Von Gliomen bis Parkinson: Wie künstliche Intelligenz die Neurochirurgie unterstützt.

(Adnkronos) – Die Erkennung und Abgrenzung von Tumoren in MRT-Bildern, die Rekonstruktion der für Neurochirurgen zu erhaltenden Hirnverbindungen und die Identifizierung des sichersten Weges zur Platzierung einer Elektrode: Dies sind einige der Anwendungen künstlicher Intelligenz, die in der Neurochirurgie erforscht werden. Diese neuen Perspektiven stehen im Mittelpunkt des 75. Nationalen Kongresses der Italienischen Gesellschaft für Neurochirurgie (Sinch), der vom 23. bis 26. September in Catania stattfindet.

Unter den über 700 präsentierten wissenschaftlichen Beiträgen untersuchen mehrere Studien, wie Computersysteme Spezialisten bei der Bildinterpretation und der Planung von Eingriffen unterstützen können. Die Ergebnisse seien vielversprechend, heißt es in einer Erklärung, müssten aber mit Vorsicht interpretiert werden. „Künstliche Intelligenz kann Neurochirurgen helfen, eine Fülle von Informationen zusammenzutragen, deren manuelle Auswertung im gleichen Zeitraum sehr schwierig wäre.“

Sie können zwar auf Dinge hinweisen, auf die man achten sollte, kennen aber nicht die Krankengeschichte der Person und treffen keine klinischen Entscheidungen. Die Verantwortung für die Entscheidung liegt beim Facharzt“, sagt Domenico d'Avella, Präsident von Sinch. 

Ein KI-System, das zur Analyse von MRT-Scans von Gliompatienten entwickelt wurde, wurde an 1.251 Fällen validiert und zeigte im Vergleich zu führenden Vergleichsmethoden eine überlegene Leistung bei gleichzeitig deutlich geringerem Speicherbedarf.

Die Studie befasst sich mit Gliomen, Tumoren des zentralen Nervensystems, bei denen die verschiedenen Tumorkomponenten in diagnostischen Bildern präzise identifiziert werden müssen. Diese Phase ist essenziell für die Operationsplanung, die Beurteilung des Resektionsumfangs und die Überwachung des Krankheitsverlaufs. Vor und nach der Operation müssen Spezialisten die verschiedenen Tumoranteile in den Bildern erkennen und abgrenzen – ein entscheidender Schritt für die Operationsplanung, die Beurteilung des entfernten Tumorgewebes und die Beobachtung des Krankheitsverlaufs. 

Die manuelle Segmentierung, wie sie in den Notizen detailliert beschrieben wird, ist sehr aufwendig und kann, zumindest teilweise, je nach Betrachter variieren. Zudem weisen MRT-Bilder nicht immer die gleiche Qualität auf: Es können Störungen, Bewegungsartefakte oder gerätebedingte Unterschiede auftreten. Eine Forschergruppe hat daher das System Unetr-Rf entwickelt, das die Zuverlässigkeit verschiedener MRT-Bilder bewertet und den aussagekräftigsten Bildern ein höheres Gewicht beimisst. Dadurch werden die Auswirkungen von Patientenbewegungen und Geräteunterschieden reduziert. In der Validierung an 1.251 Fällen erzielte das Modell einen durchschnittlichen Übereinstimmungsindex von 0,81, verglichen mit 0,78 für die beste Vergleichsmethode. Dieser Unterschied war statistisch signifikant. 

Die Forscher betrachten diese Ergebnisse als ersten Schritt zur Entwicklung von GliomAId, einer Plattform, die Tumorgewebe, Operationshöhle und Restgewebe anhand von prä- und postoperativen Bildern von über 700 Patienten automatisch unterscheiden soll. Das System befindet sich jedoch noch in der Forschungsphase. „Das genaue Verständnis der Tumorlage und seiner Beziehung zu den umliegenden Strukturen ist für die Operationsvorbereitung unerlässlich. Systeme dieser Art könnten die Bildanalyse beschleunigen und vereinheitlichen. Vor dem klinischen Einsatz müssen sie jedoch in verschiedenen medizinischen Einrichtungen gründlich getestet werden“, erklärt Giuseppe Barbagallo, Konferenzpräsident und Sekretär von Sinch, einem der Studienautoren. 

Eine Karte der Hirnverbindungen zum Erhalt neurologischer Funktionen: Ein zweites Forschungsprojekt soll Neurochirurgen helfen, die an Bewegung, Sprache und wichtigen kognitiven Funktionen beteiligten Hirnverbindungen zu visualisieren und zu interpretieren. Das von den Forschern entwickelte KI-Modell kann laut Pressemitteilung große Datenmengen aus Traktografiebildern – einer Technik zur Rekonstruktion des Verlaufs von Nervenfasern im Gehirn – verdichten und organisieren. Ein einziger Verarbeitungsschritt kann Millionen von Fasern erzeugen, was die manuelle Analyse komplex macht. Das System ist so konzipiert, dass die Struktur der Verbindungen auch dann erhalten bleibt, wenn Tumore oder andere Läsionen die Hirnanatomie verändern. Ziel ist es, Chirurgen bei der Identifizierung der zu erhaltenden Nervenbahnen während der Operation zu unterstützen. „Ein immer genaueres Verständnis der Organisation von Hirnnetzwerken ermöglicht uns die Planung personalisierterer Eingriffe. Diese Werkzeuge könnten uns helfen, enorme Informationsmengen zu integrieren und gleichzeitig die Patientensicherheit in den Vordergrund zu stellen“, erklärt Barbagallo. 

Darüber hinaus könnte künstliche Intelligenz die Präzision der Planung von Tiefenhirnstimulationen verbessern, einem Verfahren, das bei einigen Parkinson-Patienten zur Linderung von Symptomen wie Tremor, Steifheit und verlangsamten Bewegungen eingesetzt wird. Während des Eingriffs muss der Neurochirurg ein kleines Hirnareal präzise identifizieren, das mit der Elektrode behandelt werden soll, und den optimalen Weg bestimmen, um empfindliche Strukturen zu schonen. Eine auf dem Kongress vorgestellte Studie evaluierte ein System, das das anatomische Ziel automatisch identifizieren und anhand von Hirnbildern des Patienten die Elektrodenbahn vorschlagen kann. Die Methode wurde retrospektiv an 10 Patienten und 20 Trajektorien verifiziert. Die automatisierte Verarbeitung dauerte etwa 10 Minuten. Der mittlere Abstand zwischen dem vom System identifizierten Punkt und der nach dem Eingriff beobachteten Position betrug 4,08 mm, verglichen mit 6,34 mm bei der konventionellen Planung als Vergleichsmethode. 

„Ziel ist es nicht, den Neurochirurgen zu ersetzen, sondern ein zusätzliches Instrument für eine zunehmend personalisierte und präzise Operationsplanung bereitzustellen“, erklärt d’Avella. „Langfristig könnten Technologien dieser Art die Bildanalyse beschleunigen und komplexere klinische Entscheidungen unterstützen.“ Von der Aneurysma-Prognose bis zu Meningeomen: Wie KI das Risiko einschätzt – eine Studie mit 326 Patienten aus neun italienischen Zentren untersuchte Hirnblutungen infolge rupturierter Aneurysmen. Die Analyse identifizierte das Blutvolumen in den Hirnventrikeln als den wichtigsten Faktor für Mortalität und Behinderung in der untersuchten Population. Dieses Ergebnis stammt aus einer Studie, die auf der Sinch-Konferenz zur Anwendung künstlicher Intelligenz zur Verbesserung der Prognoseeinschätzung in der Neurochirurgie vorgestellt wurde. An der Studie nahmen neun italienische Zentren teil. Mithilfe von KI-Modellen wurde die Wechselwirkung zwischen intraventrikulärem Blutvolumen, Alter und anderen klinischen Parametern analysiert, um die Faktoren zu identifizieren, die am engsten mit dem Behandlungsergebnis zusammenhängen. 

„Die Prognose in der Neurochirurgie hängt von vielen interagierenden Faktoren ab“, erklärt d’Avella. „Künstliche Intelligenz kann uns helfen, diese Zusammenhänge besser zu verstehen, doch die Qualität der für Training und Validierung verwendeten Daten bleibt entscheidend. Daher muss jede medizinische Anwendung wissenschaftlich streng und in verschiedenen klinischen Kontexten überprüft werden.“ Technologie ersetzt nicht die Arzt-Patienten-Beziehung: Neben den Möglichkeiten ergeben sich auch Fragen zum Schutz von Gesundheitsdaten, zum Fehlerrisiko und zur Transparenz der verwendeten Systeme. 

Ein Algorithmus, der anhand begrenzter Patientengruppen trainiert wurde, erzielt möglicherweise nicht bei Patienten mit unterschiedlichen Merkmalen die gleiche Leistung. Darüber hinaus müssen die Ergebnisse von Spezialisten interpretiert und kritisch bewertet werden können, damit künstliche Intelligenz nicht zu einer „Black Box“ wird, die automatisch Entscheidungen trifft. „Neurochirurgie erfordert komplexe Entscheidungen, die nicht allein auf Bilddaten basieren. Es gilt, den Zustand des Patienten, seine Bedürfnisse, die Risiken und die realistisch erreichbaren Ergebnisse zu berücksichtigen. Künstliche Intelligenz kann die verfügbaren Instrumente verbessern, aber sie ersetzt nicht die Arzt-Patienten-Beziehung“, so Barbagallo abschließend. 

-

Chronik

webinfo@adnkronos.com (Web-Info)