Forschende der Universitätsmedizin Mainz haben im Rahmen einer Studie
erstmals eine KI-gestützte Magnetresonanz-Tomographie (MRT)-Methode
untersucht, um akute ischämische Schlaganfälle effizienter detektieren zu
können. Dabei setzten sie einen sog. Deep Learning-Algorithmus für die
Bildrekonstruktion ein. Im Vergleich zur konventionellen MRT konnten die
MRT-Bilder viermal schneller rekonstruiert werden. Zudem erzielte die KI-
gestützte MRT eine höhere Bildqualität, so dass auch leichte Schlaganfälle
zuverlässiger erkannt werden konnten. Die neue Methode hat großes
Potential, die Notfalldiagnostik zu beschleunigen, um Patient:innen mit
Schlaganfall-Verdacht schneller behandeln zu können.
Das berichten die Wissenschaftler:innen anlässlich des Tags gegen den
Schlaganfall am 10. Mai. Die Forschungsergebnisse wurden im renommierten
Journal „Radiology“ veröffentlicht.
In Deutschland erleiden täglich rund 550 Menschen einen Schlaganfall. Bei
der häufigsten Form des Schlaganfalls, dem ischämischen Hirninfarkt,
blockiert ein Blutpfropf ein arterielles Gefäß, so dass das Gehirn nicht
ausreichend mit Blut versorgt wird. Daher ist bei einem Schlaganfall-
Verdacht schnelles Handeln wichtig, um größere Folgeschäden zu verhindern.
Das bisher schnellste Verfahren, um einen akuten Schlaganfall zu
diagnostizieren, ist die Computertomographie (CT). Doch insbesondere bei
Patient:innen mit leichten Schlaganfällen und nur schwachen neurologischen
Symptomen ist die CT nicht präzise genug und kann ein falsch negatives
Ergebnis anzeigen.
Mit der Magnetresonanz-Tomographie (MRT) lassen sich dagegen auch kleinste
ischämische Infarkte erkennen. Allerdings benötigt die MRT relativ lange
Aufnahmezeiten, was ihre Anwendung in Notfallsituationen einschränkt. Das
Ziel der Mainzer Forschenden ist es, mithilfe von Künstlicher Intelligenz
(KI) die Untersuchungszeit beim MRT des Gehirns zu reduzieren.
„Die sogenannte Deep Learning-Technik ist eine noch relativ neue Technik
in der medizinischen Versorgung. Die KI ermöglicht, dass MRT-Bilder
parallel zur Aufnahme verarbeitet werden können und ist so trainiert, dass
sie die aufgenommenen Bilder künstlich verbessern kann. Dadurch konnten
wir die MRT-Bilder ultraschnell und in hoher Qualität rekonstruieren und
die Zeit zwischen Untersuchungsbeginn und Befund um rund 78 Prozent
reduzieren“, erläutert Dr. Sebastian Altmann, Erstautor der Publikation
und Funktionsoberarzt der Klinik und Poliklinik für Neuroradiologie der
Universitätsmedizin Mainz.
In seiner prospektiven Studie hat das Forschungsteam 211 Patient:innen mit
Verdacht auf einen akuten ischämischen Schlaganfall mit der
konventionellen MRT sowie der neuen KI-beschleunigten MRT untersucht.
Insgesamt benötigte die konventionelle MRT eine Untersuchungszeit von rund
14 Minuten. Diese konnte durch den Einsatz von Deep Learning um das
Vierfache, auf etwa drei Minuten reduziert werden.
Die Deep Learning-gestützte MRT lieferte verglichen mit der
konventionellen Methode insgesamt eine bessere Bildqualität. Beide
Methoden zeigten eine gute bis ausgezeichnete Zuverlässigkeit, um einen
akuten ischämischen Infarkt zu diagnostizieren. Wobei eine exzellente
diagnostische Sicherheit in 96 Prozent der Fälle durch die neuartige
Methode erzielt werden konnte (konventionellen Methode 92 Prozent).
Bei 79 Teilnehmenden konnte ein akuter ischämischer Schlaganfall
festgestellt werden. Bei den restlichen Teilnehmenden fanden die
Wissenschaftler:innen andere medizinische Auffälligkeiten wie chronischer
Infarkt (19,4 Prozent), Morbus Biswanger (10,4 Prozent) und Mikroblutungen
(7,6 Prozent).
„Der unterstützende Einsatz innovativer KI beim MRT hat das Potential, die
Notfalldiagnostik, insbesondere bei leicht betroffenen Patienten mit
Schlaganfall-Verdacht, zu revolutionieren. Es wird nicht nur der
Diagnoseprozess beschleunigt, sondern verglichen mit der CT gleichzeitig
auch eine Strahlenexposition vermieden. Im nächsten Schritt wollen wir die
KI-gestützte MRT sukzessiv in die klinische Routine implementieren“, so
Univ.-Prof. Dr. Ahmed Othman, Geschäftsführender Oberarzt der Klinik und
Poliklinik für Neuroradiologie der Universitätsmedizin Mainz.
Originalpublikation: S. Altmann, N. F. Grauhan, L. Brockstedt, M. Kondova,
I. Schmidtmann, R. Paul, B. Clifford, T. Feiweier, Z. Hosseini, T. Uphaus,
S. Groppa, M. A. Brockmann, A. E. Othman. Ultrafast brain MRI with deep
learning reconstruction for suspected acute ischemic stroke. Radiology
2024; 310(2):e231938.
DOI: https://doi.org/10.1148/radiol
