„Computer oder genauer gesagt überwachte maschinelle Lernverfahren sind sehr gut darin, komplexe Muster zu erkennen“, sagt Louise Bloch. Darum könne der Einsatz von Technik bei einer heterogenen Krankheit wie Alzheimer, die von vielen verschiedenen Faktoren beeinflusst werde, einen großen Nutzen haben. An der FH Dortmund füttert die Doktorandin ihr Programm mit den Daten von insgesamt mehr als 2000 Proband*innen. Die Maschine soll in der Vielzahl der Gehirnscans, die unterschiedlich Stadien der Erkrankung zeigen und teils auch vor einer Alzheimer-Diagnose gemacht wurden, Muster erkennen.

Das von Louise Bloch entwickelte Daten-Modell erlernt derzeit mehrere 100.000 Parameter, um die Zusammenhänge zwischen MRT-Aufnahmen, weiteren klinischen Daten und den Krankheitsstadien zu erkennen: Welche Veränderungen sind relevant? Welche Gehirnregionen wichtig? So entsteht ein neuronales Netz, das große Datenmengen auswerten kann „Wenn dieses trainierte Verfahren dann Daten von Patient*innen mit unbekannter Diagnose erhält, lassen sich die Muster vergleichen und eine Diagnose erstellen“, sagt die Informatikerin. Auch ein mögliches Alzheimer-Risiko lasse sich dann prognostizieren, ist Louise Bloch überzeugt.

„Die Diagnose oder auch eine potenzielle Alzheimer-Gefahr müsse aber letztlich durch eine*n Arzt*in bestätigt werden“, betont die Wissenschaftlerin. Teil ihrer Forschung an der FH Dortmund ist darum auch, wie die Daten der Maschine so aufbereitet werden können, dass sie für Mediziner*innen transparent nachvollziehbar sind. Dabei arbeitet Louise Bloch eng mit der medizinischen Fakultät der Universität Duisburg- Essen zusammen. Wie an Fachhochschulen üblich, promoviert sie kooperativ an beiden Hochschulen. Gerade erst hat die FH-Doktorandin zwei weitere Forschungsjahre für ihr Projekt bewilligt bekommen und Ergebnisse ihrer Arbeit zusammen mit Prof. Dr. Christoph Friedrich vom Fachbereich Informatik im Fachmagazin SN Computer Science veröffentlicht. Die Veröffentlichung wurde wissenschaftlich begutachtet.