Detailseite
Projekt
Graph learning und pathophysiologische Modelle: Hin zu einer neuen Klassifikation von Läsionen der weißen Substanz in der Multiplen Sklerose
Antragsteller
Professor Dr. Mark Mühlau; Professor Dr. Daniel Rückert, Ph.D.; Privatdozent Dr. Benedikt Wiestler
Fachliche Zuordnung
Nuklearmedizin, Strahlentherapie, Strahlenbiologie
Förderung
Förderung seit 2019
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 428223038
Die Multiple Sklerose (MS) ist die häufigste chronisch-entzündliche Erkrankung des Zentralen Nervensystems und betrifft über 2.5 Millionen Menschen weltweit. Die MS ist die führende nicht-traumatische Ursache schwerer neurologischer Behinderung junger Erwachsener. Die MRT ist eine zentrale Säule bei der Behandlung von MS-Patienten: Sie kann subklinische Krankheitsaktivität aufzeigen und bietet damit die Chance, die Therapie anzupassen, bevor eine klinisch fassbare Verschlechterung eintritt. Im Gegensatz zu Fortschritten beim Verständnis der Pathophysiologie der MS und der Entwicklung moderner Therapien erfolgt die Beurteilung der MRT-Bildgebung auf sehr einfache Art und Weise, indem neue T2-hyperintense Läsionen in der weißen Substanz gesucht werden. Dabei haben verschiedene Studien klar gezeigt, dass diese Läsionen mitnichten nur “Narben” nach abgelaufenen Entzündungen sind, sondern verschiedene pathophysiologische Prozesse widerspiegeln und damit wertvolle Informationen enthalten. Leider wird diese in MRT-Bildern enthaltene, reichhaltige Information derzeit nicht genutzt. Um diese krankheitsspezifischen Informationen aus MRT-Aufnahmen zu gewinnen, werden wir in unserem Projekt auf unseren Ergebnissen aus der ersten Förderperiode des DFG-Schwerpunktprogramms “Radiomics” aufbauen und gezielt weiterentwickeln. In der ersten Förderperiode haben wir Werkzeuge zur transversalen Läsionssegmentierung und -beschreibung entwickelt. Hierauf anknüpfend planen wir synergistisch daten- und hypothesengetriebene Biomarker der MS aus MRT-Bildern zu gewinnen, mit einem besonderen Fokus auf die longitudinale Entwicklung der Erkrankung, um pathophysiologische Prozesse besser abzubilden. Wir werden hierzu parallel an Algorithmen zur (selbst-)supervidierten Läsionsbeschreibung und hypothesen-getriebenen Modellen der MS-Läsionsentstehung arbeiten. Wichtig ist dabei ein enger Austausch, so dass wir Ergebnisse gezielt kreuz-validieren werden. Zum Beispiel werden wir untersuchen, ob Läsionen einer bestimmten pathophysiologischen Gruppe auch ähnliche Bildeigenschaften aufweisen. Basierend auf unseren Vorarbeiten zu Graph Convolutional Networks werden wir Informationen aus beiden Ansätzen gezielt zu patienten-spezifischen Graphen kombinieren. Das ermöglicht es uns, die Bilddaten auf ganz neue Weise zu modellieren und bildet die Grundlage für eine detaillierte Analyse auch der longitudinalen Informationen. Basis für die Entwicklung der Modelle ist dabei unsere große, umfassend charakterisierte prospektive Kohorte von MS-Patienten (> 3000 Patienten). Darüber hinaus werden wir unsere Ergebnisse in Kooperation mit anderen Zentren (Mainz, Zürich) extern validieren. In diesem Projekt werden wir MRT-Biomarker der MS identifizieren, die aus Routine-MRTs ausgelesen und damit klinisch nutzbar gemacht werden können. Damit wird dieses Projekt das Potenzial der computer-gestützten Bildanalyse aufzeigen und zu einer verbesserten klinischen Versorgung von MS-Patienten beitragen.
DFG-Verfahren
Schwerpunktprogramme
Internationaler Bezug
Schweiz
Kooperationspartner
Professor Dr. Björn Menze
