Künstliche Intelligenz im Kampf gegen Alzheimer

Für ein Projekt zu Künstlicher Intelligenz des DZNE hat das Bundesministerium für Bildung und Forschung (BMBF) rund 1 Mio. Euro an Fördermitteln bewilligt. Unter der Leitung von Prof. Martin Reuter sollen Analysemethoden entwickelt werden, die eine schnellere und verbesserte Auswertung von MRT-Gehirnscans für die Demenzforschung ermöglichen.

Studien mit einer großen Anzahl von Teilnehmern sind eine Möglichkeit, die Ursachen von Demenzerkrankungen zu erforschen. In diesen Studien werden unter anderem per Magnetresonanztomographie (MRT) dreidimensionale Aufnahmen des menschlichen Gehirns gemacht. Diese 3D-Gehirn-Bilder werden beispielsweise in Hinblick auf die Erkennung früher präsymptomatischer Anzeichen analysiert.

Angesichts des raschen Anstiegs der Teilnehmeranzahlen in solchen Studien sind bisherige Ansätze mit der schnellen Auswertung dieser großen Datenmengen überfordert: Die Rechenzeiten liegen momentan bei circa sechs Stunden pro Bild. „Die Verarbeitung kann daher selbst auf modernen Rechenclustern Monate dauern. Daher forschen wir an einer neuen und effizienteren Analysemethode“, sagte Prof. Martin Reuter. Durch das nun geförderte Projekt „DeepNI“ („Innovative Deep Learning Methoden für die Rechnergestützte Neuro-Bildgebung“) wird die Rechenzeit pro Bild auf eine Minute verkürzt. Dies geschieht auf Basis von Deep Learning.

Bei der bisherigen Auswertung dieser Bilder haben sich in den vergangenen Jahren sogenannte Software-Pipelines etabliert. Dabei handelt es sich um eine Aneinanderreihung von komplexen Computerprogrammen, die jeweils unterschiedliche, aufeinander folgende Aufgaben bearbeiten. So standardisiert ein Modul etwa die Helligkeit des Bildes, ein folgendes muss das Gehirn identifizieren – und weitere müssen bis zu etwa 100 verschiedene Gehirnstrukturen und -bereiche erkennen und auf dem Bild markieren. Dadurch kann automatisch gemessen werden, ob sich beispielsweise der Hippocampus verändert hat.

„Wir entwickeln mit ‚DeepNI‘ modernere, schnellere Methoden der künstlichen Intelligenz, sogenannte neuronale Netze, die darüber hinaus die Funktionalität der bisherigen Pipelines erweitern“, sagt Reuter. Neuronale Netze können dabei im Vorfeld mithilfe von hochgradig parallel arbeitenden Grafik-Chips auf bereits ausgewerteten Gehirnscans trainiert werden. Danach sind sie in der Lage, innerhalb von Sekunden einzelne Gehirnstrukturen zu erkennen.

„Es ist angedacht, dass wir unsere erarbeiteten Methoden in bereits existierende und weit verbreitete Open-Source-Software integrieren, sodass viele Forschende und medizinische Anwender weltweit von den Verbesserungen profitieren.“

Denn nicht nur in der Forschung, auch in der klinischen Anwendung kann die neue Analysemethode langfristig von großem Nutzen sein, sagt  Reuter. „Schnelligkeit unterstützt den medizinischen Entscheidungsprozess: Zukünftig könnten Mediziner innerhalb von einer Minute MRT-Scans vom Computer auswerten lassen, sogar noch während der Patient im Scanner liegt.“