MRT der nächsten Generation

Mit Künstlicher Intelligenz und beschleunigten Messroutinen möchte Prof. Alexander Radbruch die bisherigen Fähigkeiten der Magnetresonanztomografie erweitern.

Künstliche Intelligenz kann die Fähigkeiten der Magnetresonanztomografie (MRT) erweitern. Davon ist der Bonner Radiologe und Neurowissenschaftler Prof. Alexander Radbruch überzeugt. Mit beschleunigten Messroutinen möchte der Leiter des Forschungsschwerpunkts „Human Imaging“ am Deutschen Zentrum für Neurodegenerative Erkrankungen (DZNE) neue Erkenntnisse über das Gehirn gewinnen und die Diagnostik neurodegenerativer Erkrankungen verbessern.

Die MRT hat seit langem einen festen Platz in der medizinischen Versorgung und der Wissenschaft – das gilt insbesondere für die Hirnforschung. Denn diese Technologie ermöglicht anhand von Magnetfeldern und Radiowellen detaillierte Einblicke in den menschlichen Kopf. „Anders als bei vielen anderen Erkrankungen können wir bei Alzheimer, Parkinson oder ALS nicht so ohne Weiteres erkranktes Gewebe entnehmen und im Labor untersuchen. Denn das menschliche Gehirn ist gewissermaßen ein Hochsicherheitsbereich, aus dem man sich besser heraushält“, erläutert Prof. Radbruch. Neben seiner Forschung am DZNE ist er auch Direktor der Klinik für Neuroradiologie am Universitätsklinikum Bonn (UKB). „Die MRT ist jedoch nicht-invasiv und daher ein zentrales Instrument sowohl für die neurowissenschaftliche Forschung als auch für die medizinische Routine.“

Früherkennung von Demenz

MRT-Aufnahmen seien allerdings kostspielig, zeitaufwändig und häufig müsse man viele Wochen auf einen Untersuchungstermin warten, sagt der Bonner Wissenschaftler: „Ich bin aber davon überzeugt, dass KI und optimierte Messverfahren helfen können, dass die MRT verfügbarer und kostengünstiger wird. Davon verspreche ich mir einen Schub in der Früherkennung von Demenz und anderen neurodegenerativen Erkrankungen.“ Bedeutsam wäre dies auch für die Überwachung von Therapien. Auch deshalb geht Radbruch davon aus, dass die Bildgebung des Gehirns künftig einen größeren Raum in der Diagnostik und Verlaufskontrolle neurodegenerativer Erkrankungen einnehmen wird. „Dafür forschen wir. Unser Ziel ist, dass die von uns entwickelten Verfahren in der Wissenschaft sowie der klinischen Praxis zum Einsatz kommen. Wie sehen uns als Chancenmacher.“

Rund zehnmal schneller

Unter dem Dach des neuen Forschungsschwerpunkts „Human Imaging“ werden daher bislang schon vorhandene Ressourcen des DZNE gebündelt und erweitert. Zu Radbruchs eigener Arbeitsgruppe gesellen sich dabei Expertise in der Entwicklung von MRT-Messroutinen sowie Know-how in der Analyse von MRT-Daten mithilfe von KI. „Eine Untersuchung des Gehirns per MRT kann aktuell bis zu knapp einer Stunde dauern“, sagt Radbruch. Da aber viele Menschen die enge Röhre des Hirnscanners und die auffälligen Geräusche, die mit der Untersuchung technisch bedingt einhergehen, als unangenehm empfinden, haben die Forscher den Anspruch, die aktuelle Messzeit auf rund ein Zehntel zu verkürzen. „So möchten wir die Untersuchung angenehmer machen“, sagt Radbruch.

Fahrbare Scanner

Die Forscher machen sich dabei zunutze, dass die Ansteuerung eines MRT-Scanners viele Möglichkeiten bietet: Denn per Software lassen sich Dauer, Abfolge und Stärke der verwendeten Magnetfelder und Radioimpulse in die unterschiedlichsten Kombinationen justieren. Um dabei auch aussagekräftige Aufnahmen des Gehirns zu generieren, sind komplexe physikalische Phänomene zu beachten. „Das DZNE hat viel Erfahrung in der Entwicklung solcher MR-Sequenzen, wie man diese Messroutinen auch nennt“, erläutert Radbruch. „Überdies untersuchen wir die Anwendung portabler MRT-Scanner. Diese gibt es erst seit Kurzem, man kann sie herumfahren wie ein Ultraschallgerät.“ Im Unterschied zu herkömmlichen MRT-Scannern liegt man nicht mit dem gesamten Körper in einer schmalen Röhre, nur der Kopf wird von dem Gerät umgeben. Außerdem sind diese neuen Geräte kostengünstiger in Anschaffung und Betrieb.

„Nachschärfen“ per KI

Kürzere Messzeiten und mobile MRT-Scanner haben allerdings einen Nachteil: geringere Auflösung. „Durch Optimierung der Messprotokolle und Nachbearbeitungstechniken, die wir auf die Daten anwenden und die sich KI bedienen, möchten wir das Maximum aus solchen Untersuchungen herausholen. Insbesondere möchte ich untersuchen, ob man bei diesen fahrbaren MRT-Geräten mittels KI eine Bildqualität erreichen kann, die gut genug ist, um sie in jeder neurologischen Praxis einzusetzen“, erklärt Radbruch die Projektdetails. Anders als bisher würden Patienten dann nicht so lange auf einen Untersuchungstermin warten müssen.

KI beruht auf der Erkennung von Mustern, etwa hinsichtlich der Gestalt einzelner Hirnbereiche. Um sich diese Fähigkeit anzueignen, müssen KI-Algorithmen an riesigen Datenmengen trainiert werden. Dafür nutzt das Team um Radbruch einerseits MRT-Daten aus klinischen Studien und der „Rheinland Studie“, einer Bevölkerungsstudie des DZNE im Raum Bonn, anderseits profitieren die Forschungsarbeiten vom engen Austausch mit dem UKB.

Eine Anbindung besteht zudem an das Zentrum für Medizinische Datennutzung und Translation (ZMDT) der Universität Bonn. „Hier wird aus verschiedenen Perspektiven erforscht, wie Daten aus der Medizin zum Wohle von Patientinnen und Patienten optimal verwendet werden können“, sagt Radbruch, der auch Direktor des ZMDT ist. „Medizindaten sind ein Schatz, den wir ausschöpfen sollten, mit dem wir aber auch sorgsam umgehen müssen.“