Ein neuartiges KI-Verfahren kann progressive Hirntumoren von Strahlennekrosen unterscheiden, was eine bedeutende Herausforderung in der klinischen Bildgebung darstellt. Während gezielte Strahlentherapie eine wirksame Behandlungsmethode für Hirntumoren ist, führt sie oft zu Gewebenekrosen im behandelten Bereich – ein Nebeneffekt, der auf herkömmlichen MRT-Aufnahmen schwer von einem weiterwachsenden Tumor zu unterscheiden ist. Dies kann zu falschen Diagnosen, unnötigen Eingriffen oder verzögerten Therapien führen. Eine Studie, die von Professorin Dr. Saeed Alzahrani vom Lassonde School of Engineering der York University geleitet wurde, zeigt nun, dass ein künstlich-intelligente Methode, die auf hochentwickelten MRT-Bildern basiert, diese Differenzierung signifikant präziser erledigt als menschliche Beurteilung allein. Die KI analysierte komplexe Muster in multiparametrischen MRT-Daten – einschließlich Diffusions- und Perfusionssignalen – und erkannte subtile Unterschiede im Gewebemuster, die für das menschliche Auge unsichtbar sind. In klinischen Tests übertraf das KI-Modell die Diagnosegenauigkeit der Radiologen um bis zu 20 Prozent, insbesondere bei schwierigen Fällen mit unscharfen Grenzen zwischen Tumor und Nekrose. Die Forscher nutzten ein tiefes neuronales Netzwerk, das mit Daten aus mehreren Zentren trainiert wurde, um eine hohe Allgemeingültigkeit und Robustheit zu gewährleisten. Die Methode ist nicht nur schneller, sondern reduziert auch die subjektive Variabilität bei der Bildinterpretation. Die Ergebnisse könnten die klinische Entscheidungsfindung revolutionieren, indem sie Ärzten helfen, frühzeitig zwischen einem rezidivierenden Tumor und einer harmlosen Strahlenschädigung zu unterscheiden. Dies ermöglicht eine gezielte Therapieanpassung – etwa die Fortsetzung der Behandlung bei Tumorprogression oder die Vermeidung unnötiger Operationen bei Nekrose. Die Technologie ist bereits in Pilotprojekte an mehreren kanadischen und europäischen Krankenhäusern integriert, wo sie in die tägliche Diagnostik eingebunden wird. Industrielle Experten begrüßen die Entwicklung als Meilenstein in der radiologischen KI-Anwendung. „Diese Methode zeigt, wie KI nicht nur die Effizienz steigert, sondern auch die klinische Sicherheit erhöht“, sagt Dr. Lena Müller, Leiterin der Abteilung Neuroimaging am Charité-Krankenhaus Berlin. „Die Fähigkeit, subtile biologische Unterschiede zu erkennen, die menschliche Augen übersehen, ist ein entscheidender Fortschritt.“ Die York University arbeitet bereits mit medizinischen Technologieunternehmen zusammen, um die KI-Lösung in kommerzielle Bildgebungssysteme zu integrieren. Die Technologie könnte in Zukunft auch auf andere Tumortypen und Behandlungsformen übertragen werden, was ihre Bedeutung für die personalisierte Onkologie weiter erhöht.