Ein Forschungsteam der Eidgenössischen Technischen Hochschule Zürich (ETH) und der Universität Zürich (UZH) hat den Einsatz von Magnetresonanztomographie (MRT oder MRI) bei Herz-Kreislauf-Erkrankungen schneller und praxistauglicher gemacht. Ihre zugrundeliegende Arbeit wurde in der April-Ausgabe des Fachmagazins «Nature Machine Intelligence» auf das Titelblatt gehoben.
Mit einer 4D-Fluss-MRT wird der Blutfluss eines Patienten gemessen. Sie macht auf dynamische Veränderungen aufmerksam, der Herz-Kreislauf-Erkrankungen zugrunde liegen können. Weil aber Aufnahme und nachfolgende Bildrekonstruktion eines solchen MRT bis zu 30 Minuten beanspruchen, hat sich dieses Verfahren bisher im medizinischen Alltag nicht durchgesetzt. Stattdessen wird zumeist mittels Ultraschall diagnostiziert. Das sei zwar schneller, doch im Vergleich zu einer MRT weniger präzise, heisst es in einer Medienmitteilung.
Stattdessen setzen die drei Forscher auf «elegante und effiziente Algorithmen auf der Basis neuronaler Netzwerke». Ihr neuer Ansatz, den sie FlowVN nennen, basiert auf Deep Learning. Besonders sei, dass das Netzwerk nur sehr wenig Training brauche, um verlässliche Ergebnisse zu liefern.
«Dank dieses Verfahrens könnte die quantitative Magnetresonanztomographie enorme Fortschritte machen», so Sebastian Kozerke, Professor für Biomedizinische Bildgebung an der ETH und UZH. Bei den nun anstehenden grösseren klinischen Patientenstudien sei die langjährige Partnerschaft mit der Radiologie und Kardiologie am Universitätsspital ein grosser Vorteil. mm