Eine Revolution in der Pränataldiagnostik: KI und die Zukunft der MRT-Bildgebung des Fötus

Der komplexe Prozess der menschlichen Evolution erstreckt sich über einen immensen Zeitraum, doch unser Verständnis der fetalen Entwicklung ist nach wie vor ein sich rasch weiterentwickelndes Forschungsgebiet. Dieser komplexe Prozess kann durch verschiedene Störungen beeinträchtigt werden, von genetischen Besonderheiten über Umweltstressoren bis hin zu Stoffwechselveränderungen. Diese Störungen können die Entwicklung eines Fötus erheblich beeinflussen – insbesondere die des Gehirns, eines der Organe, die sich am frühesten bilden.

In der Regel werden potenzielle Anomalien bei routinemäßigen pränatalen Ultraschalluntersuchungen erkannt. Ultraschalltechniker, die diese Untersuchungen durchführen, entdecken häufig Anzeichen für mögliche Hirnanomalien, was zu eingehenderen Untersuchungen mittels MRT führt. Dennoch können die Feinheiten der aktuellen bildgebenden Verfahren manchmal dazu führen, dass Diagnosen übersehen oder falsch gestellt werden. Diese Situation stellt eine besondere Herausforderung für werdende Eltern, Gesundheitsdienstleister und die medizinische Fachwelt insgesamt dar.

Ein revolutionärer Sprung in der Bildgebung

In einer lobenswerten Zusammenarbeit zwischen dem MIT, dem Boston Children’s Hospital und Inria wurde ein bahnbrechendes Deep-Learning-Modell entwickelt. Dieses als „E(3)-Pose“ bezeichnete Modell soll die Früherkennung und Behandlung von Hirnanomalien beim Fötus verbessern. Es wurde entwickelt, um hochauflösende Bilder des sich bewegenden Fötuskopfes aufzunehmen, wodurch Radiologen einen detaillierteren Einblick erhalten und somit präzise Untersuchungen durchführen können. Diese bahnbrechende Forschungsarbeit wurde auf der Europäischen Konferenz für Computer Vision 2026 vorgestellt.

Das größte Hindernis bei der Verwendung der MRT ist die mögliche Fehlausrichtung der ‘Schnitte’ aufgrund von Bewegungen des Fötus, was zu Lücken und ungewöhnlichen Ausrichtungen im endgültigen Scan führt. Ramya Muthukrishnan, Doktorandin am MIT und Erstautorin des E(3)-Pose-Projekts, erklärt, dass solche Störungen häufig die Erkennung lebenswichtiger Hirnareale behindern und die Identifizierung von Entwicklungsanomalien erschweren.

E(3)-Pose zeichnet sich durch seine außergewöhnliche Fähigkeit zur Verfolgung von Fötusbewegungen aus, was auf die Einbeziehung grundlegender physikalischer Prinzipien in sein neuronales Netzwerk zurückzuführen ist. Eines dieser Prinzipien ist die Links-Rechts-Symmetrie des Fötuskopfes, die es dem Modell ermöglicht, die Ausrichtung des Gehirns präzise zu bestimmen. Der Anfang war jedoch nicht einfach; Muthukrishnan musste zahlreiche Herausforderungen bewältigen, darunter mangelnde Hintergrundkenntnisse in der MRT-Physik. Trotz zahlreicher Pannen und Ausfälle des Scanners ließ ihre Entschlossenheit, die bei fetalen MRT-Untersuchungen im Boston Children’s Hospital beobachteten Schwierigkeiten zu überwinden, nie nach.

Innovation als Teamleistung

Das Projekt war eine Gemeinschaftsleistung, die durch die wertvolle Unterstützung eines Teams hochrangiger Experten wie Borjan Gagoski von der Harvard Medical School und dem Boston Children’s Hospital sowie Aryn Lee, die bei der Rekrutierung von Freiwilligen für die MRT-Untersuchungen half, ermöglicht wurde. Leitende Autoren wie Elfar Adalsteinsson, Ellen Grant und Polina Golland standen während des gesamten Projekts mit ihren Erkenntnissen und ihrer Beratung zur Seite. Ellen Grant, die Leiterin des Fetal Neonatal Neuroimaging and Developmental Science Center, hob hervor, wie bahnbrechend dieses Projekt ist. Es beschleunigt und vereinfacht nicht nur die Verfahren der fetalen MRT, sondern liefert auch qualitativ hochwertigere Bilder für die Analyse.

Was Muthukrishnans Ambitionen angeht, so reichen diese über die bloße Verbesserung von MRT-Aufnahmen von Föten hinaus. Sie sieht Potenzial für E(3)-Pose bei anderen bildgebungstechnischen Herausforderungen und sogar in völlig anderen Bereichen wie dem autonomen Fahren. Ihr besonderes Interesse gilt der Weiterentwicklung des Modells für die Bildgebung von Föten im zweiten Trimester, die in der Regel kleiner und aktiver sind. Muthukrishnans Fokus auf die Früherkennung ist ein wesentlicher Aspekt dieses Vorhabens, da rechtzeitige Maßnahmen den Ausgang erheblich beeinflussen können.

Das Projekt wird von der MIT Jameel Clinic, dem MIT Takeda-Programm, dem Chou Family Transformative Research Fund sowie mehreren nationalen Instituten unterstützt. Weitere Informationen zu dieser Forschung finden Sie im Original-Nachrichtenartikel auf der MIT-Nachrichtenseite. Möchten Sie erfahren, wie KI-Automatisierung Ihre Geschäftsprozesse revolutionieren kann? Erfahren Sie mehr unter implementi.ai.