Kliniken & Institute … Institute Institut für… Forschung Deep Learning-basierte…

Deep Learning-basierte Visualisierung von Perfusionsdefekten zur Unterstützung des MRT-basierten Perfusionsscoring der Lunge bei Mukoviszidose (CF-MRXAI)

Projektleitung: Urs Eisenmann

Projektpartner: Translational Lung Research Center Heidelberg (TLRC), Klinik für Diagnostische und Interventionelle Radiologie, Universitätsklinikum Heidelberg

Förderer: Deutsches Zentrum für Lungenforschung (DZL)

Kurzbeschreibung: Für eine systematische Erfassung krankheitsrelevanter MRT-Befunde bei zystische Fibrose (CF) wurde 2012 durch die Juniorgruppe „Structural and Functional Airway Imaging“ am Translational Lung Research Center (TLRC) ein Scoring-System entwickelt, welches strukturelle und funktionelle Schädigungen lappengenau erfasst und semi-quantifiziert. Für die Beurteilung wird unter anderem die 4D Perfusionssequenz mit Kontrastmittelinjektion durchgeführt. Sie erlaubt die Darstellung von Ausfällen der Lungenperfusion, welche die Obstruktion großer und kleiner Atemwege widerspiegeln. Forschungsergebnisse zeigen, dass visuelle CF-Scorings durch einen menschlichen Betrachter mit einer nicht zu unterschätzenden Intra- und Inter-Reader-Variabilität verbunden sind. Eine computerbasierte, quantitative Auswertung der 4D-Perfusions-MRT wurde bisher nicht zufriedenstellend gelöst. In eigenen Vorarbeiten wurde ein erster Deep Learning basierter Prototyp zur Klassifikation von Perfusionsdefekten in CF Lungen entwickelt. Die Ergebnisse sind vielversprechend, aber für das automatisierte Perfusionsscoring noch nicht ausreichend.

Im CF-MRXAI Projekt soll radiologisches Fachpersonal durch Methoden der Explainable Artificial Intelligence (XAI) beim Scoring unterstützt werden, um die Intra- und Inter-Reader-Variabilität zu reduzieren.  Die Grundidee ist es Radiologinnen und Radiologen neben der Perfusionssequenz durch Explainable Artificial Intelligence (XAI) erzeugte Visualisierungen zu präsentieren um eine objektivere Einschätzung des Perfusionsscores zu ermöglichen. Hierbei werden neben dem aktuellen zu scorenden Fall Referenzvisualisierungen ähnlicher Fälle mit vergleichbaren, etwas weniger ausgeprägten bzw. etwas stärker ausgeprägten Perfusionsdefiziten dargestellt. Nach Entwicklung eines intuitiven Softwarewerkzeuges, wird dieses vom radiologischen Fachpersonal evaluiert um Rückschlüsse auf die Inter- und Intra-Reader Variabilität treffen zu können. Falls sich das Werkzeug als hilfreich für das objektive Perfusionsscoring herausstellen sollte, wird eine Erweiterung auf weitere für die CF-Diagnostik wichtige Teilscores angestrebt.

Laufzeit: 03/2022 - 02/2024

Mitarbeitende des Instituts: Friedemann Ringwald, Anna Martynova, Julian Mierisch