Neuronale Netze ermöglichen autonome Steuerung von Kathetern

Mithilfe Künstlicher Intelligenz wollen Fraunhofer-Forscher endovaskuläre Operationen schneller und sicherer machen: Der Katheter soll autonom und computergesteuert zum Ort des Eingriffs navigieren. Erste Tests im Simulationsmodell und am Prüfstand sind vielversprechend.

Immer häufiger therapieren Ärzte einen Schlaganfall durch Thrombektomie. Dieses Verfahren dauert 45 Minuten bis zu 3,5 Stunden, je nach Expertise des Operateurs. Die Thrombektomie setzt eine lange Ausbildung und viel Übung voraus. Allein zehn bis 90 Minuten benötigt der Mediziner – je nach Patient –, um den Katheter zum Blutgerinnsel zu navigieren. Diese Problematik adressieren Forscher der Mannheimer Projektgruppe für Automatisierung in der Medizin und Biotechnologie PAMB, die an das Fraunhofer-Institut für Automatisierung und Produktionstechnik IPA angegliedert ist.

Mithilfe eines robotischen Assistenzsystems – einem computergesteuerten Katheter – wollen sie eine zuverlässigere und schnellere Variante der Therapie etablieren. Die Besonderheit: Der Katheter wird durch Methoden der Künstlichen Intelligenz autonom zum Ort des Eingriffs navigiert. “Die Operation selbst, also das Herauslösen des Blutpfropfens mithilfe des Stent-Retrievers, führt nach wie vor der Arzt durch. Aber die komplizierte Navigation dorthin, bei der schwierige Anatomien zu überwinden sind, soll künftig ein autonom gesteuerter Katheter erledigen”, sagt Johannes Horsch, Wissenschaftler der Projektgruppe. “Die autonome Intervention per Katheter eignet sich aber nicht nur bei einem Schlaganfall, sie lässt sich vielseitig anwenden, etwa bei der endovaskulären Operation von Herzinfarkten oder Lebertumoren”, betont der Ingenieur.

Autonome Navigation durch Deep Reinforcement Learning

Ermöglicht werden soll die autonome Navigation durch Deep Reinforcement Learning (DRL), eine Methode, mit der sich neuronale Netze trainieren lassen. Sie ähnelt der Art, wie Menschen lernen. Die Besonderheit von DRL: Der Algorithmus generiert die Daten zum Trainieren des neuronalen Netzes eigenständig durch permanentes Üben am Computer-Simulationsmodell – einer virtuellen Nachbildung eines Gefäßbaums und Katheters, mit der der reale Algorithmus interagieren kann. Die Forscher haben dazu einen zusätzlichen Bewertungsalgorithmus entwickelt, der bewertet, ob die jeweilige Aktion richtig oder falsch ist.

Steuerungsalgorithmus vereint Erfahrungswissen von vielen Ärzten

Der Steuerungsalgorithmus wird das Erfahrungswissen von vielen Ärzten umfassen und infolgedessen ein schnelleres Navigieren durch den Körper erlauben. Vor allem aber wird die große Streuung der sehr unterschiedlichen Dauer der Eingriffe, bedingt durch die variierenden Anatomien der Patienten, vermieden. Ein weiterer Vorteil: Insbesondere kleine Kliniken, die nicht über entsprechend ausgebildete Spezialisten verfügen, sollen künftig von dem Verfahren profitieren. Sie wären dann in der Lage, endovaskuläre Schlaganfalltherapien durchzuführen, bei denen Katheter zum Einsatz kommen. Diese Eingriffe können in der Regel nur in Stroke Units durchgeführt werden.

Komplexes Zusammenspiel zwischen Katheter und Draht

Derzeit navigieren die Forscher in ihren Simulationstests einen Führungsdraht, im nächsten Schritt starten die Untersuchungen mit einem Katheter, der den Draht ummantelt. “Bei einer realen Operation ist der Katheter über den Draht geschoben. Der Katheter wird nachgeschoben, wenn der Führungsdraht in das richtige Gefäß navigiert wurde”, sagt Horsch. Ziel des Teams ist der Einsatz von zwei oder drei ineinanderliegenden Kathetern, die immer kleiner werden, um in die filigranen Blutgefäße im Kopf zu passen, die wesentlich enger sind als die Gefäße etwa in der Leistenregion.

Bis zum Projektende im September 2020 werden die Forscher in präklinischen Untersuchungen den Steuerungsalgorithmus am Silikonphantom perfektionieren, das den gesamten Gefäßbaum von der Leiste bis zum Kopf nachbildet. In Anschlussprojekten soll das System insbesondere hinsichtlich der Zuverlässigkeit und Sicherheit weiterentwickelt werden. Daran anschließend sind für klinische Studien zum Nachweis der Sicherheit und Wirksamkeit etwa vier bis fünf Jahre anberaumt. “Es wird sicher noch zehn bis 15 Jahre dauern, bis das System kommerziell in Kliniken eingesetzt werden kann, zuvor sind umfangreiche Forschungsarbeiten sowie klinische Studien erforderlich. Von Gesetzgeberseite ist darüber hinaus die rechtliche regulatorische Zulassung von neuronalen Netzen in der Medizin zu klären”, resümiert der Wissenschaftler.