Heidelberg, 19.12.2022 – Die Auswertung komplexer und umfangreicher, durch dreidimensionale Bildgebung mittels Magnetresonanztomographie (MRT) gewonnener Daten stellt eine große Herausforderung dar, denn die erhobenen Bilddaten lassen sich nur schwer im Detail visuell durch Experten auswerten und vermessen. In zwei zusammenhängenden Arbeiten „Automated imaging-based abdominal organ segmentation and quality control in 20,000 participants of the UK Biobank and German National Cohort Studies“ und „Better Together: Data Harmonization and Cross-Study Analysis of Abdominal MRI Data from UK Biobank and the German National Cohort“ haben sich die Autor*innen mit der wissenschaftlichen Frage beschäftigt, wie Künstliche Intelligenz (KI) dabei helfen kann, Bilddaten der NAKO-Studie auszuwerten.
Die erste der zwei Arbeiten beschreibt die Entwicklung und Anwendung von KI-Algorithmen zur automatischen Erkennung und Vermessung von Organen – konkret der Leber, der Milz, der Nieren und der Bauchspeicheldrüse, denn eines der Ziele der NAKO-Studie liegt darin zu erfassen, welche Veränderungen Individuen und Organe im Laufe des Alterungsprozesses oder abhängig von Umwelteinflüssen durchlaufen. Die Autoren konnten zeigen, dass diese Aufgabe durch Anwendung sogenannter neuronaler Netze mit hoher Genauigkeit voll-automatisiert durchgeführt werden kann. „Wir konnten diese Methoden erfolgreich auf 20.000 MRT-Datensätzen der NAKO und einer vergleichbaren Studie aus dem Vereinigten Königreich (UK Biobank) anwenden“, so Prof. Dr. Sergios Gatidis (Universität Tübingen und Max-Planck-Institut f. Intelligente Systeme Tübingen), Mitglied der MRT-Expertengruppe in der NAKO Gesundheitsstudie.
Die zweite Arbeit baut auf den Ergebnissen der ersten Studie auf und untersucht, inwiefern Bilddaten aus NAKO und UK Biobank zusammen ausgewertet werden können. „Der Vorteil einer solchen gemeinsamen Auswertung liegt in einem deutlich höheren Informationsgewinn“, so der Experte. „Wenn man bedenkt, dass in der UK Biobank vor allem ältere Individuen untersucht wurden, würde eine Kombination mit NAKO-Daten die Betrachtung einer deutlich weiteren Altersspanne ermöglichen“. Laut Studie lassen sich Daten aus beiden epidemiologischen Studien tatsächlich kombiniert auswerten. Zur Harmonisierung der Daten zwischen den zwei Studien verwendeten die Forscher*innen ein spezielles mathematisches Verfahren. Dadurch wurde es möglich, Eigenschaften von Organen, wie deren Größe oder Fettgehalt, im Kontext individueller Faktoren wie Alter, Geschlecht oder Körpergröße genau zu bestimmen. In der für die zitierten Arbeiten entwickelten KI-Methodik sehen die Wissenschaftler*innen das Potenzial, Bilddaten aus der NAKO-Studie in zukünftigen wissenschaftlichen Projekten detailliert auszuwerten und mit weiteren Informationen, wie etwa Laborergebnissen zu verbinden. „Erkenntnisse aus dieser Forschung führen zu einem besseren Verständnis des Auftretens von Erkrankungen und könnten schließlich auch die Prävention, Diagnostik und Therapie von Erkrankungen verbessern“, so der Wissenschaftler.
Better Together – Data Harmonization and Cross-Study Analysis of Abdominal MRI Data From UK Biobank and the German National Cohort (https://journals.lww.com/investigativeradiology/Fulltext/9900/Better_Together__Data_Harmonization_and.74.aspx)