DZNE Magdeburg entwickelt digitale „Qualitätsampel“ für MRT-Scans

Die Magnetresonanztomographie (MRT) ist ein bildgebendes Verfahren zur Darstellung von Organen und Gewebe im Inneren des Körpers. Wenn MRT-Aufnahmen aber unscharf sind, sind diese Bilder für die klinische Versorgung und die Durchführung medizinischer Studien unzureichend – und damit unbrauchbar. Prof. Emrah Düzel, Standortsprecher und Leiter der Klinischen Forschung am DZNE-Standort Magdeburg, hat nun gemeinsam mit seiner Forschungsgruppe sowie Fachleuten der Universitätsmedizin Magdeburg bei der IT-Veranstaltung „HealthCare Hackathon“ eine Künstliche Intelligenz entwickelt, um die Bildqualität von MRT-Aufnahmen digital zu bewerten und verbessern.

Verwackelte Bilder oder unscharfe Strukturen: Bei der Magnetresonanztomographie (MRT) kann es schnell zu sogenannten Bildartefakten kommen – beispielsweise, wenn die untersuchte Person sich während der Aufnahme bewegt. Normalerweise muss die Bildqualität in der klinischen Routine durch Fachleute beurteilt werden. Treten Bildfehler auf oder ist die beurteilende Person noch unerfahren und unsicher in der Bewertung, ist es notwendig, die Untersuchung zu wiederholen. Das ist auch der Fall, wenn die Zeit aufgrund von Personalmangel zu knapp für eine Beurteilung ist und erst nach dem Untersuchungstermin festgestellt wird, dass die Bildqualität nicht ausreicht. Die Forschungsgruppe von Emrah Düzel hat nun bei der Soft- und Hardwareentwicklungsveranstaltung „HealthCare Hackathon“ in Mainz zusammen mit Mitarbeiterinnen und Mitarbeitern  der Universitätsklinik für Neurologie und dem Geschäftsbereich IT und Medizintechnik der Universitätsmedizin Magdeburg eine Künstliche Intelligenz entwickelt, die Artefakte in MRT-Bilddaten erkennen bzw. deren Schwere bewerten kann. Beim „HealthCare Hackathon“ entwickeln interdisziplinäre Teams gemeinsam IT-Projekte für Probleme im Bereich Pflege, Künstliche Intelligenz, Quantencomputing, Botsysteme oder auch Notfallmedizin.

Die vom Magdeburger Team geschaffene Künstliche Intelligenz soll in Echtzeit eine Ampelempfehlung für die Bildqualität (gut/moderat/schlecht) von MRT-Aufnahmen ausgeben: Bei schlechten Scans muss das Bild sofort neu aufgenommen werden, Scans mit moderater Bildqualität werden nochmal von Fachpersonal begutachtet. Gute Scans kommen zwecks Diagnose direkt bei einer Ärztin oder einem Arzt an. Ziel dieser digitalen Lösung ist es, wiederkehrende Fehler auszumachen und eine komplett automatisierte Bewertung einzurichten. So können Kosten und vor allem Zeit eingespart werden, weil Aufnahmen nicht wiederholt werden müssen und Prozesse und Abläufe optimiert werden können. Das Team gewann für dieses Projekt einen Implementierungsworkshop mit Siemens Healthcare, IBM Deutschland und Amazon Web Services DACH und wurde zum „Healthcare Hackathon“ 2021 in Berlin eingeladen.

Zukünftig sollen von dem Projekt nicht nur die Kliniken der Universitätsmedizin Magdeburg profitieren, sondern auch kleinere Krankenhäuser und radiologische Praxen in Sachsen-Anhalt. Die automatisierte Bewertungsampel kann außerdem in Studien der Klinischen Forschung des DZNE eingesetzt werden, um die Qualitätssicherung für Studien zu unterstützen.

Hintergrund

Der „Healthcare Hackathon“ ist ein interaktives und interdisziplinäres Veranstaltungsformat, das seit 2016 in verschiedenen Städten stattfindet. IT-Fachleute treffen dort auf andere interessierte Teilnehmer*innen, um in Teams neue Werkzeuge und Prozesse zu entwickeln, die bei vielen Industriepartnern und in der Unimedizin zur Anwendung kommen.

Das Team aus Mitarbeiterinnen und Mitarbeitern des DZNE Magdeburg, der Universitätsklinik für Neurologie und dem Geschäftsbereich IT und Medizintechnik der Universitätsmedizin Magdeburg beteiligte sich zum ersten Mal bei einem „Healthcare Hackathon“. Insgesamt nahmen Fachleute von 23 Universitätskliniken an der Veranstaltung teil.

Willkommen auf unserer Webseite, informieren Sie sich hier grundsätzlich cookie-frei.

Wir würden uns freuen, wenn Sie für die Optimierung unseres Informationsangebots ein Cookie zu Analysezwecken zulassen. Alle Daten sind pseudonym und werden nur durch das DZNE verwendet. Wir verzichten bewusst auf Drittanbieter-Cookies. Diese Einstellung können Sie jederzeit hier ändern.

Ihr Browser erlaubt das Setzen von Cookies: