COVID-19 und Künstliche Intelligenz Schwerpunktthemen bei Workshop der Plattform Imaging

Die Schlüsselrolle der Lungenbildgebung bei der Erforschung von COVID-19

Im Fokus des ersten Teils des Workshops stand das Thema COVID-19 und die vielseitigen Einsatzmöglichkeiten bildgebender Verfahren bei der Diagnose und Erforschung der Erkrankung.

Aersole und sogenannte „Super Spreader“, sind oft im Gespräch, wenn es darum geht die Übertragung von SARS-CoV-2 von Mensch zu Mensch zu erklären. Dr. Ottmar Schmid, Leiter der Arbeitsgruppe „Pulmonary Aerosol Delivery“ am Comprehensive Pneumology Center München (CPC-M) erläuterte wie Lichtscheibenfluoreszensmikroskopie in der präklinischen Forschung dazu eingesetzt wird, um zu visualisieren in welche Bereiche der Lunge Aerosole vordringen können und unter welchen Bedingungen große Mengen potentiell Virus-belasteter Aerosole ausgeatmet werden und somit zum (Super)-Spreading beitragen könnten.

Bei COVID-19 Patienten mit schweren Krankheitsverläufen kommt es zu gravierenden strukturellen Veränderungen im Lungengewebe. Ein Team aus Ärzten der DZL-Standorte Biomedical Research in End-stage and Obstructive Lung Disease Hannover (BREATH) und Translational Lung Research Center Heidelberg (TLRC) setzt modernste Technologien ein, um diese Veränderungen in den Organen verstorbener Patienten abzubilden. Christoper Werlein (BREATH), Prof. Dr. med. Danny Jonigk (BREATH) und Willi Wagner (TLRC) zeigten eindrucksvolle Bilder, die mit Hilfe von skalenübergreifender Röntgen-Phasenkontrast-Bildgebung entstanden sind. In Zusammenarbeit mit einem internationalen Team und der European Synchrotron Radiation Facility (ESRF) in Grenoble, Frankreich, nahmen die Wissenschaftler dreidimensionale Bilddaten vollständiger Lungen auf. Somit konnten sie mit einer Auflösung von einem Millionstel eines Meters Details der strukturellen Schädigungsmuster abbilden.

Im Klinikalltag können bildgebende Verfahren die Diagnose von COVID-19 beschleunigen. Die Assistenzärztin Dr. Nikola Fink (CPC-M) erläuterte wie Computertomographie (CT) angewandt wird, um COVID-19 Erkrankte mit schweren respiratorischen Symptomen zuverlässig von denen mit Influenzapneumonie zu unterscheiden. Bei einem hohen Aufkommen von Notfallpatienten können so schnellstmöglich Entscheidungen über die weitere Behandlung von Patienten getroffen werden.

Im Laufe der Pandemie werden unzählige Bilddaten und assoziierte klinische Parameter von COVID-19 Patienten generiert. Um den Austausch dieser Daten für die Behandlung und Erforschung der Erkrankung zu ermöglichen, gibt es verschiedene Ansätze. Drei davon wurden in weiteren Vorträgen von Dr.Oyunaa von Stackelberg (TLRC), Dr.Balthasar Schachtner (CPC-M) und Dr.Hinrich B. Winther (BREATH) vorgestellt. So ist das Universitätsklinikum Heidelberg (TLRC) an der vom BMBF-geförderten Radiologie-Plattform RACOON (Radiological Cooperative Network) beteiligt. In diesem Zusammenschluss aller deutschen Universitätsklinika werden Röntgenbilder von Patienten mit Verdacht auf COVID-19 gesammelt und mithilfe Künstlicher Intelligenz analysiert. Weiterhin wird am CPC-M derzeit an einer Webapplikation gearbeitet, die Daten zum Behandlungsablauf von COVID-19 Patienten sammelt und deren Austausch zwischen den Kliniken erleichtern soll. Der Standort BREATH berichtete zu den Herausforderungen, die es beim Aufbau von freizugänglichen (Open Access) COVID-19 Bilddatenbanken mit anonymisierten Daten zu überwinden gibt.

Diese CT-Aufnahme des Brustkorbs einer 79 Jahre alten COVID-19 Patientin macht die von der Virusinfektion verursachten Veränderungen im Lungengewebe sichtbar. Sie sind als sogenannte Milchglastrübung mit Konsolidierung und crazy-paving Muster in allen Lungenlappen zu erkennen. (Bild: Universitätsklinikum Heidelberg).

Künstliche Intelligenz im Kampf gegen Lungenkrankheiten

In der zweiten Hälfte des Workshops wurde in sieben Vorträgen auf das Thema Künstliche Intelligenz (KI) und maschinelles Lernen bei der Analyse und Bearbeitung von Lungenbilddateneingegangen. Die Wissenschaftler und Ärzte stellten unterschiedliche Projekte vor in denen Computer dazu trainiert werden, Muster in Bilddaten zu erkennen und mit minimaler menschlicher Intervention Entscheidungen (z.B. eine Diagnose) zu treffen.

Prof. Dr. Mattias Heinrich, Leiter der Gruppe Medical Deep Learning am Institut für Medizinische Informatik der Universität zu Lübeck erläuterte, wie maschinelles Lernen dazu beitragen kann, die Diagnose von Lungenkrankheiten wie COVID-19 und COPD mittels CT-Aufnahmen zukünftig zu verbessern.

Michael Gerckens, Medizinischer Doktorand und Physician scientist (CPC-M), stellte ein Verfahren zu Bildanalyse fluoreszenzmikroskopischer Bilddaten vor, das bereits bei der Suche nach neuen Wirkstoffen gegen Lungenfibrose eingesetzt wurde.

Prof. Dr. Alexander Heisterkamp, Leiter der Arbeitsgruppe Biophotonik am Institut für Quantenoptik am Leibniz Universität Hannover erklärte, wie sein Team KI dazu nutzt, die Bildqualität endoskopischer Aufnahmen zu optimieren.

Dr. Sebastian Marwitz, wissenschaftlicher Mitarbeiter am Airway Research Center North (ARCN), sprach darüber, wie Lungengewebe mittels Multiplex-Immunfluoreszenzmikroskopie untersucht wird und wie KI zur Bildanalyse dieser Bilddaten eingesetzt werden kann, um Lungenkrankheiten besser zu verstehen.

Dass KI zukünftig dazu in der Lage sein wird, verschiedene Formen des Lungenkrebses in mikroskopischen Aufnahmen von Gewebeproben zuverlässig zu klassifizieren, könnte aufgrund der Arbeiten des Oberarztes PD Dr. Mark Kriegsmann (TLRC), bald Realität werden.

Postdoktorand Dr. Andreas Voskrebenzev (BREATH) referierte dazu, wie KI genutzt werden kann, um Bilddaten aus der kontrastmittelfreien Magnetresonanztomografie in erheblich verkürzter Zeit von Aufnahme zur Diagnose aufzubereiten. Das Verfahren, welches Phase-Resolved Functional Lung (PREFUL) Imaging genannt wird, soll bald in der klinischen Lungenbildgebung eingesetzt werden.

Das Ziel der Arbeit des leitendem Oberarztes Prof. Mark Wielpütz (TLRC), ist es, KI zukünftig dazu zu nutzen, Begleiterkrankungen (Komorbiditäten) mittels klinisch indizierter CT-Aufnahmen von Lunge, Bauch und Becken zu diagnostizieren. Sein Team arbeitet an Computeralgorithmen, die anhand der CT-Aufnahmen Komorbiditäten bzw. Risikofaktoren zuverlässig erfassen. Das System soll dazu beitragen Komorbiditäten früher zu erkennen und im Behandlungsplan zu berücksichtigen.

Die Diskussion am Ende des Workshops wurde unter anderem auch zum Austausch über mögliche neue Kollaborationen zwischen verschiedenen Standorten genutzt. Der nächste Workshop der Plattform Imaging wird 2021 stattfinden.

Quelle: TLRC