deepCEST: Translation nicht-invasiver molekularer MR-Signaturen von ultra-hohen Feldern zur klinischen Anwendung

• Antragsteller: Professor Dr. Moritz Zaiss
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 458144583

Die klinische Magnetresonanztomographie (MRT) liefert trotz großer Fortschritte immer noch nur eingeschränkten Einblick zur Charakterisierung von Gehirntumoren hinsichtlich Grad, Aktivität und Therapieansprechen. Ein Grund dafür ist, dass konventionelle MRT hauptsächlich morphologische Gewebeveränderungen detektiert. Bevor jedoch morphologische Veränderungen auftreten, gibt es schon Änderungen im Metabolismus und in der zellulären Mikroumgebung. Eine Darstellung dieser molekularen Änderungen mit nicht-invasiver MR-Bildgebung kann die Diagnose, die Charakterisierung und das Therapie-Monitoring von verschiedenen Krankheiten revolutionieren. Neue MRT-Methoden wie chemical exchange saturation transfer (CEST) MRT liefern eine ganze Reihe an physiologischen Parametern. CEST MRT erzeugt Bildkontraste, die mit dem pH-Wert, dem Protein-Gehalt und deren Struktur, wie auch der Konzentration von verschiedenen Metaboliten korrelieren. Diese große Vielfalt an verschiedenen Signalen kann bisher aber nur an den wenigen Ultrahochfeld-(UHF)-Scannern erzeugt werden, da klinische Scanner eine sehr viel kleinere spektrale Auflösung als auch eine reduzierte MR-Signalstärke haben. Das Ziel des vorliegenden Projektes ist es diese Kluft der magnetischen Feldstärke zu überbrücken, indem eine umfassende CEST-Datenbank erstellt wird und innovative Ansätze des maschinellen Lernens benutzt werden um die A-priori-Informationen von UHF direkt zu übertragen. Diese Entwicklung wird die Translation einer merkmalreichen CEST-Bildgebung zu klinischen Feldstärken ermöglichen. Um dies zu erreichen wird (i) eine umfassende Multi-Magnetfeld-CEST-Datenbank des menschlichen Gehirns erstellt. (ii) Innovative Deep-Learning-Algorithmen zur Entrauschung und spektraler Entfaltung von 3T CEST-Daten werden entwickelt und validiert. Anschließend wird (iii) auf CEST-Daten einer klinischen Pilot-Studie Mustererkennung angewendet um nicht-invasive MR-Biomarker-Signaturen zur Charakterisierung von Tumor-Art, Grad, Aktivität und Therapieansprechen zu identifizieren. Diese Erweiterung der klinischen MRT um eine molekulare Komponente hat das Potential deutlich früher eine spezifischere Diagnose zu stellen und kann damit die personalisierte Therapie mit besserer Behandlungs-Strategie und höherem Erfolg ermöglichen.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Professor Dr.-Ing. Andreas Maier