Einen Hirntumor in Rekordzeit exakt abbilden, nach einem Schlaganfall vorhersagen, welches Gewebe sich wieder erholen wird, das Schadensausmass von Multipler Sklerose (MS) im Hirn genau erfassen – dies alles kann eine selbstlernende Berner Software, die Machine-Learning-Techniken einsetzt. Am weltweit grössten Fachkongress in medizinischer Bildgebung MICCAI, belegte sie für alle drei Krankheitsbilder einen Spitzenplatz (www.miccai2016.org).

Eine Idee – viele Anwendungen
Die Erst-Software zur Abbildung von Hirntumoren BraTumIA konnte kürzlich an eine französische Firma lizensiert werden. Das selbstlernende System analysiert aufgrund bereits erfasster Datensätze neuroradiologische Bilder in drei Dimensionen und bietet der behandelnden Ärztin rasch zusätzliche Informationen zur bestmöglichen Behandlung des Patienten. Ein zweiter Ableger des Berner modularen Ansatzes (FASTER) kann bespielsweise nach Hirnschlägen erkennen, welches Gewebe eine Chance auf vollständige Erholung hat. Eine klinische Studie zur Anwend-barkeit dieser Software ist eben im „Journal of Cerebral Blood Flow & Metabolism“ erschienen.

Fortschreiten von MS präzise erkennen
Die neueste Weiterentwicklung lernt mittels spezieller „deep learning“ Algorithmen des biomedizinischen Computerwissenschaftlers Richard McKinley, typische Hirnläsionen bei MS exakt in ihrer Volumenausbreitung zu erfassen. Diese Information lässt erkennen, ob die Krankheit stabil bleibt oder die Medikation geändert werden muss, um ein Fortschreiten zu verhindern. In einem ersten Test lieferte das Berner Programm auf sämtlichen handelsüblichen MRI-Geräten vergleichbare Einschätzungen wie eine Gruppe von ausgewiesenen MS-Experten.