slide

Unser Fokus liegt auf einer benutzerfreundlichen Darstellung von ASL-Auswertungen, um effiziente Studienabläufe und zuverlässige Ergebnisse zu unterstützen. Wir bieten interaktive Berichte für einen schnellen Überblick über einen Teilnehmer sowie PDF-Berichte für eine strukturierte Archivierung.

für die sofortige Anzeige der Auswertungsergebnisse – jederzeit und überall.

Die Rückfallwahrscheinlichkeit bei Brustkrebs lässt sich noch immer schwer prognostizieren. Gemeinsam mit neun Partnern in der EU führen wir erstmals radiologische, histo-pathologische und klinische Daten der Patientinnen in einem Modell zusammen, um die Prognose für distale Metastasen zu verbessern.

Ein Aortenaneurysma oder gar eine Aortendissektion wird oft als Nebenbefund auf abdominellen CT-Aufnahmen entdeckt. Im Zweifel muss der Patient aber möglichst schnell weiterbehandelt werden. Wir entwickeln eine automatische, KI-gestützte Auswertung aller abdominellen CT-Aufnahmen in der Cloud, die im Fall eines kritischen Befundes den diensthabenden Arzt direkt alarmiert, so dass der Patient priorisiert werden kann.

Ein zeitraubendes Verfahren, das bisher nur in akademischen Umgebungen zum Einsatz kam. Im KI4MS-Projekt bringen wir diese wertvolle Technik in die radiologische Praxis. Dazu nutzen wir ein neuronales Netzwerk, das speziell auf die strukturellen Veränderungen trainiert wurde. Weniger als zehn Minuten benötigt diese künstliche Intelligenz, um eine 3D-Karte der Gewebeveränderungen zu berechnen.

Bild: KI4KMU – Beispiel einer KI-gestützten VGM Auswertung, die im Rahmen eines vom baden-württembergischen Wirt­schafts­mi­nis­te­ri­um geförderten Projektes gemeinsam mit der Universitätsmedizin Mannheim und der MedicalSyn GmbH in Stuttgart entwickelt wurde.

Strukturelle Veränderungen durch ent­zünd­liche Prozesse bieten Anzeichen für den zukünftigen Verlauf von Multipler Sklerose und liefern auch für weitere Krankheitsbilder neue Informationen. Der erprobte VGM-Algorithmus visualisiert diese Ver­än­der­ungen und erstellt so eine „Landkarte“ des Gehirns. Die Aus­wer­tung bestimmt dabei Ge­we­be­ver­än­der­ungen mit 100 Mio. Freiheitsgraden.

Bild: KI4KMU – Beispiel einer KI-gestützten VGM Auswertung, die im Rahmen eines vom baden-württembergischen Wirt­schafts­mi­nis­te­ri­um geförderten Projektes gemeinsam mit der Universitätsmedizin Mannheim und der MedicalSyn GmbH in Stuttgart entwickelt wurde.

Wir arbeiten daran, Alzheimer im frühen Stadium auf MR-Bildern zu erkennen. Die künstliche Intelligenz hilft uns dabei, spezifische Muster in der Perfusion des Gehirns zu erkennen und einzuschätzen.

Ein wichtiger Imaging Biomarker für MS sind schwelende Läsionen. Deren KI-gestützte Detektion auf MR-Bildern macht auch Krankheitsaktivität sichtbar, die mit dem bloßen Auge nicht zu erkennen ist.

Im Bild: Beispiel einer KI-gestützten VGM Auswertung, die im Rahmen eines vom baden-württembergischen Wirtschaftsministerium geförderten Projektes gemeinsam mit der Universitätsmedizin Mannheim und der MedicalSyn GmbH in Stuttgart entwickelt wurde.

Wir entwickeln und verfeinern strukturelle Analysemethoden, um die Diagnostik und Verlaufskontrolle bei Multipler Sklerose zu unterstützen.

… etablieren wir einen standardisierten Work­flow, der die Auswertung und Ent­wi­ck­lung dieses ersten ASL-basierten Alzheimer Imaging Biomarkers erleichtert.

Bildquelle: „ExploreASL: An image processing pipeline for multi-center ASL perfusion MRI studies” von Henk J.M.M. Mutsaerts et al. in NeuroImage (2020)