Das Herz- und Diabeteszentrum NRW (HDZ NRW) in Bad Oeynhausen nutzt Künstliche Intelligenz (KI), um die bildgebende Diagnostik für Herzpatienten zu verbessern. Das Institut für Radiologie, Nuklearmedizin und Molekulare Bildgebung entwickelt im eigenen KI-Forschungsbereich Lösungen, die die Genauigkeit der Diagnostik steigern und Strahlenbelastungen minimieren. Eine deutschlandweite Studie soll 2025 konkrete Ergebnisse liefern.

Die fortschreitende Digitalisierung hat die Bildanalyse bei CT, MRT und Röntgenaufnahmen in den letzten Jahrzehnten präziser gemacht. Am HDZ NRW profitieren Herz- und Lungenpatienten von modernster Technik. Datenwissenschaftler Dr. Tamino Huxohl fokussiert sich auf die SPECT-Diagnostik, die Herzmuskeldurchblutung bei koronaren Herzerkrankungen abbildet. Ein Problem sind Absorptionsartefakte, die durch Gewebe verursachte Bildstörungen, welche die Diagnosegenauigkeit mindern. Moderne SPECT/CT-Geräte korrigieren diese durch eine zusätzliche CT, doch Huxohls Team untersucht, ob KI diese Korrektur ohne CT übernehmen kann.

Eine erste Studie mit 150 Datensätzen zeigte, dass KI-basierte Korrekturen eine gleichwertige Bildqualität liefern und falsch positive Befunde um bis zu 15 Prozent reduzieren können. Diese Ergebnisse führten zu einer multizentrischen Studie mit elf deutschen Universitätskliniken, deren Veröffentlichung 2025 erwartet wird. Die Forscher setzen auf Deep Learning, das künstliche neuronale Netzwerke nutzt, um aus Bilddaten zu lernen und Diagnosen zu beschleunigen.

Die Verbesserungen könnten die jährlich etwa 280.000 Herzmuskelszintigraphien in Deutschland revolutionieren. Neben präziserer Diagnostik eröffnen KI-Modelle neue Weiterbildungsmöglichkeiten für Mediziner. Trotz des Potenzials bleibt die breite klinische Anwendung eine Herausforderung, die weitere Forschung erfordert.

Original Paper:

Huxohl, Tamino et al.: Deep learning approximation of attenuation maps for myocardial perfusion SPECT with an IQ SPECT collimator. EJNMMI Phys. 2023 Aug 28;10(1):49. doi: 10.1186/s40658-023-00568-1.

Lesen Sie auch:

Künstliche Intelligenz hilft bei Segmentierung von Zellen – MedLabPortal

_{Redaktion: X-Press Journalistenbürö GbR}

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.