Ein internationales Forscherteam um die Universität Buffalo hat erstmals nachgewiesen, dass künstliche Intelligenz bisher unsichtbare kortikale Läsionen bei Multipler Sklerose aus konventionellen MRT-Daten extrahieren kann. Die Ergebnisse wurden im Fachjournal Communications Medicine veröffentlicht und markieren einen entscheidenden Durchbruch in der Neuroimaging-Forschung. Sie eröffnen neue Perspektiven für die Diagnose, Therapiesteuerung und klinische Studienauswertung. Seit der Entdeckung der Multiplen Sklerose ist bekannt, dass Schädigungen der grauen Substanz maßgeblich für den Krankheitsverlauf und kognitive Einbußen verantwortlich sind. Herkömmliche klinische MRT-Verfahren konnten diese Läsionen jedoch aufgrund technischer Limitationen weder zuverlässig detektieren noch in Diagnosekriterien einbeziehen. Die neue KI-Lösung überwindet diese Hürde durch die Kombination etablierter Bildverarbeitungstechniken mit einem eigens entwickelten Algorithmus namens MMCLE. Generative KI-Modelle werten dabei mehrere Kontrastaufnahmen desselben Gehirns simultan aus, synthetisieren fehlende Informationen und identifizieren minimale Gewebeabweichungen, die auf entzündliche Prozesse in der grauen Substanz hinweisen. Die Validierung erfolgte anhand von MRT-Daten der großen Phase-III-Klinischen ORATORIO-Studie, die den MS-Wirkstoff Ocrelizumab von Genentech testete und mehr als 700 Patientendaten umfasste. Unter der Leitung von Dr. Robert Zivadinov und Erstautor Dr. Michael G. Dwyer wandten die Wissenschaftler des Buffalo Neuroimaging Analysis Center sowie internationale Koautoren die KI-Methoden auf die klinischen Datensätze an. Während menschliche Radiologen in den Originalscans nahezu ausschließlich Läsionen in der weißen Substanz erkannten, identifizierte die KI pro Patient durchschnittlich 15 bis 20 zusätzliche kortikale Läsionen. Insgesamt konnten so über 11.000 bisher unentdeckte Schädigungen quantifiziert werden. Die klinische Relevanz dieses Ergebnisses ist hoch. Da die meisten in den vergangenen Jahrzehnten zugelassenen Therapeutika primär auf die Reduktion weißer Läsionen abzielen, blieb ihre Wirkung auf den Kortex bisher unquantifizierbar. Die Möglichkeit, graue Schädigungen nun routinemäßig in Legacy-Daten abzubilden, erlaubt ein präziseres Monitoring der Krankheitsprogression, eine genauere Prognose kognitiver Defizite und eine datenbasierte Bewertung bereits durchgeführter wie auch laufender klinischer Studien. Zivadinov betont, dass die Offenlegung dieser verborgenen Pathologie die Auswertung historischer Datensätze grundlegend verändern und künftige Wirkstoffentwicklungen gezielter steuern werde. Die Arbeit demonstriert die transformative Kraft von KI in der Medizinischen Bildgebung. Durch intelligente Fusion multipler Bilddaten werden langjährige diagnostische Blindstellen beseitigt, ohne die Notwendigkeit neuer oder teurer Hardware zu schaffen. Das Verfahren ist skalierbar und könnte künftig standardmäßig in die Auswertung klinischer Studien sowie das neurologische Diagnostik-Setup integriert werden.