Datengetriebene morphofunktionelle MRT für die Lungenbildgebung bei Kindern und Jugendlichen

• Antragsteller: Professor Dr. Simon Veldhoen; Professor Dr. Tobias Wech
• Fachliche Zuordnung: Radiologie
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 535829883

Erkrankungen der Lunge beeinträchtigen die Lebensqualität der Patienten oft erheblich und stellen eine große Belastung für die Gesundheitssysteme dar. Anhand ihrer Auswirkungen auf verschiedene Teile des Atmungssystems können Pathologien in Erkrankungen der Bronchialwege, die den Gasaustausch behindern, Erkrankungen des Lungengewebes, die häufig zu einer eingeschränkten Ausdehnungsfähigkeit der Lunge führen, und schließlich in Erkrankungen des Lungenkreislaufs, die den Gasaustausch mit dem Blut beeinträchtigen, unterteilt werden. All diese Entitäten beeinträchtigen jedoch letztlich die Lungenfunktion. Chronische Lungenerkrankungen, insbesondere bei Kindern, erfordern eine ständige Überwachung und personalisierte Therapien. Während Radiographien und die Computertomographie (CT) in der Regel für die diagnostische Bildgebung eingesetzt werden, gewinnt die Magnetresonanztomographie (MRT) auch für die Bildgebung der Lunge zunehmend an Bedeutung. Die „morphofunktionelle“ MRT kombiniert dabei strukturelle mit funktionellen Aufnahmen in einer einzigen Untersuchung und ermöglicht so eine umfassende Beurteilung. Der Einsatz der MRT der Lunge ist besonders in der pädiatrischen Radiologie wünschenswert, da sie die Strahlenbelastung von Kindern- und Jugendlichen, die in dieser Hinsicht besonders vulnerabel sind, reduzieren kann. Allerdings ergeben sich bei der Bildgebung von Kindern aufgrund ihrer regelhaft mangelnden Kooperationsbereitschaft und der Notwendigkeit einer Anästhesie zusätzliche Herausforderungen, die nur durch eine schnellere Datenerfassung, vorzugsweise bei freier Atmung, zufriedenstellend bewältigt werden können. Maschinelles Lernen und neuronale Netze wurden bereits eingesetzt, um den MRT-Prozess erheblich zu beschleunigen und die Bildqualität zu verbessern. Der Erfolg dieser Techniken hängt jedoch stark von der Qualität der Trainingsdaten ab, was erklären könnte, warum ihr volles Potenzial in der pädiatrischen Lungen-MRT noch nicht ausgeschöpft wurde. Die Entwicklung von MR-Methoden unter Verwendung innovativer Ansätze aus dem Bereich des maschinellen Lernens in Verbindung mit einer einzigartigen Datenbank, die Aufnahmen aus mehr als 10 Jahren Studien zur MRT der Lunge enthält, soll im beantragten Projekt die Beurteilung von Morphologie und Funktion der Lunge bei pädiatrischen Patienten in kürzeren Scanzeiten und ohne Atemanhaltemanöver ermöglichen. Insbesondere sollen verschiedene nicht-kartesischer 3D-UTE-MR-Pulssequenzen für morphofunktionelle Aufnahmen mit „self-gating“ ausgestattet werden und neue datengetriebene MR-Rekonstruktionstechniken sollen für die Verarbeitung unterabgetasteter (beschleunigter) MR-Messungen entwickelt werden. Darüber hinaus zielt das Projekt auf die Entwicklung einer MR-basierten Methode zur Abbildung der forcierten Exspiration für eine räumlich aufgelöste Lungenspirometrie sowie schließlich die Validierung der entwickelten Ansätze in einer Patientenkohorte mit gut charakterisierten klinischen Daten ab.

• DFG-Verfahren: Sachbeihilfen