KI verbessert CT-Verlaufskontrollen bei Lungentumoren
Bei der Behandlung von Krebserkrankungen spielen regelmäßige Verlaufskontrollen eine zentrale Rolle. Um diese zu verbessern, hat das Fraunhofer-Institut für Digitale Medizin MEVIS im Rahmen eines Forschungsprojekts eine KI-basierte Software entwickelt. Sie soll helfen, Veränderungen auf CT-Bildern schneller und verlässlicher zu erkennen – mit dem Ziel, Heilungschancen zu erhöhen und Abläufe in der Klinik zu vereinfachen.
Wachsender CT-Einsatz bei Lungentumoren fordert neue Lösungen
Zur frühzeitigen Erkennung und Überwachung von Lungenerkrankungen wie Bronchialkarzinomen und Metastasen kommen weltweit zunehmend CT-Aufnahmen des Thorax zum Einsatz. In Deutschland zählen sie inzwischen zu den am häufigsten durchgeführten radiologischen Untersuchungen: Während 2009 rund 800.000 Lungen-CTs aufgenommen wurden, stieg die Zahl bis 2020 auf 1,3 Millionen. Die Bildgebung ermöglicht es, selbst kleinste Therapieeffekte und Nebenwirkungen sichtbar zu machen und die Behandlung gezielt anzupassen. Doch der Vergleich mehrerer Aufnahmen ist komplex, zeitintensiv und anfällig für Fehler – zumal Radiolog:innen oft unter erheblichem Zeitdruck arbeiten. Eine automatische Bildregistrierung, bei der anatomische Strukturen zwischen den Scans zugeordnet werden, könnte hier deutlich entlasten.
Präziser Bildabgleich durch neuronale Netze
Um radiologische Verlaufskontrollen effizienter zu gestalten, setzt das Fraunhofer-Institut für Digitale Medizin MEVIS gemeinsam mit jung diagnostics GmbH und der Universitätsmedizin Mainz auf Künstliche Intelligenz. Gefördert durch das Bundesministerium für Bildung und Forschung wurde im Projekt SPIRABENE eine Deep-Learning-Software entwickelt, die Lungenläsionen in CT-Aufnahmen in kürzester Zeit noch präziser erkennen, lokalisieren und vermessen kann.
Für die sogenannte Registrierung – also den Abgleich früherer und aktueller CT-Aufnahmen der Lunge – müssen anatomische Strukturen exakt zugeordnet werden. Das ist technisch anspruchsvoll, da zwei Aufnahmen derselben Person durch Faktoren wie veränderte Atemlage oder therapiebedingten Gewichtsverlust voneinander abweichen können.
Zwar kommen bereits automatisierte Verfahren zum Einsatz, doch die Integration neuronaler Netze ermöglicht eine deutlich schnellere und präzisere Auswertung. „Unsere Ergebnisse zeigen: Mithilfe von KI findet man im Vergleich zur herkömmlichen softwaregestützten Registrierung im Verlaufsbild 11% mehr Tumore automatisch wieder – und braucht dafür mit weniger als einer Sekunde lediglich ein Zehntel der Zeit“, so Moltz. Zusätzlich sinkt der Energiebedarf durch die geringere Rechenlast.
Integration in bestehende Kliniksysteme möglich
Die Bildverarbeitungstechnologie wurde gemeinsam mit Ärzt:innen der Universitätsmedizin Mainz so konzipiert, dass sie sich nahtlos in bestehende Kliniksysteme integrieren lässt. Erste Tests unter realen Bedingungen verliefen erfolgreich. Perspektivisch soll das System auf weitere Körperregionen ausgeweitet werden. Die Anwendung könne nicht nur ineffektive Therapien schneller identifizieren, sondern auch Nebenwirkungen und Kosten reduzieren – und so letztlich die Heilungschancen von Patient:innen verbessern.
Quelle:Fraunhofer-Gesellschaft