem Deep-Learning-Framework (DeepMB) gelungen. So hat das Forscherteam um Prof. Vasilis Ntziachristos eine multispektrale optoakustische Tomographie (MSOT) entwickelt, die jetzt von dem Spin-off-Unternehmen „iThera Medical GmbH“ weiterentwickelt und auch vertrieben wird.
Der optoakustische Effekt, der beim MSOT-Scanner genutzt wird, basiert darauf, dass immer dann, wenn Licht (von einem beliebigen Material) absorbiert wird, Schallwellen erzeugt werden. Die Schallwellen nutzt im nächsten Schritt ein Rekonstruktionsalgorithmus dazu, daraus Bilder zu generieren, die schließlich auf dem Scanner-Monitor dargestellt werden.
Es ist allerdings so, dass die dahinterstehenden, sehr komplexen Algorithmen eine lange Verarbeitungszeit benötigen, was den Einsatz im klinischen Alltag nicht gerade praktikabel erscheinen ließ. Doch nun kommt das neue neuronale Netzwerk DeepMB ins Spiel, mit dessen Hilfe derartige hochauflösende optoakustische Bilder ungefähr um den Faktor 1000 schneller erzeugt werden können.
Diese enorme Leistungssteigerung basiert auf der Trainingsstrategie von DeepMB. Die Idee dahinter ist, dass das System ja bereits viele andere optoakustische Signale verarbeitet und daraus ganz ähnliche Bilder erstellt hat. Diese fertigen Lösungen lassen sich durch permanenten Abgleich in die aktuelle Datenverarbeitung integrieren und so Anteile des Bildes weitgehend bereitstellen.
Eine große Herausforderung bei der künstlichen Intelligenz ist die Übertragbarkeit. Dieses Problem konnte bei DeepMB gut gelöst werden, indem sämtliche Patientenscans unabhängig von der vorliegenden Erkrankung und dem untersuchten Körperteil sehr genau rekonstruiert werden können.
Mit Blick auf die klinische Anwendung von DeepMB eröffnet sich nun, abgesehen von der besseren Patientenversorgung, ein weiteres großes Feld für klinische Studien. Im Übrigen können die Grundprinzipien von DeepMB auf viele andere Rekonstruktionsmethoden einschließlich Röntgen, Ultraschall und Magnetresonanztomographie (MRT) übertragen werden.
Übrigens: Wenn Sie so etwas interessiert, dann fordern Sie unbedingt meinen kostenlosen Newsletter
„Hoffnung bei Krebs“ dazu an:
Dieser Beitrag wurde am 22.10.2023 erstellt.
