Fortschritte in der Parkinson-Forschung: Masterarbeit in der führenden Zeitschrift für nuklearmedizinische Bildgebung EJNMMI veröffentlicht

17.12.2024

Die von Aleksej Kucerenko im Rahmen seiner Masterarbeit an unserem Lehrstuhl durchgeführte Forschungsarbeit wurden in der renommierten Fachzeitschrift "European Journal of Nuclear Medicine and Molecular Imaging (EJNMMI)" im Open Access veröffentlicht. Diese Arbeit, die in Zusammenarbeit mit dem Universitätsklinikum Hamburg-Eppendorf (UKE) entstand, bietet wertvolle Einblicke in das Gebiet der nuklearmedizinischen Bildgebung und der Parkinson-Forschung. Insbesondere wird erörtert, wie wir Unsicherheiten bei der Markierung einbeziehen und nutzen können, um CNN-gemessene Verminderungen von DAT-SPECT-Bildgebungssignalen, wie sie im Zusammenhang mit der Parkinson-Krankheit typisch sind, besser zu bewerten (und zu kommunizieren).

Umgang mit Unsicherheiten bei der DAT-SPECT-Bildgebung

Die Diagnose der Parkinson-Krankheit stützt sich häufig auf die Dopamin-Transporter-SPECT-Bildgebung (DAT-SPECT), doch die unterschiedliche Interpretation durch die verschiedenen Untersucher kann zu Problemen führen. Aleksejs Studie untersucht Methoden, um diese Unsicherheiten zu beseitigen und die Zuverlässigkeit von Faltungsneuronalen Netzen (CNNs) zur Identifizierung von Parkinson-bedingten Abschwächungen in bildgebenden Signalen zu verbessern.

Zu den bemerkenswerten Ergebnissen gehören:

Einbeziehung von Leserdiskrepanzen in das Training: Wenn CNNs während des Trainings auf Diskrepanzen zwischen den Lesern aufmerksam gemacht werden, kann dies dazu beitragen, bestimmte Fälle von nicht eindeutigen Fällen zu unterscheiden.
Verbesserte diagnostische Sicherheit: Die Methode reduzierte den Anteil der nicht eindeutigen Testfälle. So sank der Anteil der nicht eindeutigen Fälle von 2,8 % auf 1,2 % bei einer ausgewogenen Genauigkeit von 98 %.
Robuste Validierung: Die Ergebnisse wurden an zwei unabhängigen Datensätzen (n=640 und 645) validiert, um die Zuverlässigkeit zu gewährleisten.

Offener Zugang und Offene Wissenschaft

Die Forschung fördert die Transparenz durch eine Open-Access-Publikation und eine öffentlich zugängliche Codebasis und spiegelt damit perfekt das Engagement unseres Labors wider, die Forschung voranzutreiben und die Zusammenarbeit durch offene Wissenschaft zu fördern. Für weitere Details können Sie das Paper hier auf das Paper und den zugehörige Quellcode hier abrufen.

Kooperationen Stärken und Zukunftsorientiert Voranschreiten

Rückblickend unterstreicht dieses Projekt den Wert der interdisziplinären Zusammenarbeit, die Aleksejs Engagement mit der fachkundigen Co-Betreuung durch Dr. Ralph Buchert vom UKE kombiniert, um Fortschritte in der medizinischen Bildgebung voranzutreiben. Auch wenn noch weitere Arbeit erforderlich sind, liefert dieses Projekt nützliche Erkenntnisse darüber, wie maschinelles Lernen die Diagnoseinstrumente im Gesundheitswesen verbessern kann. Natürlich können nicht alle Projekte so ablaufen (und müssen es auch nicht), aber dies ist ein hervorragendes Beispiel dafür, dass man mit dem richtigen Talent, Engagement und Umfeld in jeder Phase der Karriere einen bedeutenden wissenschaftlichen Einfluss haben kann. Bitte schließen Sie sich uns an, wenn wir Aleksejs Erfolg feiern und Dr. Ralph Buchert und dem UKE-Team unsere Anerkennung für die außergewöhnlich produktive Zusammenarbeit und Betreuung aussprechen.