Universitätsklinikum Jena evaluiert den Deep-Learning-Algorithmus zur Bildrekonstruktion von dosisreduzierten Thorax-CT (LDCT) bei Kindern und Jugendlichen

Jena, Düsseldorf im September 2022. Gerade in der Kinder- und Jugendradiologie suchen Expert*innen nach immer neuen Wegen, die Strahlenexposition für Kinder- und Jugendliche zu reduzieren. Ein Forscherteam aus dem Universitätsklinikum Jena, bestehend aus Kinder- und Neuroradiolog*innen, hat sich von April 2019 bis April 2021 als eine von sechs erstanwendenden Kliniken weltweit mit der Evaluation eines KI-basierten Rekonstruktionsalgorithmus „Deep learning image reconstruction“ (DLIR) in der Computertomographie (CT) befasst. Der Deep-Learning-Algorithmus verspricht die Verminderung des Bildrauschens bei gleichzeitiger Verbesserung der Bildqualität und mögliche Dosisreduktion bis 30 %. „In der Kinder- und Jugendradiologie ist es natürlich besonders wichtig, die Röntgenuntersuchungen so dosissparend wie möglich durchzuführen. Das ist für uns Kinderradiologen ein sehr interessantes Werkzeug, da wir ständig mit einem höheren Bildrauschen zu kämpfen haben“, erklärt Dr. Matthias Waginger, Oberarzt der Sektion Kinderradiologie am Universitätsklinikum Jena und Leiter der Studie.

Verglichen hat man das neue Deep-Learning-Verfahren mit dem bereits etablierten iterativen Rekonstruktionsverfahren Adaptive Statistische iterative Rekonstruktion (ASiR). Bei der Iteration wird aus dem vorhandenen Bildmaterial mittels Korrektur-Algorithmus in einem intensiven Rechenverfahren die Bildqualität immer weiter verbessert.

„Ziel war der Vergleich beider Methoden und die Beantwortung der Frage, welche Vorzüge sich durch das Verfahren für Patienten und Befunder ergeben“, so Dr. Waginger. Dazu wurden 44 pädiatrische CT-Untersuchungen des Thorax unter Verwendung beider Rekonstruktionsalgorithmen in Bildqualität, -rauschen und -kontrast verglichen. Die Hypothese der Verminderung des Bildrauschens bei gleichzeitiger Verbesserung der Bildqualität konnte das Forschungsteam aus Jena bestätigen. Künftig wird so eine noch stärkere Reduktion der Strahlendosis bei CT-Untersuchungen der Kinder möglich.

Ein neuronales Computernetzwerk wurde mit Datensätzen trainiert

„Besonders spannend ist, dass die Basis dieser Bildrekonstruktion ein künstliches neuronales Netzwerk ist, das mit Datensätzen und Bildern trainiert wurde, um das Bildrauschen und die Artefakte zu reduzieren und die diagnostisch relevanten Bereiche klarer darzustellen“, so der Kinderradiologe.

DLIR-Verfahren als Standard-Rekonstruktionsalgorithmus für CT-Untersuchung

Generell ist das radiologische Institut des Universitätsklinikums Jena dazu übergegangen, CT-Untersuchungen im Deep-Learning-Algorithmus durchzuführen, denn dies ist bei allen Krankheitsbildern und Fragestellungen universell anwendbar. Da aufgrund der Forschungsergebnisse eine eindeutige Verminderung des Bildrauschens nachgewiesen werden konnte und eine Verbesserung der Beurteilbarkeit besteht, soll im nächsten Schritt bei der Thorax-CT-Untersuchung die Dosis weiter reduziert werden. „Da ist noch Luft nach oben“, berichtet Dr. Waginger. Aktuell gibt es noch das Problem mangelnder Datenlage zu Niedrigdosisuntersuchungen bei Kindern und Jugendlichen. Hier, so Dr. Waginger setzt man auf weitere Multicenter-Studien und Kooperation mit der Industrie zur Verbesserung der Datenlage.