Strahlentherapie: Zwischen Google und Böse

22. September 2016
Teilen

Computer können komplexe Sprach- und Bildmuster erkennen. Nun sollen sie auch lernen, wie man zwischen gutem und malignem Gewebe unterscheidet. Die Technologie könnte die Bestrahlungstherapie von Tumoren verbessern.

Das Google-Unternehmen Deepmind hat sich der Programmierung einer künstlichen Intelligenz verschrieben. Diese soll mit ihren künstlichen neuronalen Netzwerken riesige Datenmengen verarbeiten und in erster Linie lernen. Unter dem Begriff Deep Learning hat sich in dieser Hinsicht in den letzten Jahren enorm viel getan. Doch was hat das mit Strahlentherapie zu tun? Forscher von Deepmind wollen sich die Deep Learning-Technologie bei der Therapie von Tumoren im Kopf- und Nackenbereich zunutze machen. Genauer gesagt, wollen sie Ärzte bei der aufwendigen und zeitraubenden Auswertung computertomographischer Daten unterstützen.

Teil des postoperativen Behandlungsplans ist es, eine exakte Darstellung der lokalen Anatomie der betroffenen Hirnregionen zu erstellen. Entscheidend ist dabei, eine genaue Abgrenzung zwischen gesundem und malignem Gewebe zu erhalten. Bisher modellieren Strahlentherapeuten manuell solch eine dreidimensionale Karte. Diese ist notwendig, wenn durch den operativen Eingriff Tumore nicht vollständig entfernt werden können. Zudem kann es passieren, dass die Tumorgewebe, welche die umliegenden gesunden Zellverbände infiltrieren, während der OP mit bloßem Auge oder vor der OP durch bildgebende Verfahren unentdeckt bleiben.

Diese werden dann postoperativ durch Bestrahlung eliminiert. Die erstellte Karte muss also äußerst präzise sein, um nur das Tumorgewebe, und nicht die umliegenden gesunden Areale, zu beschädigen. Die sogenannte Segmentierung ist ein entscheidender Schritt im Rahmen der Strahlentherapie, besonders, wenn, wie im Gehirn, lebenswichtige anatomische Strukturen und Tumorgewebe sehr eng beieinanderliegen.

Das Hirn in einer Stunde kartieren

Hier setzen die Forscher von Google Deepmind an. Sie versprechen sich von ihrer Entwicklung, dass eine angelernte Intelligenz die Gehirnkartierung schon nach einer Stunde genauso gut oder besser darstellen kann, als ein Strahlentherapeut nach vierstündiger Modellierung. Und dieses Vorhaben scheint gar nicht so abwegig zu sein.

Computer sind heute in der Lage, große Datenmengen zu analysieren und bestimmte Muster in beispielsweise Bild- oder Audiodaten zu identifizieren. Diese Identifizierung erfolgt in mehreren Schichten. Je tiefer der Computer die Berechnungsmatrix (sog. convolutional neural network – CNN) durchdringt und je mehr Schichten (Merkmale) er analysiert, desto exakter wird das Abbild, das der Computer von den Rohdaten zeichnet. Siri & Co. sowie Gesichtserkennungs-Apps sind das Ergebnis der Deep Learning-Technologie.

Deep Learning-Analyse mehrerer Bildaufnahmen eines Objekts

 

Das Ziel einer aktuellen Kooperation zwischen Deepmind und der staatlichen Gesundheitsbehörde Großbritanniens (NHS) ist die Deep Learning basierte automatisierte Segmentierung. Um dies zu erreichen, soll der Computer zunächst mit anonymisierten Daten aus radiologischen Scans von 700 ehemaligen Patienten der Universitätsklinik von London (UCLH) mit der Absicht gefüttert werden, die visuellen Unterschiede zwischen gesundem und entartetem Gewebe zu erlernen. Darauf basierend verfolgt Deepmind zwei Kernpunkte:

  1. Zeitersparnis und Entlastung des Strahlentherapeuten durch einen automatisierten Segmentierungsprozess mit gleicher bzw. höherer Präzision.
  2. Entwicklung eines mathematischen Algorithmus, der auch die präzise Segmentierung anderer Körperareale ermöglicht.

Auch wenn von einer baldigen klinischen Anwendung nicht die Rede sein kann, ist es wohl denkbar, dass der Einsatz von Deep Learning in der Medizin ein hilfreiches Werkzeug sein kann, um den Arzt bei der Erstellung personalisierter Therapiepläne zu unterstützen.

Strahlentherapie effizienter gestalten

Dies betonen auch Deepmind und das UCLH ausdrücklich. „Die Kliniker werden auch weiterhin die vollständige Kontrolle über die Diagnosestellung und Behandlung haben“, teilt das UCLH in einer Presseerklärung mit. Die Untersuchungen sollen lediglich dazu dienen, zu klären, ob durch die Technologie die Planung der Strahlentherapie in der Zukunft effizienter gestaltet werden kann.

Entscheidend ist dabei sicher dennoch die Frage, wie sehr man sich trotz der hohen technischen Präzision und Geschwindigkeit eines Computers auf die Technik verlassen will bzw. kann. Solange jedoch Google nicht komplett das Denken übernimmt, kann man der neuen Technologie sicher aufgeschlossen gegenüberstehen. Frei nach der Devise „Nachdenken ist wie googeln, nur krasser“ bleibt also die Hoffnung auf einen verantwortungsvollen Umgang intelligenter Menschen mit dem künstlichen Pendant.

51 Wertungen (4.14 ø)

Die Kommentarfunktion ist nicht mehr aktiv.

1 Kommentar:

Dr. med. Susanne Schraishuhn
Dr. med. Susanne Schraishuhn

Es gibt bereits bei mehreren Planungssystemen die gleichen Ansätze, die mehr oder weniger gut funktionieren. Das ist also sicherlich nichts Neues. Allen sehr gut gemeinten Hilfestellung bleibt aber gemein, dass man als verantwortlicher Strahlentherapeut jedes einzelne Risikoorgan und Zielvolumen genauestens kontrollieren und ggf. nacharbeiten muss. Bislang geht das dann oft schneller, wenn man es gleich selbst einzeichnet. Mal abwarten, was die weitere Entwicklung da bringen wird.

#1 |
  0


Copyright © 2017 DocCheck Medical Services GmbH
Sprache:
DocCheck folgen: