Themabewertung:
  • 0 Bewertung(en) - 0 im Durchschnitt
  • 1
  • 2
  • 3
  • 4
  • 5
Lässt sich der Verlauf von MS vorhersagen ???
#1
DMSG-Forschungsförderung: Lässt sich der Verlauf von Multipler Sklerose mittels Techniken der künstlichen Intelligenz vorhersagen?
Dienstag 16.07.2019
„Den Verlauf einschätzen und den Therapieerfolg messen: Neue Wege zu Patienten-relevanten Studienendpunkten“: In der Ausschreibung der Forschungsförderung der Deutschen Multiple Sklerose Gesellschaft, Bundesverband e. V. konnte Dr. rer. nat. Kerstin Ritter, Juniorprofessorin an der Charité - Universitätsmedizin Berlin die unabhängigen internationalen Gutachter mit ihrem aussichtsreichen Forschungsansatz überzeugen. Ihr Projekt „DeepMS: Deep Learning for monitoring disease progression in multiple sclerosis (MS)” erhält in den nächsten 24 Monaten eine Förderung in Höhe von 170.000,00 Euro.
Künstliche Intelligenz ist heutzutage in aller Munde. Computerprogramme werden geschrieben, um vielfältige komplexe Probleme u.a. in der Medizin zu lösen, wie z.B. die Früherkennung von Knochenbrüchen oder die eindeutige Diagnostik von Krebs. Während traditionelle Verfahren der künstlichen Intelligenz noch darauf angewiesen waren, genaue Regeln und algorithmische Abfolgen von Experten übermittelt zu bekommen, lernen neuere Verfahren anhand von Beispielen selbstständig Muster zu erkennen und auf neue Daten anzuwenden (Bild unten). Solche sogenannten maschinellen Lernverfahren werden vermehrt eingesetzt, um große Datenmengen zu prozessieren und versteckte Dateneigenschaften zu finden, die ein einzelner Mensch nicht mehr überblicken kann. Durch den Einsatz von Grafikkarten (GPUs, graphical processing units), ist das Trainieren sehr tiefer Netzwerke (Deep Learning) möglich geworden und hat zu bahnbrechenden Ergebnissen geführt. Beispielsweise ist es gelungen, einem solchen Netzwerk beizubringen, das Brettspiel Go auf Expertenniveau zu spielen und führende Weltmeister zu schlagen. Auch in der medizinischen Forschung gewinnen solche Verfahren immer mehr an Bedeutung – in der Multiple Sklerose (MS) Forschung jedoch noch vergleichsweise selten.
[Bild: csm_Ritter.Deep_Learning_3ba4bf95a6.jpg]


Illustration von Deep Learning für die Vorhersage des Krankheitsverlaufs. Auf Basis der Trainingsdaten wird mittels Deep Learning ein mathematisches Modell gelernt, das dann auf eine neue Person angewendet werden kann, um den individuellen Krankheitsverlauf vorherzusagen. Der Krankheitsverlauf kann z.B. durch Symptomschwere oder Grad der klinischen Beeinträchtigung gemessen werden.

MS ist eine neurologische Erkrankung des zentralen Nervensystems, die zu erheblichen Beeinträchtigungen bei Betroffenen führen kann. Unverzichtbar in der Diagnostik und Verlaufskontrolle sind Gehirnbilder, erzeugt durch einen Magnetresonanztomographen (MRT), die das Ausmaß der Erkrankung über die Anzahl und das Volumen der Herde (auch bekannt als Läsionen) festhalten. Der Verlauf der Erkrankungen ist jedoch individuell sehr unterschiedlich und hängt nur bis zu einem bestimmten Grad von der gesamten Läsionslast ab. Da zu Beginn meistens keine zuverlässige Prognose gemacht werden kann, sind MS-Erkrankte zusätzlich verunsichert.
„Im Rahmen unserer von der DMSG-geförderten Forschung möchten wir hoch-innovative Algorithmen der künstlichen Intelligenz, insbesondere Deep Learning, einsetzen, um für einzelne Patienten vorherzusagen, wie sich die Krankheit entwickeln wird und was für Beeinträchtigungen in Zukunft zu erwarten sind“ so Prof. Dr. rer. nat. Kerstin Ritter. Während bisherige Computerprogramme vor allem versuchen, etablierte Marker (wie z.B. das Volumen bestimmter Hirnstrukturen oder die Läsionslast) aus MRT-Daten zu extrahieren und für eine Charakterisierung des Krankheitsverlaufs zu nutzen, bieten Deep Learning-Verfahren die Möglichkeit komplexe hierarchische Strukturen direkt aus den Daten zu lernen (z.B. arxiv.org/abs/1904.08771). Besonders erfolgreich und effizient im Bereich der Bilderkennung sind sogenannte Convolutional Neural Networks (CNNs), die die räumliche Struktur von Bilddaten ausnutzen. Sie funktionieren umso besser, je mehr Daten zur Verfügung stehen.
Die Forscherin
[Bild: csm_Ritter_d60b794e0e.jpg]


Bild: privat - Dr. rer. nat. Kerstin Ritter ist seit November 2018 Juniorprofessorin für Computational Neuroscience an der Charité - Universitätsmedizin Berlin und leitet dort eine Arbeitsgruppe zu dem Thema Maschinelles Lernen in der klinischen Neurobildgebung. Ihre Expertise liegt im Schnittbereich von Künstlicher Intelligenz (Maschinelles Lernen / Deep Learning), Neurobildgebung und neurologischen wie auch psychischen Erkankungen mit einem Fokus auf Multipler Sklerose.Kerstin Ritter hat Mathematik mit den Nebenfächern Psychologie und Philosophie an der Westfälischen Wilhelms-Universität Münster und Humboldt-Universität zu Berlin studiert (2002-2008). Nach ihrem Diplom in Mathematik hat sie ein Doktorandenstipendium vom Bernstein-Zentrum für Computational Neuroscience erhalten und in der Arbeitsgruppe von Prof. John-Dylan Haynes über "Decoding multiple sclerosis and related disease parameters using structural brain MRI and multivariate analysis algorithms" promoviert (2012). Seit Oktober 2017 ist sie Rahel-Hirsch-Stipendiatin und P.I. in dem DFG-geförderten Projekt "Deep Learning für eine Neuroimaging-basierte Krankheitsdiagnostik". 2018 hat sie einen NARSAD Young Investigator Grant von der Brain & Behavior Research Foundation (USA) erhalten.

„In unserem Projekt möchten wir zunächst eine große Datenbasis von longitudinalen MS-Daten erzeugen und diese einheitlich vorprozessieren“, erklärt Prof. Ritter, Leiterin der Arbeitsgruppe Maschinelles Lernen in der klinischen Neurobildgebung an der Klinik für Psychiatrie und Psychotherapie der Charité - Universitätsmedizin Berlin. „Im nächsten Schritt werden wir dann CNN-Modelle anhand der MRT-Bilder trainieren, um individuelle Krankheitsverläufe vorherzusagen, z.B. die Expanded Disability Status Scale (EDSS) oder die Anzahl der Schübe in einem gewissen Zeitraum. Nach dem Training werden wir Visualisierungstechniken verwenden, um zu verstehen, worauf der Algorithmus seine Verlaufsprädiktion stützt. Wir hoffen damit einen wichtigen Beitrag dazu zu leisten, MS in ihrem Verlauf zu charakterisieren“, verdeutlicht die Juniorprofessorin und betont: „Wir bedanken uns ganz herzlich für die Förderung!“
Hintergrund und Ziele der DMSG-Forschungsförderung des DMSG-Bundesverbandes
Die Deutsche Multiple Sklerose Gesellschaft, Bundesverband e.V. will, in Zusammenarbeit mit Ärzten, Wissenschaftlern, MS-Erkrankten, Angehörigen und allen Interessierten, die Erforschung der Multiplen Sklerose vorantreiben. 2015 wurde zu diesem Zweck die Richtlinie zur Forschungsförderung weiterentwickelt. Hierbei ist der DMSG die Unterstützung junger Wissenschaftlerinnen und Wissenschaftler ein besonderes Anliegen. Die Förderung der Einzelprojekte kann für maximal 24 Monate erfolgen. Neben der Einzelprojektförderung bietet der DMSG-Bundesverband weiterhin die bewährte Fehlbedarfsförderung an, mit der Lücken anderweitig geförderter MS-bezogener Projekte geschlossen werden können. Darüber hinaus werden Stipendien vergeben und wissenschaftliche Symposien gefördert zu MS-bezogenen Themen.


Gehe zu:


Benutzer, die gerade dieses Thema anschauen: 1 Gast/Gäste