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

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.