Mobile-Menu

KI-Modell soll Stent-Analyse beschleunigen Deep Learning erkennt Gewebeveränderungen im Herzen

Von Berk Kutsal 2 min Lesedauer

Anbieter zum Thema

TUM
Helmholtz Zentrum München - Dt. Forschungszentrum für Gesundheit und Umwelt (GmbH)
Governikus GmbH & Co. KG

Ein Forschungsteam von Helmholtz Munich und der TU München hat mit DeepNeo eine KI-Anwendung entwickelt, die OCT-Bilder von Stents automatisch auswerten kann. Die Software analysiert Heilungsprozesse und könnte Fachpersonal bei der Diagnose und Therapieplanung entlasten.

DeepNeo erkennt Narbengewebe (Neointima) mit Präzision auf Expertenniveau. Die obere Abbildung zeigt eine Querschnittsansicht eines 3D-OCT-Scans, bestehend aus über 300 Einzelbildern. In der mittleren Abbildung segmentiert DeepNeo das Bild in Hintergrund, Lumen, Neointima und Stent. Die untere Abbildung zeigt die Klassifizierung durch DeepNeo: Blau markiert nicht auswertbare Bereiche, Grün steht für homogene Neointima, Orange kennzeichnet heterogenes Gewebe, und Rot weist auf Neoatherosklerose hin. (Bild: Helmholtz Munich / Valentin Koch)
DeepNeo erkennt Narbengewebe (Neointima) mit Präzision auf Expertenniveau. Die obere Abbildung zeigt eine Querschnittsansicht eines 3D-OCT-Scans, bestehend aus über 300 Einzelbildern. In der mittleren Abbildung segmentiert DeepNeo das Bild in Hintergrund, Lumen, Neointima und Stent. Die untere Abbildung zeigt die Klassifizierung durch DeepNeo: Blau markiert nicht auswertbare Bereiche, Grün steht für homogene Neointima, Orange kennzeichnet heterogenes Gewebe, und Rot weist auf Neoatherosklerose hin.
(Bild: Helmholtz Munich / Valentin Koch)

Stents kommen weltweit millionenfach zum Einsatz. Sie halten verengte Gefäße offen – meist nach einem Herzinfarkt. Doch die Nachsorge bleibt aufwendig. Ärztliche Fachkräfte müssen beurteilen, wie sich das Gewebe rund um die Implantate entwickelt. Wächst es unregelmäßig oder lagert sich Plaque ab, steigt das Risiko für eine erneute Verengung.

Ein genaues Bild liefern sogenannte OCT-Aufnahmen. Die optische Kohärenztomographie erzeugt Querschnitte der Gefäßinnenwand – ähnlich einem hochauflösenden Ultraschall. Doch die manuelle Auswertung dieser Bildserien ist laut Forschenden sehr zeitintensiv. Für den klinischen Alltag sei das Verfahren bislang kaum praktikabel.

DeepNeo analysiert OCT-Daten automatisch

Abhilfe verspricht eine neue Software. Das KI-Modell DeepNeo erkennt auf OCT-Bildern verschiedene Gewebearten rund um Stents. Entwickelt wurde der Algorithmus von Helmholtz Munich und dem Klinikum der TU München. Laut einer Veröffentlichung in „Nature Communications Medicine“ arbeite die KI so präzise wie medizinisches Fachpersonal – jedoch in einem Bruchteil der Zeit.

Für das Training nutzten die Forscher 1.148 manuell annotierte Aufnahmen von 92 Patienten. DeepNeo klassifiziert unter anderem Gewebedicke, Stentabdeckung sowie krankhafte Strukturen wie Neoatherosklerose. Im Tiermodell erkannte die KI in 87 Prozent der Fälle krankhafte Gewebe korrekt, verglichen mit histologischen Laboranalysen.

Potenzial für die klinische Anwendung

„Mit DeepNeo erreichen wir eine automatisierte, standardisierte und äußerst präzise Analyse der Stent- und Gefäßheilung“, sagte Valentin Koch, Erstautor der Studie. Die Software könne laut TU und Helmholtz Munich dazu beitragen, Diagnosezeiten zu verkürzen und Therapieentscheidungen fundierter zu treffen.

Auch die Integration in den Klinikalltag rückt näher. Unterstützt durch einen Innovationszuschuss der Helmholtz-Gemeinschaft und begleitet von der Technologietransfereinrichtung Ascenion, bereiten die Entwickler die Kommerzialisierung vor. Eine Patentanmeldung wurde eingereicht.

Langfristig könnte DeepNeo Teil eines KI-gestützten Gesundheitssystems werden. Laut der Professorin für Computational Imaging Julia Schnabel unterstütze die Technik klinische Entscheidungen mit bislang nicht erreichter Sicherheit. Voraussetzung dafür sei eine kontrollierte Integration in bestehende Prozesse und klare Nachweise im Praxiseinsatz.

(ID:50408770)

Jetzt Newsletter abonnieren

Wöchentlich die wichtigsten Infos zur Digitalisierung im Gesundheitswesen

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte