DeePSC: KI-gestützte Diagnostik der Primär Sklerosierenden Cholangitis anhand der 2DMagnetresonanz-Cholangiopankreatikographie (MRCP)
DeePSC ist ein spezialisierter, auf Deep Learning basierender Klassifikationsalgorithmus zur automatischen Diagnose der Primär Sklerosierenden Cholangitis (PSC) anhand der 2D-MRCP. Er ist das Ergebnis einer interdisziplinären und multiprofessionellen Kooperation zwischen der Radiologie und der Inneren Medizin an der Uniklinik Hamburg-Eppendorf sowie dem Institut für Medizinische Systembiologie am Zentrum für Molekulare Neurobiologie in Hamburg.
In einer Pilotstudie mit 342 PSC-Patient*innen und einer Kontrollgruppe von 264 Proband*innen konnten wir zeigen, dass DeePSC schnell, zuverlässig und mit einer hohen Präzision PSC anhand von 2D-MRCP-Bildern sowohl bei 1,5 als auch bei 3 Tesla erkennen kann (Abb. 1). Dies konnte auch auf einem externen Datensatz bei 3 Tesla validiert werden. Im direkten Vergleich mit vier Radiolog*innen aus unserem spezialisierten Zentrum erreichte DeePSC sogar eine höhere Genauigkeit als erfahrene menschliche Experten, jedoch ohne statistische Signifikanz (Abb. 2). Derzeit planen wir eine Weiterentwicklung von DeePSC, um klinisch wichtige Endpunkte wie das Fortschreiten der Erkrankung oder die Notwendigkeit einer Lebertransplantation korrekt vorhersagen zu können.
Ansprechpartner:
Dr. med. Haissam Ragab
Prof. Dr. med. Christoph Schramm
Prof. Dr. med. Stefan Bonn
Klinik und Poliklinik für Diagnostische
und Interventionelle Radiologie und Nuklearmedizin,
Universitätsklinikum Hamburg-Eppendorf
