Kick-off für das Forschungsprojekt DISAIP: KI für eine bessere Schlaganfalldiagnostik bei geringerer Strahlenbelastung
Bei einem Schlaganfall zählt jede Minute. Die Ärztinnen und Ärzte müssen schnell erkennen, welche Hirnareale noch zu retten sind. Dafür nutzen sie die Perfusions-CT: Dabei wird ein Kontrastmittel gespritzt, und das Gehirn wird über einen kurzen Zeitraum wiederholt durchleuchtet, um sichtbar zu machen, wie gut die einzelnen Bereiche durchblutet sind. Durch die vielen Aufnahmen ist die Strahlenbelastung jedoch hoch. Eine niedrigere Dosis würde die Bilder verrauschen und die Diagnose erschweren. Bisherige Verfahren zur Verbesserung der Bildqualität nutzen nur die Perfusionsaufnahmen selbst.
Hier setzt das neue Forschungsprojekt DISAIP (Dose Reduction and Improved Stroke Diagnosis with Multi-Source-AI Denoising of Perfusion CT) an. Es wird gemeinsam am Bezirkskrankenhaus Günzburg, der Universität Ulm und an der THU durchgeführt und wurde mit einem Kick-off am 4.11. gestartet. Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen einer DFG-Sachbeihilfe geförderte Projekt verfolgt einen neuen Ansatz: Eine künstliche Intelligenz soll zusätzlich hochaufgelöste CT-Bilder einbeziehen, die bei Schlaganfallpatienten ohnehin aufgenommen werden. Indem sie beide Bildquellen kombiniert, soll sie schärfere und rauschärmere Perfusionsbilder liefern, die feinere Details der Hirndurchblutung erkennbar machen. Gleichzeitig lässt sich so die Strahlendosis senken. Ziel ist eine genauere Diagnose bei geringerer Strahlenbelastung.
Das Team der THU unter Leitung von Prof. Dr. Alfred Franz entwickelt im Projekt 3D-gedruckte Perfusionsphantome. Das sind künstliche Nachbildungen auf Basis realer Patientenanatomien, durch die sich der Blutfluss nachstellen lässt. Mit ihnen kann die KI unter realistischen Bedingungen und mit bekannten Referenzwerten getestet werden, ohne Patientinnen und Patienten zusätzlich zu belasten.
„Mit den 3D-gedruckten Perfusionsphantomen schaffen wir eine realitätsnahe und zugleich kontrollierbare Grundlage, um die KI unter definierten Bedingungen zu testen. So können wir dazu beitragen, die Leistungsfähigkeit der neuen Bildgebungsmethode zu überprüfen und perspektivisch die Schlaganfalldiagnostik zu verbessern“, erklärt THU-Professor Dr. Alfred Franz.