Media Relations

Berner Biotech auf internationalem Siegeszug

MRI-Daten sind in der Behandlung neurologischer Erkrankungen unerlässlich. Eine lernende Berner Software wertet diese jeweils so aus, dass die Bildgebung bei Hirntumoren, Hirnschlag und neu auch Multipler Sklerose davon profitieren kann.

Einen Hirntumor in Rekordzeit exakt abbilden, nach einem Schlaganfall vorhersagen, welches Gewebe sich wieder erholen wird, das Schadensausmass von Multipler Sklerose (MS) im Hirn genau erfassen – dies alles kann eine selbstlernende Berner Software, die Machine-Learning- Techniken einsetzt. Am weltweit grössten Fachkongress in medizinischer Bildgebung MICCAI, belegte sie für alle drei Krankheitsbilder einen Spitzenplatz (www.miccai2016.org).

Eine Idee – viele Anwendungen

Angestossen hat das Joint Venture zwischen Biomechanik und Medizin ein am MICCAI 2011 eingereichtes Paper von Stefan Bauer, damals am Institut für Chirurgische Technologien und Biomechanik (ISTB) der Universität Bern tätig. Seine Idee der automatisierten Segmentierung von neurologischen Bilddaten wurde jetzt als einflussreichste der letzten fünf Jahre ausgezeichnet. Seither haben Ärzte und Ingenieure unter der Leitung der Professoren Roland Wiest (Inselspital) und Mauricio Reyes (ISTB) das System kontinuierlich weiterentwickelt.

Die Erst-Software zur Abbildung von Hirntumoren BraTumIA konnte kürzlich an eine französische Firma lizensiert werden. Das selbstlernende System analysiert aufgrund bereits erfasster Datensätze neuroradiologische Bilder in drei Dimensionen und bietet dem behandelnden Arzt rasch zusätzliche Informationen zur bestmöglichen Behandlung des Patienten. Ein zweiter Ableger des Berner modularen Ansatzes (FASTER) kann bespielsweise nach Hirnschlägen erkennen, welches Gewebe eine Chance auf vollständige Erholung hat. Eine klinische Studie zur Anwend- barkeit dieser Software ist eben im „Journal of Cerebral Blood Flow & Metabolism“ erschienen.

Fortschreiten von MS präzise erkennen

Die neueste Weiterentwicklung lernt mittels spezieller «deep learning» Algorithmen des biomedizinischen Computerwissenschaftlers Richard McKinley, typische Hirnläsionen bei MS exakt in ihrer Volumenausbreitung zu erfassen. Diese Information lässt erkennen, ob die Krankheit stabil bleibt oder die Medikation geändert werden muss, um ein Fortschreiten zu verhindern. In einem ersten Test lieferte das Berner Programm auf sämtlichen handelsüblichen MRI-Geräten vergleichbare Einschätzungen wie eine Gruppe von ausgewiesenen MS-Experten.

Zusammenarbeit Mensch-Maschine

Die Software lernt ständig dazu und kann von erfahrenen Medizinern darauf trainiert werden, MRI- Bilder minutenschnell fehlerfrei zu charakterisieren. Das erleichtert den behandelnden Ärzten die anstrengende manuelle Auswertung und trägt direkt zur verbesserten Behandlung der Patienten bei. Mit dem geplanten nationalen Kompetenzzentrum für translationale Medizin und Unternehmertum sitem-insel wird der Forschungsstandort Bern seine Stärken in biomedizin- technischer Entwicklung und klinischer Anwendung weiter ausbauen (www.sitem-insel.ch).

Quelle: Inselspital

28.10.2016