Diagnostische Modellierung multimodaler Bilddaten des Gehirns bei psychischen Erkrankungen

• Antragsteller: Privatdozent Dr. Benedikt Sundermann
• Fachliche Zuordnung: Klinische Neurologie; Neurochirurgie und Neuroradiologie ; Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung von 2016 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 311084090

Psychische Erkrankungen und bestimmte Systemerkrankungen des Gehirns werden derzeit primär auf der Grundlage klinischer Symptome diagnostiziert. Hierdurch können jedoch biologisch verschiedene Erkrankungen mit ähnlicher Symptomatik nur eingeschränkt differenziert werden und es sind nur begrenzte Aussagen über den individuellen Erkrankungsverlauf möglich. Daher ist es erstrebenswert, das Spektrum der diagnostischen Verfahren um Methoden zu ergänzen, die neurobiologische Korrelate erfassen können. Hierzu zählen insbesondere bildgebende Verfahren wie die Magnetresonanztomographie (MRT). Funktionelle, morphometrische und mikrostrukturelle Bildgebungstechniken sind als wissenschaftliche Methoden etabliert. Im Gegensatz zum wissenschaftlichen Erfolg solcher zumeist unimodalen und auf univariaten Analysen beruhenden Verfahren hat sich keines dieser Standardverfahren als hinreichend robust zur Individualdiagnostik erwiesen. Zuletzt gibt es vielversprechende Berichte über die Anwendung multivariater Klassifizierungsverfahren (im Gegensatz zu univariaten Methoden) auf beispielsweise funktionelle MRT-Daten. Hieraus konnten diagnostische Modelle abgeleitet werden. Ziel ist es dabei, durch gemeinsame Betrachtung von Informationen aus verschiedenen Hirnregionen und spezifische diskriminative Analysen die diagnostische Aussagefähigkeit zu verbessern. Ein Großteil dieser Studien verwendete lediglich eine Bildgebungsmodalität. Es wird jedoch angenommen, dass die Kombination gleichsinniger und ergänzender Information mehrerer Modalitäten zu einer weiteren Verbesserung führen kann. Die besondere Herausforderung gemeinsamer diagnostischer Modelle besteht in der unterschiedlichen Struktur und Verteilung solcher Daten. Ziele dieses Projektes sind es (i) eine explizit diagnostische gemeinsame Analysestrategie für multimodale MRT-Daten bei psychischen Erkrankungen zu implementieren, die um weitere Informationsquellen ergänzt werden kann, (ii) diese in vorliegenden großen Datensätzen zu optimieren und zu validieren und (iii) ihre Übertragung auf weitere diagnostische Fragestellungen vorzubereiten, sofern unter (ii) hinreichende Genauigkeiten erreicht werden. In diesem einjährigen Projekt werden aktuelle Verfahren zur Verarbeitung von funktionellen, volumetrischen und diffusionsgewichteten MRT-Daten sowie eine innovative Strategie zur Kombination dieser multimodalen Daten, die sogenannte linked independent component analysis, eingesetzt. Diese wurden im gastgebenden Institut entwickelt. Sie sollen mit multivariaten Klassifizierungsmethoden kombiniert werden. Das resultierende Verfahren wird mit Daten einer deutschen Kohortenstudie zur Depression (1392 Probanden) und Daten zum Altern (Schwerpunkt Demenz) getestet und optimiert. Erweiterbarkeit und Bedienbarkeit der resultierenden Software-Implementation sollen sichergestellt werden, um sie für weitere diagnostische Fragen in zukünftigen Studien zu nutzen. Ein klinischer Routineeinsatz ist dabei langfristiges Ziel.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: Großbritannien
• Gastgeberin: Professorin Gwenaëlle Douaud, Ph.D.