Deep Learning zur Schätzung des biologischen Alters anhand von klinischen Routine-MRT-Untersuchungen des Abdomens und Untersuchung des Zusammenhangs mit kardiovaskulären Ereignissen und krebsbedingten Todesfällen

• Antragsteller: Dr. Matthias Jung
• Fachliche Zuordnung: Radiologie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 518480401

Zielsetzung: In dieser Studie wird untersucht, ob ein Deep-Learning-Framework, das das biologische Alter anhand von 3D-Körperkonstitution (BC) aus MRT-Bildern schätzt (BC-Age-Framework), in der Lage ist, kardiovaskuläre Ereignisse (MACE) und Mortalität über chronologisches Alter hinaus in einer großen Patientenkohorte vorherzusagen. Hintergrund: Chronologische Alter ist ein zentraler Aspekt der medizinischen Entscheidungsfindung, aber ein ungenaues Maß für den Alterungsprozess. Biologisches Alter, das den Gesamtgesundheitszustand einer Person widerspiegelt, könnte ein besseres Verständnis des Alterns und eine personalisierte Präzisionsmedizin ermöglichen. In dem Projekt wenden wir unser BC-Age-Framework auf eine große Patientenkohorte an, bei der Abdomen-MRTs zum Tumorstaging oder zur Abklärung von Zufallsbefunden (z.B. Nierenzyste) durchgeführt wurden, und untersuchen dessen Wert für die Prädiktion von MACE (Myokardinfarkt, Schlaganfall und Herzinsuffizienz) und Mortalität im klinischen Setting. Vorarbeiten: Das BC-Age-Framework wurde mittels MRTs von 30.389 asymptomatischen Personen (20-75 Jahre; 44,2% Frauen) aus der Deutschen Nationalkohorte (NAKO) entwickelt: Zunächst wurde ein Model trainiert, um 3D-BC als subkutanes, viszerales, intramuskuläres Fettgewebe und Skelettmuskel zu segmentieren. Dann wurde ein zweites Modell trainiert, das diese Segmentierungsmasken als Input nimmt und eine Altersschätzung in Jahren ausgibt. Für Folgeanalysen wurde eine Altersbeschleunigung als altersspezifischer z-Score definiert (positive Altersbeschleunigung bedeutet biologisch älter, negative jünger). Wir validierten dieses Framework in einer unabhängigen Kohorte von 36.317 Personen der Algemeinbevölkerung aus der UK Biobank (65,1±7,8 Jahre, 51,7% weiblich; 2,7% [969/36.317] MACE; medianes Follow-up 4,8 Jahre): Kumulative Inzidenzkurven zeigten eine höhere Inzidenz von MACE bei Personen mit positiver vs. negativer Altersbeschleunigung (Log-rank p<0,0001). Die Cox-Regression zeigte nach Adjustierung für Alter, Geschlecht, BMI, Ethnie, BC, Diabetes, Hypertonie, Krebs, Alkoholkonsum und Raucherstatus einen unabhängigen Zusammenhang zwischen der MRT-Altersbeschleunigung und MACE (aHR: 1,09, 95% CI [1,01-1,18], p=0,02). Methoden: Unser BC-Age-Framework wird für die klinische Anwendung mittels über 30.000 Routine-MRTs von Patienten des Mass General Brigham (20-90 Jahre; 54,9% weiblich) validiert, die in zwei Datensätze unterteilt werden: 1) Krebspatienten und 2) Patienten mit Zufallsbefund. Die Altersschätzung des BC-Age-Frameworks wird zur Prädiktion von MACE (beide Kohorten), Gesamtmortalität und Krebsmortalität (Krebspatienten) über chronologische Alter und traditionelle klinische Risikofaktoren hinaus klinisch getestet. Relevanz: Falls erfolgreich, werden wir eine neue Methode zur opportunistischen Messung des biologischen Alters mittels Routine-MRTs klinisch validiert haben, die bei der Risikoeinschätzung und Patientenversorgung eingesetzt werden kann.

• DFG-Verfahren: WBP Stipendium
• Internationaler Bezug: USA
• Gastgeber: Professor Dr. Michael Lu