Die pulmonale Niedrigdosis-Computertomograhie (CT) kann die neue Corona-Virus-Pneumonie erkennen und gleichzeitig das Ausmaß des Lungenbefalls bestimmen.
Ziel dieses Projekts war es, Methoden des Maschinellen Lernens auf Computertomograhie (CT) und zusätzliche klinische Informationen (z. B. aktuelle Laborwerte, weitere Daten der persönlichen Krankengeschichte etc.) von CoViD-19-Patienten anzuwenden, um eine individuelle automatisierte Detektion, Quantifizierung und Risikobewertung vorzunehmen.
Trainingsdaten wurden mithilfe spezialisierter Annotationsprogramme durch Radiologen generiert. Aufbauend auf Vorarbeiten des Konsortiums wurden künstliche konvolutionelle neuronale Netzwerke für die automatisierte Erkennung und Volumetrie verschiedener Pathologien entwickelt und an annotierten Daten trainiert. Für die automatisierte Quantifizierung von Krankheitsverläufen wurde zusätzlich eine automatisierte Registrierung von longitudinalen Datensätzen eingeführt.
Neuartige Graphen-basierte konvolutionelle neuronale Netzwerke, die eine Einbeziehung klinischer Daten ermöglichen, wurden für eine verbesserte Graduierung des Erkrankungsstadiums entwickelt, um zukünftig Vorhersagen zum individuellen klinischen Verlauf zu ermöglichen. Aus dem Projekt sind bereits mehrere wissenschaftliche Publikationen hervorgegangen. Aktuell erfolgt die Einbindung der entwickelten Algorithmen in eine klinische Testplattform.
