Bildgestützte personalisierte Vorhersage des Restrisikos und der Prognose von kardio-/zerebrovaskulären Erkrankungen

• Antragstellerinnen: Professorin Dr.-Ing. Anja Hennemuth; Professorin Dr. Jeanette-Esther Schulz-Menger; Dr. Kersten Villringer
• Fachliche Zuordnung: Radiologie ; Kardiologie, Angiologie ; Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 515294457

Die Prognose des individuellen Risikos für sekundäre kardiovaskuläre Ereignisse sowie die Beteiligung von nicht durch das Primärereignis direkt betroffenen Organen nach akuten kardio- und zerebrovaskulären Ereignissen ist bislang nicht umfassend untersucht. Verbesserungen in diesem Gebiet könnten stratifizierte Behandlungsstrategien ermöglichen und die Outcomes von Patienten verbessern. Fortschritte in der Bildgebung und insbesondere die systematische Analyse von Bilddaten anhand spezifischer Bildmerkmale in Korrelation mit klinischen Merkmalen bieten die Möglichkeit, die Gesundheitsversorgung zu personalisieren. Dieser so genannte Radiomics-Ansatz zielt darauf ab, Merkmale zu extrahieren und zu nutzen, die die in den Bilddaten enthaltenen Strukturen, räumliche Beziehungen sowie die Textur beschreiben und ein Maß für die zugrundeliegende Biologie und Pathophysiologie darstellen. In diesem Projekt wollen wir mittels Radiomics Signaturen in Gehirn und Herz identifizieren, die als Biomarker für eine verbesserte und personalisierte Risikovorhersage bei Patienten nach einem akuten kardio- oder zerebrovaskulären Ereignis verwendet werden können. Zu diesem Zweck werden wir zerebrale und kardiale MRT-Daten in Kombination mit den umfassenden Daten der tiefen Phänotypisierung sowie der Langzeit-Follow-up-Daten der Teilnehmer der Berlin Longterm Observation of Vascular Events (BeLOVE) Kohortenstudie verwenden. Wir werden eine webbasierte Lösung zur Zusammenführung von klinischen und bildgebenden Daten, zur Klassifizierung und zur Unterstützung der interaktiven Analyse mit Bildgebungs- und klinischen Experten einrichten. Um anatomische und funktionelle Zusammenhänge optimal berücksichtigen zu können, beabsichtigen wir, mit graphischen neuronalen Netzen zu arbeiten. Quantitative multiparametrische Karten des Gehirns und des Herzens werden für verschiedene Szenarien struktureller Veränderungen, d. h. Fibrose des Herzens und Läsionen der weißen Substanz im Gehirn, erstellt. Um eine Vergleichbarkeit der Daten im Längsschnitt zu ermöglichen, wird eine umfassende Qualitätssicherung durch Analyse von Phantom- und Probandenmessungen durchgeführt. In einer anschließenden Feedbackschleife mit klinischen Experten werden die Klassifikatoren im Hinblick auf die klinische Interpretation und die mögliche Integration in klinische Konzepte evaluiert. Um die Interpretierbarkeit zu ermöglichen, wird ein Visualisierungskonzept implementiert, das sowohl die graphischen Repräsentationen als auch die Abhängigkeiten in der Merkmalsextraktions- und Klassifikationspipeline berücksichtigt. Ein wichtiger Meilenstein für die Integration des hier entwickelten Risikoprädiktionstools in die klinische Praxis ist die Standardisierung und Optimierung der MR-Protokolle im Hinblick auf klinisch relevante Klassifikatoren, um eine schnelle und gezielte Bildgebung und damit eine hohe Akzeptanz bei den Klinikern zu gewährleisten.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2177: Radiomics: Nächste Generation der Medizinischen Bildgebung
• Mitverantwortliche: Professor Dr. Matthias Endres; Professor Dr. Ulf Landmesser; Professor Dr. Burkert Pieske; Professor Dr. Joachim Spranger; Dr. Joachim E. Weber