Verbesserung der KI-gestützten Detektion von fokalen kortikalen Dysplasien mittels gemeinsamer Datennutzung

Abstract

Fokale kortikale Dysplasien (FCDs) gehören zu den strukturellen Veränderungen des Gehirns, die häufig eine therapieresistente fokale Epilepsie verursachen. Bei FCDs handelt es sich um eine Fehlbildung der kortikalen Entwicklung, die durch eine Störung der kortikalen Zytoarchitektur gekennzeichnet ist. Bildgebend können FCDs in der Magnetresonanztomografie (MRT) verschiedene typische Charakteristika zeigen, jedoch sind FCDs häufig sehr subtil und werden in der konventionellen MRT-Bildgebung übersehen. Dies kann weitreichende Folgen für die Betroffenen haben, da sie entweder gar nicht für eine operative Therapie in Betracht gezogen werden oder sich im Rahmen einer umfangreichen prächirurgischen Diagnostik einer zusätzlichen invasiven Diagnostik unterziehen müssen. Trotz adäquatem MRT-Protokoll und Bildbefundung durch einen erfahrenen Neuroradiologen werden FCDs in 30 – 40 % der Fälle übersehen. Um diese Einschränkung der konventionellen Analyse zu überwinden, wurden in den letzten Jahren verschiedene Nachbearbeitungsmethoden zur Verbesserung der Detektionsraten von FCDs entwickelt. Der Einsatz von künstlicher Intelligenz erfolgt bei der FCD-Detektion in der Regel mittels Deep Learning. Um einen robusten Klassifizierungsalgorithmus zu entwickeln, bedarf es eines ausreichend großen Datensatzes. Viele bisherigen Ansätze wurden auf zu kleinen Datensätzen entwickelt. In dieser Arbeit wird gezeigt, dass die Veröffentlichung von MRT-Daten sowie von ausgewählten klinischen Merkmalen unter Einhaltung der Datenschutzgrundverordnung möglich ist. Am Beispiel von FCD-Patienten*innen wird so aufgezeigt, dass die gemeinsame Datennutzung, die für den medizinischen Fortschritt insbesondere mit Blick auf den Einsatz künstlicher Intelligenz, von hohem Stellenwert ist, sowohl rechtlich, technisch als auch zeitlich umsetzbar ist und, dass die Bereitschaft der Patienten*innen zum Teilen ihrer Daten unter bestimmten Voraussetzungen größer als angenommen ist. Durch die Bereitstellung eines öffentlich zugänglichen und ausreichend großen Datensatzes wird die Validierung bisheriger Modelle zur FCD-Detektion sowie der Vergleich bereits bestehender Modelle untereinander möglich.