APICES – Automatic PredICtion of Edema after Stroke (Computergestützte automatische Prognose der Entwicklung eines malignen Hirnödems nach Mediainfarkt)

Projektbeschreibung

Schlaganfallpatienten entwickeln in bis zu zehn Prozent aller Fälle eine extreme Hirnschwellung. Man spricht dann von einem „malignen Infarkt“, der aufgrund des Druckanstieges im Gehirn zu schwerwiegenden Folgeschäden führt und häufig tödlich verläuft. Die Schwellung des malignen Infarktes ist durch Medikamente kaum beeinflussbar und bedarf einer operativen Entlastung, die ihrerseits risikobehaftet ist und deshalb häufig zu spät durchgeführt wird. Klinisch besteht somit die Herausforderung, schon frühzeitig diejenigen Patienten zu identifizieren, bei denen eine operative Therapie unerlässlich ist, um genau diese Patienten zeitnah zu operieren.

Ziel des Projektes ist es daher, mit Hilfe der Methode des „maschinellen Lernens“ computertomografische Aufnahmen (CT-Bilder) und klinische Daten von 1.500 Patienten zu analysieren und ein Modell zu entwickeln, das hilft, die Hirnschwellung frühzeitig zu erkennen und ihren Verlauf vorherzusagen. Zunächst identifizieren computer-basierte Algorithmen automatisch charakteristische Merkmale aus den CT-Bildern und den klinischen Daten (Lernphase). In einer anschließenden Validierungsphase wird das so entwickelte Modell an neuen Datensätzen überprüft. Mit dem Einsatz des maschinellen Lernens soll die Hirnschwellung besser verstanden und frühzeitig erkannt werden. Das Projekt wird für 54 Monate mit ca. 1,2 Millionen Euro gefördert.

Im Erfolgsfall bekommen Schlaganfallzentren eine computer-assistierte Unterstützung für ihre Therapieentscheidung, die wiederum zu einer besseren Versorgung der Patienten führt.

Die Forschenden gehen davon aus, dass man die im Rahmen des Projekts entwickelte Methode auch auf andere medizinische Fragestellungen anwenden kann.

Konsortialpartner

Fraunhofer MEVIS