CT: Neuronales Netz blickt tief in die Lunge

CT: Neuronales Netz blickt tief in die Lunge
Links: Reguläres CT bei Verdacht auf COPD; rechts: darübergelegtes quantitatives CT. Die blauen Areale stellen das für die COPD typische „air trapping“ dar (©Universitätsmedizin Mannheim)

Aus CT-Datensätzen der Lunge lässt sich die Lungenfunktion mit guter Präzision abschätzen.

  • Datum:
    07.05.2018
  • Autor:
    N. Keil (mh/ktg)
  • Quelle:
    Deutsche Röntgengesellschaft e.V.

Joshua Gawlitza und Kollegen von der Universitätsmedizin Mannheim haben bei 75 Patienten mit COPD untersucht haben, ob aus den sehr detaillierten Informationen, die die quantitative Computertomographie liefert, nicht auch Rückschlüsse auf die Funktion der Lunge gezogen werden können. „Insbesondere in der klinischen Forschung kann es hilfreich sein, die Lungenfunktion auf Basis von CT-Daten zu ermitteln, zum Beispiel wenn bei einem Patienten zwar CT-Bilder, aber keine Lungenfunktionsdaten vorliegen“, erläutert Gawlitza.

Dafür haben die Mannheimer mehrere quantitative CT-Parameter – darunter Lungenvolumen, mittlere Lungendichte und den Anteil der schlecht belüfteten Lungenareale – in ein neuronales Netzwerk gefüttert. Zum Einsatz kam das dafür eigens entwickelte Programm PrediCT. „Letztlich rechnet die Software die Lungenfunktion auf Basis unterschiedlicher Modelle durch und bildet einen Mittelwert. Den haben wir dann mit dem Goldstandard, einer Messung der Lungenfunktion mittels Bodyplethysmographie, verglichen“, so Gawlitza.

Diagnostische Genauigkeit wächst mit jedem Patienten

Die vorläufigen Ergebnisse, denen CT- und Bodyplethysmographie-Datensätze von 75 Patienten zugrunde liegen, können sich sehen lassen: Nur um etwa 10 Prozent weichen die von der Software berechneten Lungenfunktionsparameter wie FEV1/VC oder RV/TLC von jenen ab, die per Goldstandard-Methode gemessen wurden. Der besondere Charme an der Nutzung eines neuronalen Netzwerks besteht darin, dass die Genauigkeit der Abschätzung der Lungenfunktion im Laufe der Zeit zunimmt, weil die Software lernfähig ist: „Wir untersuchen derzeit pro Woche drei bis vier Patienten im Rahmen der Studie. Unsere Ergebnisse werden also noch deutlich besser werden“, so Gawlitza.

Auf Dauer, glaubt der Radiologe, könnte die Kombination aus quantitativer CT und selbstlernenden Algorithmen bei immer mehr Fragestellungen diagnostische Hilfestellung leisten. Gawlitza wird die Studienergebnisse beim 99. Deutschen Röntgenkongress präsentieren.