- Dr Galli's NeuroNotes
- Posts
- Neues KI-Tool könnte Bildgebung von Hirntumoren enorm beschleunigen, verbessern und personalisieren
Neues KI-Tool könnte Bildgebung von Hirntumoren enorm beschleunigen, verbessern und personalisieren
Christian
October 27, 2024
Foto Gabriella Clare Marino, Unsplash
KI revolutioniert die Gehirntumor-Diagnostik: Neue Software macht MRT-Auswertung effizienter, super schnell und kostengünstiger
Eine bahnbrechende neue Studie von Forschern der University College London verspricht, die Diagnose und Überwachung von Gehirntumoren zu revolutionieren. Das Team um Dr. James K. Ruffle hat eine KI-gestützte Software namens VASARI-autoentwickelt, die die Auswertung von MRT-Aufnahmen bei Gliomen – einer häufigen und aggressiven Form von Hirntumoren – automatisiert und damit deutlich effizienter und kostengünstiger macht.
Die Herausforderung der Gliom-Diagnostik
Gliome sind komplexe Tumore, deren genaue Beurteilung für Behandlungsentscheidungen und Prognosen entscheidend ist. Bisher mussten erfahrene Neuroradiologen die MRT-Bilder manuell analysieren und nach dem sogenannten VASARI-System (Visually AcceSAble Rembrandt Images) bewerten. Dieser Prozess ist zeitaufwändig und ressourcenintensiv, was seine breite klinische Anwendung erschwert.
VASARI-auto: KI im Dienst der Neuroradiologie
Die neue Software VASARI-auto nutzt künstliche Intelligenz, um diesen Prozess zu automatisieren. Sie kann wichtige Merkmale des Tumors wie Größe, Lage und Zusammensetzung aus den MRT-Aufnahmen extrahieren – und das in Sekundenschnelle.
„Unsere Software kann die VASARI-Merkmale in durchschnittlich 3 Sekunden pro Fall bestimmen, verglichen mit über 5 Minuten, die ein erfahrener Neuroradiologe dafür benötigt“, erklärt Studienleiter Dr. Ruffle. „Das bedeutet eine enorme Zeitersparnis im klinischen Alltag.“
Genauigkeit und Konsistenz auf Expertenniveau
In einer Vergleichsstudie mit 100 Glioblastom-Fällen zeigte VASARI-auto eine Genauigkeit, die der manuellen Auswertung durch Experten ebenbürtig war. Bei einigen Merkmalen wie der Tumorlokalisation war die Software sogar konsistenter als die menschlichen Experten untereinander.
„Die hohe Übereinstimmung zwischen verschiedenen Durchläufen von VASARI-auto zeigt, dass die Software sehr zuverlässige und reproduzierbare Ergebnisse liefert“, betont Dr. Ruffle. „Das ist ein großer Vorteil gegenüber der unvermeidlichen Variabilität zwischen verschiedenen Radiologen.“
Enorme Kosteneinsparungen möglich
Die Forscher berechneten auch die potenziellen wirtschaftlichen Auswirkungen von VASARI-auto. Für ein typisches britisches Krankenhaus könnte die Software über drei Jahre hinweg fast 750 Arbeitsstunden von Neuroradiologen einsparen – das entspricht Gehaltskosten von etwa 40.000 Pfund.
Hochgerechnet auf alle 40 Neuro-Onkologie-Zentren in Großbritannien ergibt sich ein Einsparpotenzial von fast 30.000 Arbeitsstunden und 1,5 Millionen Pfund. Die Rechenzeit und Stromkosten für VASARI-auto wären dagegen verschwindend gering.
„In Zeiten knapper Ressourcen im Gesundheitswesen kann VASARI-auto dazu beitragen, die Expertise unserer Neuroradiologen effizienter einzusetzen“, sagt Dr. Ruffle. „Die eingesparte Zeit könnte für komplexere Fälle oder die direkte Patientenversorgung genutzt werden.“
Verbesserte Vorhersage der Überlebenszeit
Ein weiterer wichtiger Aspekt: Die von VASARI-auto extrahierten Merkmale waren mindestens genauso gut – wenn nicht sogar besser – geeignet, um die Überlebenszeit der Patienten vorherzusagen, wie die manuell erhobenen Daten. Das unterstreicht den klinischen Nutzen der automatisierten Analyse.
„Unsere Ergebnisse zeigen, dass VASARI-auto nicht nur Zeit und Kosten spart, sondern auch wertvolle prognostische Informationen liefert“, erklärt Dr. Ruffle. „Das kann Ärzten helfen, fundiertere Behandlungsentscheidungen zu treffen.“
Herausforderungen und Zukunftsperspektiven
Die Forscher räumen ein, dass ihre Studie auch Limitationen hat. So konnte VASARI-auto nicht alle VASARI-Merkmale erfassen, da einige spezielle MRT-Sequenzen oder nicht-anonymisierte Daten erfordern. Zudem gibt es noch Diskussionen in der Fachwelt darüber, wie bestimmte Tumorkomponenten genau zu klassifizieren sind.
„Wir sehen VASARI-auto als ersten Schritt hin zu einer umfassenderen KI-gestützten Gliom-Analyse“, sagt Dr. Ruffle. „Zukünftige Versionen könnten weitere Bildgebungsmodalitäten und klinische Daten integrieren, um ein noch genaueres Bild zu liefern.“
Fazit: KI als Unterstützung, nicht als Ersatz
Die Forscher betonen, dass VASARI-auto nicht darauf abzielt, Neuroradiologen zu ersetzen, sondern sie zu unterstützen. Die Software kann zeitraubende Routineaufgaben übernehmen und so mehr Raum für die komplexe Interpretation und Entscheidungsfindung schaffen.
„Unser Ziel ist es, die Gliom-Diagnostik effizienter, konsistenter und letztlich patientenfreundlicher zu machen“, fasst Dr. Ruffle zusammen. „VASARI-auto ist ein vielversprechendes Werkzeug, um dieses Ziel zu erreichen und die Versorgung von Hirntumorpatienten zu verbessern.“
Die Studie wurde im renommierten Fachjournal NeuroImage: Clinical veröffentlicht. Die VASARI-auto-Software ist als Open-Source-Projekt verfügbar, was eine breite Anwendung und Weiterentwicklung in der Forschungsgemeinschaft ermöglicht.
Quelle
James K. Ruffle, Samia Mohinta, Kelly Pegoretti Baruteau, Rebekah Rajiah, Faith Lee, Sebastian Brandner, Parashkev Nachev, Harpreet Hyare,
VASARI-auto: Equitable, efficient, and economical featurisation of glioma MRI, NeuroImage: Clinical, Volume 44, 2024, 103668, ISSN 2213-1582,
https://doi.org/10.1016/j.nicl.2024.103668.
https://www.sciencedirect.com/science/article/pii/S2213158224001074