KI macht Röntgenbilder bei Mukoviszidose deutlich aussagekräftiger

Die Universitätsmedizin Greifswald und die Medizinische Fakultät Heidelberg der Universität Heidelberg haben eine KI entwickelt, die den Gesundheitszustand der Lunge bei Mukoviszidose automatisiert anhand von Röntgenaufnahmen erkennt. Prof. Mark Wielpütz beschreibt das Ziel, den geringen Informationsgehalt des Röntgenbildes so zu erhöhen, dass eine Analyse in hoher Qualität möglich wird. Die Ergebnisse veröffentlichte er im The American Journal of Respiratory and Critical Care Medicine.

Ausgangspunkt ist der Gegensatz zwischen MRT und Röntgen. Das MRT liefert den höchsten Informationsgehalt, ist aber aufwendig, teuer und weniger breit verfügbar. Röntgen ist häufig vorhanden, bietet jedoch deutlich weniger Detail. Das Team trainierte die KI mit einer über Jahrzehnte aufgebauten Sammlung aus Tausenden MRT-Untersuchungen und Röntgenbildern zu Mukoviszidose, überwiegend aus Wielpütz’ Zeit an der Universität Heidelberg. Den systemadministrativen Aufwand übernahm Erstautor Dr. Shengkai Zhao. Wielpütz verantwortete das Projekt und die radiologische Expertise.

Wielpütz nennt als zentrale Hürde die 2D-Natur des Röntgenbildes mit überlagernden Lungenveränderungen. Die KI lernte, im Röntgen verborgene Muster zu erkennen, die mit MRT-Ergebnissen zusammenhängen. Im unabhängigen Testdatensatz zeigte der entwickelte Deep Chest X-Ray Score eine sehr genaue Abbildung des tatsächlichen Lungenzustands. Zusätzlich betont das Team die Zeitersparnis. Menschen benötigen Minuten, die KI Sekunden, auch im Vergleich zur MRT-Auswertung. Die Auswertung soll über eine Kooperation mit dem Greifswalder Team erfolgen, das eingehende Aufnahmen bewertet und Ergebnisse zurücksendet. Wielpütz plant, die Methode auf weitere Krankheitsbilder und die Messung von Therapieeffekten auszuweiten. Wissenschaftlicher Vorstand Prof. Karlhans Endlich sieht darin die Möglichkeit, mit höherer Qualität mehr Diagnostik in kürzerer Zeit zu leisten und Patienten rascher zu behandeln.