Wenn Computer lernen, Hirnbilder zu lesen

Dass Rechenmaschinen besser sind im Schach oder im Go als die besten menschlichen Spieler, hat nicht nur mit der immer stärker werdenden Arbeitsleistung der Computerhardware zu tun, sondern auch mit Fortschritten in der Programmierung von maschinellem Lernen. Damit sind Algorithmen gemeint, mit denen sich die Rechner selbst beibringen, wie eine Aufgabe zu lösen ist.

So hat ein interdisziplinäres Team von Ärzten und Computerwissenschaftlern um Mauricio Reyes von der Universität Bern in von der Krebsliga Schweiz unterstützten Forschungsarbeiten eine Software entwickelt, die auf Magnetresonanzbildern des Hirns Tumore erkennen – und vermessen – kann. Und zwar mindestens so gut, wie das erfahrene Neuro-Radiologen tun.

Für das ungeschulte Auge ist auf den Graustufenbildern ausser dem Schädel und dem Gehirn häufig nicht viel zu erkennen. Auch die Software der Forschenden um Reyes muss ihre analytischen Fertigkeiten zuerst an von Menschenhand ausgewerteten Bildern trainieren, die ihr zeigen, wie sich gesunde und von einem Tumor befallene Hirnsegmente unterscheiden. Aus dem Übungsdatensatz leitet das Programm namens BraTumIA (für «Brain Tumor Image Analyzer») dann Regeln ab, die es auch auf noch nie gesehene Bilder anwendet – und so für jeden Punkt im dreidimensionalen Gitterraster entscheidet, ob er zur gesunden weissen oder grauen Substanz im Hirn gehört, oder ob der Punkt einen Teil des Tumors und die ihn umgebende Blutung darstellt.

In einer am Inselspital in Bern durchgeführten Studie grenzte die Software das Tumorvolumen gleich gut ein wie zwei erfahrene Neuro-Radiologen. Die Urteile der Experten bezüglich Lokalisation und Ausbreitung des Tumors dienen etwa als Grundlage für die Planung der Bestrahlung und sollten deshalb kaum voneinander abweichen.

Tatsächlich aber gibt es oft beträchtliche Unterschiede. Reyes spricht von einer «subjektiven Komponente, die der manuellen Vermessung innewohnt». Die automatische Bildanalyse könnte den Einfluss solcher individueller Auswertungsunterschiede begrenzen. Darüber hinaus könnte sie die Neuro-Radiologen auch zeitlich entlasten. Diese müssten nur noch überprüfen, ob sie mit der Einteilung des BraTumIA-Programms einverstanden sind, anstatt die Hirntumore in zeitraubender Arbeit vor dem Bildschirm von Hand zu vermessen.

Reyes und seine Mitstreiter denken indes schon weiter: Weil ihr Programm alle Arten von Bilddatensätzen analysieren kann, könnte die Software – wenn sie entsprechend expertenbasiert trainiert wird – die Auswertung auch in anderen medizinischen Bereichen (etwa bei der Diagnose von multipler Sklerose oder akutem Hirnschlag) vereinfachen.