Das Hirn beobachten: Computergestützte Diagnostik mittels Magnetresonanztomographie

Transkript

1 Trendtage Gesundheit Luzern, 3. März 2016 Das Hirn beobachten: Computergestützte Diagnostik mittels Magnetresonanztomographie Tobias Kober, Ph.D. siemens.com/answers

2 Eine kurze Vorstellung In einem weltweit einmaligen Setup forscht die Gruppe Advanced Clinical Imaging Technology (ACIT) von Siemens Healthcare mit ihren Partnern Radiologie Unispital Lausanne (CHUV) Klinik ETH Lausanne (EPFL) Centre d Imagerie Biomédicale (CIBM) an der patientenorientierten Verbesserung von MRT-Verfahren. ACIT Entwickeln, aufnehmen, ausbrüten neuer Ideen sowie klinische Validierung mit unseren Partnern. Industrie Forschung Page 2

3 Spirit der Zusammenarbeit! Page 3

4 Woher Vor 120 Jahren Wilhelm Conrad Röntgen führte 1896 die erste (noch erhaltene) Durchleuchtung eines lebenden Menschen durch seines Kollegen Albert von Kölliker. Seitdem haben die bildgebenden Verfahren eine rasante Entwicklung hinter sich: Endoskopie ( -1980er) Ultraschall (1940er) CT (1960er) EEG (1920er) SPECT (1960er) Szintigraphie (1950er) PET (1970er) Röntgenaufnahme 26. Januar 1896 Magnetresonanztomographie EIT (1980er) (1970er) Source: Wikipedia Page 4

5 IKR-TRIC University Hospital Muenster, Germany Magnetresonanztomographie ein versatiles Bildgebungstool Verschiedene Bildkontraste enthalten komplementäre Information Hirntumor, Patient 46 Jahre, männlich Gesunde Probandin, 33 Jahre Page 5

6 Das Gehirn beobachten Erforschung der Hirnfunktion live Diffusions-MRT & Fiber Tracking Verfolgt den Weg der Wassermoleküle entlang der Nervenbahnen. Funktionelle MRT Stellt Kontraständerungen aufgrund von erhöhter Hirnaktivität dar. inaktiv aktiv Source: Huettel, Song & McCarthy, 2004 Functional Magnetic Resonance Imaging Video courtesy of Dr. Wietske van der Zwaag, Spinoza Centre, Amsterdam Page 6

7 Magnetresonanztomographie Stand heute MRT ist dank ihres exzellenten Weichteilkontrasts in der medizinischen Praxis etabliert. Sie liefert strukturelle und funktionelle Information. Sowohl die funktionelle als auch die Diffusionsbildgebung haben ein Tor zum Studium des Gehirns am lebenden Subjekt geöffnet. Viele der neurowissenschaftlichen und psychologischen Erkenntnisse der letzten Dekade verdanken wir der funktionellen MRT. Immer mehr ist möglich immer mehr Daten werden generiert was ist der nächste Schritt? Page 7

8 Morphometrie Hilfe bei der Demenz-Diagnose Standardwerte Gesunder Report der Volumina und des Vergleichs mit Normalwerten direkt auf dem Scanner Volumina der Hirnareale des Patienten Page 8

9 Entscheidungsunterstützung mittels Data Mining in der Radiologie Immer mehr quantifizierbare & digitalisierte diagnostische Daten Um so mehr Daten vorhanden sind desto besser können Techniken des machine learning angewendet werden, das heißt: Finde diagnostikrelevante Korrelationen Wende die gefundenen Regeln zur automatischen Klassifizierung an Erkennungsrate der automatischen Detektion Erste Erkenntnis: 0.1 Das Hinzufügen komplementärer Informationen 0 AD vs MCI vs MCI vs AD 2-year 3-year steigert die Erkennungsrate drastisch! Normal Normal conversion conversion Nur Volumetrie Volumetrie + MMSE MMSE = mini mental state examination Page 9

10 Paradigmen-Verschiebung in der Radiologie / Neurologie? Vergleich von relativen Intensitätsunterschieden Reading-Erfahrung Page 10

11 Paradigmen-Verschiebung in der Radiologie / Neurologie? Quantifizierbare Bildinformationen Entscheidungshilfe Effizienzsteigerung Standardisierung Zusätzliche Auswertungen & Daten Einige Herausforderungen: Zusammenführung der Daten Ermitteln von Normwerten Robuste Algorithmik Transparenz der Analysen Page 11

12 Woher Wohin: Ein Fazit Radiologische Information wird immer quantifizierbarer. Trend zu Standardisierung immer mehr Normdaten zugänglich. Intelligente Bildverarbeitung liefert zusätzliche Informationen, die wiederum auch quantifizierbar sind. Quantifizierbare Daten lassen sich automatisch 1896 Source: Wikipedia 2016 auswerten (Stichwort big data ). Ziel sollte sein: Datenreduktion sowie die Unterstützung diagnostischer Entscheidungen des Radiologen und Neurologen. Dadurch ermöglichen einer bestmöglichen und effizienten Diagnose. Keinesfalls soll und darf der Mensch dabei ersetzt werden (caveat big data!). Page 12

13 Vielen Dank! Vielen Dank für Ihre Aufmerksamkeit! Großer Dank an das ganze ACIT-Team für die großartige Zusammenarbeit und Vortragsbeiträge. Ich möchte insbesondere auch unseren Kollaborationspartnern in Lausanne danken: Prof. Reto Meuli (Radiologie CHUV) Prof. Matthias Stuber (CIBM CHUV) Prof. Jean-Philippe Thiran (EPFL) Prof. François Démonet (CHUV / Leenaards Memory Centre) Vielen Dank auch den Kollegen aus Zürich: Urs Suter Daniel Schmucki & das BM Team Markus Klarhöfer Page 13