Ein Werkzeug der künstlichen Intelligenz (KI), das im Health Science Center der Universität Texas in San Antonio entwickelt wurde, ist in der Lage, zerebrale Läsionen auf MRT-Aufnahmen in wenigen Sekunden zu erkennen und zu quantifizieren.
Die in JAMA Network Open erschienene Studie hat gezeigt, wie effizient das KI-Instrument darin war, erweiterte perivaskuläre Räume (ePVS) festzustellen und zu zählen. Diese mit Cerebrospinalflüssigkeit gefüllten Räume umgeben Arterien und Venen und sind ein Marker für Erkrankungen der kleinen Hirnblutgefäße, welche zu Schlaganfällen und Demenz führen können. Die Studie analysierte das Follow-up von 1026 Menschen, die an der Multi-Ethnic Study of Atherosclerosis (MESA) teilgenommen hatten.
Bevor es dieses KI-Tool gab, wurden die ePVS aufgrund der Schwierigkeit, sie auf den MRT-Aufnahmen zu zählen, übersehen.
„Auf der MRT-Aufnahme einer Person mittleren Alters könnten im Schnitt 500 oder 600 dieser kleinen Räume vorhanden sein“, erklärt Mohamad Habes. „Stellen Sie sich einen Neuroradiologen oder eine Neuroradiologin vor, der oder die sich hinsetzt und sie alle zählt. Das passiert bestimmt nicht, diese Person bräuchte ein oder zwei Stunden oder mehr für jede Aufnahme und ein solches Arbeitsvolumen wäre mit dem Arbeitsaufkommen in einer Klinik unvereinbar.“
Das Team beschreibt die Deep-Learning-Methode für die Erhebung der ePVS in der Zeitschrift Neuroimmage: „Wir haben einen Algorithmus mit Fachwissen trainiert, damit er imstande ist, diese Läsionen allein zu quantifizieren“, fährt Habes fort. „Dieses Instrument erkennt sie, teilt uns ihre genaue Position mit, zählt sie und sagt uns, wie groß sie sind. Es vermittelt uns eine Menge Informationen, sehr viel mehr, als ein Mensch könnte.“
„In unserer Studie haben wir festgestellt, dass erweiterte perivaskuläre Räume in zwei Regionen, den Basalganglien und dem Thalamus, besonders signifikante Läsionen sind und mit Schlaganfällen und der Erkrankung der kleinen Hirngefäße assoziiert sind.“
Das KI-Tool nutzt das Potenzial des Supercomputers Genie des UT Health Science Center in San Antonio.
Quelle
Charisis S, Rashid T, Liu H et al. Assessment of risk factors and clinical importance of enlarged perivascular spaces by whole-brain investigation in the multi-ethnic study of atherosclerosis. JAMA Netw Open 2023;6(4):e239196.