Multiple Sklerose: Läsionen präzise aufspüren

Forscher des Krankheitsbezogenen Kompetenznetzes Multiple Sklerose (KKNMS; www.kompetenznetz-multiplesklerose.de) haben einen Algorithmus entwickelt, mit dem Magnetresonanztomographie(MRT)-Bilder von Patienten mit multipler Sklerose (MS) automatisiert nach Läsionen gescreent werden können. Der Ansatz spare nicht nur Kosten und Zeit, sondern sei außerdem genauer als die herkömmliche manuelle Auswertung, erklärte Studienleiter Priv.-Doz. Dr. med. Mark Mühlau von der Neurologischen Klinik des Klinikums rechts der Isar der Technischen Universität München. Der Algorithmus eignet sich vornehmlich für die Grundlagenforschung und klinische Studien, weil hier in der Regel viele MRT-Bilder und demnach große Datenmengen ausgewertet werden müssen.

Die MRT ist wichtiger Bestandteil bei der Diagnose von MS. Mit ihr lassen sich die für MS typischen T2-hyperintensen Läsionen in der weißen Hirnsubstanz aufspüren. Ihre Anzahl hängt stark mit verschiedenen MS-Symptomen, dem Behinderungsgrad und damit dem weiteren Krankheitsverlauf zusammen. In der Grundlagenforschung ist das Läsionsvolumen daher von besonderem Interesse.

Der neu entwickelte Algorithmus ist aktuell für 3 Tesla MRT-Geräte mit einer dreidimensionalen T1-gewichteten Gradientenecho-Sequenz und einer konventionellen FLAIR-Sequenz konzipiert. Das Studienergebnis hat gezeigt, dass die automatische Bildsegmentation dem manuellen Verfahren in Hinblick auf Sensitivität, Spezifität und Genauigkeit in nichts nachsteht.

Für das KKNMS ist die Forschungsarbeit von Mühlaus Team wichtig, da für das größte Projekt des Netzwerks, die Kohortenstudie, rund 1 000 MRT-Aufnahmen von Patienten mit früher MS beziehungsweise klinisch isoliertem Syndrom ausgewertet werden müssen. Die Studie wurde im Rahmen des KKNMS (Forschungsverbund CONTROLMS) vom Bundesministerium für Bildung und Forschung gefördert. Der Forschungsbericht ist in „NeuroImage“ unter dem Titel „An automated tool for detection of FLAIR-hyperintense whitematter lesions in multiple sclerosis“ erschienen (DOI 10.1016/j.neuro image.2011.11032). EB