Aufwändige Röntgen- oder MRT-Aufnahmen mit Hilfe von Computern auswerten zu wollen ist nicht neu - doch die Maschinen können nicht denken: Fehlendes anatomisches Wissen der Prozessoren verhindert die eigenständige Interpretation. Jetzt rücken Bioinformatiker den Rechnern zu Leibe - und bringen ihnen intelligentes "Sehen" bei.
Die Publikation ist 16 Jahre alt, doch Radiologen setzen die Ergebnisse noch heute als abschreckendes Beispiel ein: McAuley, C.E., H.F. Sherman, L.M. Jones, et al.: "Missed injury." A prospective evaluation of delayed diagnosis in blunt multisystem trauma. J. Trauma 33 (1992) 948. Denn das, was McAuley zu berichten hatte schockte damals die Medizinerwelt - und hat an Gültigkeit nur wenig verloren: Trotz des korrekten Einsatzes von CT-Verfahren blieben 23 Prozent der Mittelgesichtsfrakturen unerkannt.
High-Tech CT oder MRT versagen bei Diagnose
Dass die Geräte von heute bei höheren Auflösungen und ausgefeilter Technik arbeiten, verbessert zwar die Bildqualität. Die eigentliche Problematik indes bleibt in vielen Fällen bestehen. Erst das geübte Auge des Radiologen vermag die Aufnahmen richtig auszuwerten, was nicht immer gelingt. Dass selbst High-Tech CT- oder MRT-Geräte in Sachen Diagnostik versagen hat einen simplen Grund. Die aufgezeichnete Datenflut kommt in Form von Bits und Bytes daher, die für die IT-Maschinen praktisch keinen Unterschied machen. Mit unheimlicher Rechenpower ausgestatten sind die Boliden beispielsweise oftmals lediglich in der Lage, Graustufen zu differenzieren.
"Die Verarbeitung des Bilds erfolgt lediglich anhand von allgemeinen Prinzipien", wie die Informatiker Marcel Lüthi und Thomas Albrecht vom Universitätsspital Basel im Wissenschaftsmagazin der Universität jetzt berichten, und: "Traditionell verhalten sich Computer in der medizinischen Bildverarbeitung wie medizinische Laien". Damit sich das ändert, setzt die Arbeitsgruppe um Thomas Vetter, zu der auch Lüthi und Albrecht gehören, auf das so genannte maschinelle Lernen. Die Methode zählt unter Informatikern als Herausforderung der Zukunft, sollen doch Computer mit Hilfe spezieller Algorithmen "den Prozess des Denkens nachzubilden", wie die Informatiker berichten.
Ein Verfahren mit beträchtlichem Potential
Um dieses Ziel zumindest für medizinische Zwecke zu erreichen, setzt die Forschergruppe um Vetter auf den "generativen Ansatz". Zunächst erstellten die Forscher ein Formmodell des Objekts. Genau diese Datenbasis dient anschließend als Ausgangspunkt der eigentlichen Auswertung: Statistische Abweichungen vom Modell lernt der Computer als Fehler auszuwerten - ähnlich reagiert auch ein Radiologe beim Aufspüren von Abweichungen des ihm bekannten "Normalfalls" bei der Betrachtung einer Aufnahme. Die Potenziale des Verfahrens sind beträchtlich. So könnte die Operationsplanung wesentlich vereinfacht werden, indem relevante Knochenstrukturen "automatisch aus dem CT-Satz des Patienten extrahiert sowie fehlende und defekte Bereiche rekonstruiert werden", wie die Doktoranden Lüthi und Albrecht beschreiben.
In bestimmten Disziplinen dem Arzt überlegen
Als Einsatzgebiet des Verfahrens haben die Forscher einige Bereiche der Medizin ins Auge gefasst. So wollen Ärzte um Prof. Dr. Pietro Regazzoni von der Unfallchirurgie am Universitätsspital Basel mit Hilfe eines statistischen Modells des Oberschenkelknochens die OP-Planung und -durchführung erleichtern. Als aussichtsreich gilt dabei die Rotationskontrolle der Reposition von Frakturen des Oberschenkelknochens. Tatsächlich bietet das statistische Modell generell einen erheblichen Vorteil gegenüber der manuellen Auswertung durch den Arzt: Dem Rechner stehen praktisch alle verfügbaren digitalen Daten simultan zur Verfügung, während der Arzt jede Aufnahme einzeln betrachten müsste, um daraus seine Schlüsse zu ziehen. Gelingt die Durchführung des Maschinellen Lernens eines Tages auch außerhalb der Forschungslabore, hätte der klassische Radiologe womöglich zumindest in großen Bereichen ausgedient.
Bis es dazu kommt, wird kein Arzt um seinen Posten bangen, im Gegenteil. Der Mensch bleibt immer noch im Mittelpunkt des medizinischen Geschehens, wie die Basler zu erklären wissen: "Er dient für diese Methode der Bildanalyse nach wie vor als Vorbild und Motivation".