Ein KI-gestütztes Framework zur automatisierten Erkennung der Riesenzellarteriitis in der MRT

• Antragsteller: Professor Dr. Thorsten Bley; Privatdozent Dr. Julius Heidenreich; Professor Dr. Tobias Wech
• Fachliche Zuordnung: Rheumatologie ; Radiologie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 568432998

Die Riesenzellarteriitis (RZA) ist eine systemische Vaskulitis, welche die mittelgroßen und großen Gefäße, insbesondere die Aorta und ihre Äste, sowie die kleinen oberflächlichen extrakraniellen Arterien beteiligt. Eine Inflammation im Rahmen dieser Autoimmunerkrankung führt zu einer Schwellung der Gefäßwand und einer Beeinträchtigung des Blutflusses. Unbehandelt kann dies in schweren Komplikationen wie Sehverlust, Schlaganfall, Aortenaneurysmen oder Dissektionen enden. Den Diagnosealgorithmus bildet die klinische Untersuchung, Laboranalysen, radiologische Bildgebung und häufig die invasive histopathologische Referenz. Als gängigste Bildgebungsmethode ist der Ultraschall untersucherabhängig und visualisiert oft nicht alle Gefäßsegmente konsistent. Die Magnetresonanztomographie (MRT) ermöglicht hingegen auch in den oberflächlichen extrakraniellen Arterien eine hochaufgelöste Darstellung aller Segmente. Somit können zuverlässig die Stigmata einer Vaskulitis wie die Kontrastmittel-(KM)-Aufnahme der Gefäßwand detektiert und der Therapieverlauf der Erkrankung überwacht werden. Die klinische Interpretation der MRT-Datensätze erfordert hohe Fachkenntnisse und signifikante personelle Ressourcen. Eine computergestützte Automatisierung der Diagnostik könnte diese Engpässe umgehen und eine qualitativ hochwertige, standardisierte und ubiquitär verfügbare Bildgebung der RZA ermöglichen. Mit diesem Förderantrag soll Künstliche Intelligenz (KI) genutzt werden, um die Diagnostik der RZA in den oberflächlichen extrakraniellen Gefäßen zu automatisieren und die diagnostische Genauigkeit und Effizienz zu verbessern. Ein datengetriebenes Framework wird entwickelt, um die Vorverarbeitung von MRT-Daten sowie die Erkennung entzündeter Gefäßsegmente zu automatisieren und die Ausprägung der Erkrankung durch Segmentierung der muralen KM-Aufnahme zu quantifizieren. Hierfür wird ein einzigartiges Datenarchiv in Zusammenarbeit mit RZA-Zentren in Deutschland und der Schweiz aufgebaut. Dieses umfasst kontrastverstärkte 2D- und 3D-MRT-Daten von Patienten mit RZA sowie zugehörige klinische Biomarker und histopathologische Analysen als Referenz. Innerhalb der Pipeline werden die MRT-Daten automatisch vorverarbeitet, um die zu beurteilenden Bildareale auf die Kopfschwarte zu konzentrieren. Ein Super-Resolution-Modell wird entwickelt, um die Erkennung der Temporalarterien innerhalb der anisotropen 2D-Datensätze zu erleichtern. Abschließend wird das Framework entzündlich veränderte Gefäßsegmente erkennen und die Ausprägung der Erkrankung quantifizieren. Das übergeordnete Ziel dieses Förderantrags ist die Bereitstellung eines KI-gesteuerten Frameworks für die automatische Erkennung der Riesenzellarteriitis in der MRT. Die Entwicklung eines Netzwerks mit hoher Generalisierbarkeit wird durch einen multizentrischen Bilddatensatz gewährleistet. Dieses Tool soll die Diagnostik der Riesenzellarteriitis in der MRT nachhaltig verbessern und qualitativ hochwertig standardisieren.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Schweiz
• Mitverantwortliche: Professor Dr. Fabian Bamberg; Professor Dr. Raoul Bergner
• Kooperationspartnerin: Professorin Dr. Sabine Adler