Ultraniedrigdosis-CT unterstützt die Pneumoniediagnose bei immungeschwächten Patienten

Die entrauschte Ultra-Niedrigdosis-Computertomographie (CT) kann Pneumonien bei immungeschwächten Patienten mit nur zwei Prozent der Strahlendosis einer Standard-CT effektiv diagnostizieren. Dies geht aus einer kürzlich veröffentlichten Studie hervor.

„Für Patienten mit geschwächtem Immunsystem können Lungeninfektionen lebensbedrohlich sein“, erläutert Hauptstudienautor Dr. Maximiliano Klug, Radiologe in der Abteilung für diagnostische Bildgebung am Sheba Medical Center in Ramat Gan (Israel) den Hintergrund der Studie. „CT-Scans sind der Goldstandard zur Erkennung von Pneumonien, aber wiederholte Scans können Patienten einer erheblichen Strahlenbelastung aussetzen.“ Obwohl die frühzeitige Diagnose von Lungeninfektionen bei immungeschwächten Patienten wichtig ist, besteht ein erhöhtes Risiko für eine kumulative Strahlenbelastung durch häufige CT-Scans.

Die Ultra-Niedrigdosis-CT reduziert die Strahlenbelastung, kann aber aufgrund von zusätzlichem „Rauschen“, das sich als körnige Textur im gesamten Bild manifestiert, zu einer schlechten Bildqualität führen. Diese verminderte Bildqualität kann die Genauigkeit der Diagnose beeinträchtigen. Daher wollten Klug und Kollegen die Rauschunterdrückungsmöglichkeiten eines Deep-Learning-Algorithmus an Ultra-Niedrigdosis-CT-Scans testen.

Von September 2020 bis Dezember 2022 wurden 54 immungeschwächte Patienten mit Fieber an Klugs Abteilung überwiesen, wo zwei Thorax-CT-Scans durchgeführt wurden: ein Normaldosis-Scan und ein Ultra-Niedrigdosis-Scan. Ein Deep-Learning-Algorithmus wurde angewendet, um alle 54 Ultra-Niedrigdosis-CT-Scans zu entrauschen.

Die Radiologen bewerteten und dokumentierten ihre Befunde aus den Normaldosis-CT-Scans, den Ultra-Niedrigdosis-CT-Scans und den rauschfreien Ultra-Niedrigdosis-CT-Scans einzeln, wobei sie über keine klinischen Patienteninformationen verfügten.

Verbesserung der Bildqualität durch Deep-Learning-Algorithmus

Der Deep-Learning-Algorithmus verbesserte Bildqualität und -schärfe der Ultra-Niedrigdosis-CT-Scans deutlich und reduzierte falsch-positive Ergebnisse. Auch Rundherde ließen sich auf den entrauschten Scans leichter identifizieren. Die durchschnittliche effektive Strahlendosis für Ultra-Niedrigdosis-Scans betrug zwei Prozent der durchschnittlichen effektiven Strahlendosis von Standard-CT-Scans. „Diese Studie ebnet den Weg für eine sicherere, KI-gestützte Bildgebung, die die Strahlenbelastung reduziert und gleichzeitig die diagnostische Genauigkeit erhält“, sagt Klug.

Die Forschenden weisen darauf hin, dass Deep-Learning-basiertes “Denoising” bei Ultra-Niedrigdosis-CT-Scans auch für andere Patientengruppen, beispielsweise junge Patienten, von Vorteil sein kann. „Diese Pilotstudie identifizierte Infektionen mit einem Bruchteil der Strahlendosis“, unterstreicht Klug. „Dieser Ansatz könnte größere Studien anstoßen und letztendlich klinische Leitlinien verändern, sodass die entrauschte Ultra-Niedrigdosis-CT zum neuen Standard für junge immungeschwächte Patienten wird.“ Zukünftige Studien mit größeren Stichproben sollen nun dazu beitragen, die Ergebnisse dieser Studie zu validieren.