Neuroradiologie: Die Musik spielt nicht nur im Kopf, sondern auch im peripheren Nervensystem
Einem interdisziplinären Team aus der Universitätsmedizin Würzburg ist es erstmals gelungen, mithilfe von Deep Learning Algorithmen ein neuronales Netz zu trainieren, das Spinalganglien in MRT-Bildern automatisch segmentiert. Diese kombinierte MRT- und KI-basierte Methode ist ein erster Schritt, um künftig neuronale Aktivität in vivo sichtbar zu machen.
Die Studie ist insbesondere für die Schmerzforschung von Bedeutung. Durch die standardisierte Analyse können Nervenstrukturen von Patientinnen und Patienten künftig besser auf krankhafte Veränderungen untersucht werden.
Nischenforschung
Das Forschungsgebiet von Dr. med. Magnus Schindehütte, Institut für Diagnostische und Interventionelle Neuroradiologie am Universitätsklinikum Würzburg, ist eine Nische. Die neuroradiologische Forschung der letzten Jahrzehnte habe sich insbesondere auf den Kopf bzw. das zentrale Nervensystem konzentriert, sagt Schindehütte. Er dagegen interessiert sich für die Bildgebung im peripheren Nervensystem, insbesondere der Spinalganglien – kurz DRG für dorsal root ganglia. Das sind Ansammlungen von sensorischen Nervenzellkörpern, die sich an der dorsalen Nervenwurzel befinden, kurz bevor diese in das Rückenmark eintritt. Die Neuronen der DRGs empfangen Reize über ihre peripheren Fortsätze und leiten sie über zentrale Axone an das Rückenmark weiter. Die DRGs spielen also eine zentrale Rolle bei der Weiterleitung von Schmerzsignalen vom peripheren zum zentralen Nervensystem, über das Rückenmark bis ins Gehirn.
Schindehütte hat mit einem interdisziplinären Team als Seniorautor eine methodische Studie in der renommierten Fachzeitschrift NeuroImage veröffentlicht. Darin stellen die Forscher ein KI-basiertes Modell zur automatischen Erkennung und Segmentierung von Spinalganglien in MRT-Bildern vor. Diese Innovation erleichtert die Beurteilung der Spinalganglien erheblich und eröffnet neue diagnostische Möglichkeiten, insbesondere in der Schmerzmedizin.
B) Darstellung der lumbosakralen DRG im MRT.
C) 3D Rendering der DRG (gelb), der angrenzenden Nervenstrukturen (grau) und des Durasacks (weiß).
© Uniklinikum Würzburg
Deep Learning Algorithmus
Die Studie konzentrierte sich auf die Spinalganglien der lumbosakralen Rückenmarkssegmente L5 und S1, die an der Weiterleitung sensorischer Signale aus den unteren Extremitäten beteiligt sind.
„Was früher oft als unscheinbare Knubbel an der Wirbelsäule abgetan wurde, rückt heute – dank großer Fortschritte in der Bildgebung – immer mehr in den Fokus der Wissenschaft. Die DRGs sind zwar immer noch schwer zu erfassen, weil sie sich mit jeder Atembewegung leicht verschieben, aber die Aufnahmen sind inzwischen so hochauflösend, dass man die Strukturen viel klarer abgrenzen kann“,
erklärt Magnus Schindehütte.
Es sei gar nicht so einfach, die Spinalganglien von der „Autobahn“ der vorbeiziehenden Nervenfasern abzugrenzen, erklärt Schindehütte. Die so genannte Region of Interest (ROI) sieht bei jedem Menschen etwas anders aus, was die Segmentierung zusätzlich erschwert. Jedes Bild wurde deshalb von drei Experten manuell annotiert. Aus ihren Bewertungen entstand eine Referenz, eine sogenannte Ground Truth, mit der das neuronale Netz trainiert wurde – immer und immer wieder.
Mit Erfolg: Inzwischen erkennt und segmentiert der Deep Learning Algorithmus (nnU-Net) nicht nur die ursprünglichen Trainingsdaten, sondern auch neue MRT-Bilder – und zwar sowohl von gesunden als auch von erkrankten Personen. Dabei arbeitet das System robust, schnell und weitgehend standardisiert – eine wichtige Grundlage für eine objektive und reproduzierbare Diagnostik.
© Universitätsklinikum Würzburg
Segmentierung ermöglicht Volumen- und Signalauswertung der DRGs
Ein wichtiger diagnostischer Aspekt ist die Signalintensität der Spinalganglien – also wie hell oder dunkel sie in bestimmten MRT-Sequenzen erscheinen. Bei der Multisystemerkrankung Morbus Fabry zum Beispiel zeigen die DRGs in flüssigkeitssensitiven, sogenannten T2-gewichteten Aufnahmen eine erhöhte Signalintensität – ein Muster, das der KI-Algorithmus zuverlässig erkannte. Eine mögliche Hypothese: Abbauprodukte, die sich bei Fabry-Patienten im Gewebe anreichern, lagern sich auch in den DRGs ab. Im Zellmodell konnten solche Ablagerungen bereits nachgewiesen werden. Darüber hinaus können auch Volumenveränderungen, wie etwa Atrophien, die Spinalganglien betreffen. In einer weiteren Arbeit (DOI: 10.1101/2024.06.18.24309141) zeigte Schindehütte gemeinsam mit einem Team vom Zentrum für Interdisziplinäre Schmerzforschung (ZIS), dass das Spinalganglion, das die Zellkörper jener Nerven enthält, die die Leistenregion versorgen, bei chronischen postoperativen Leistenschmerzen deutlich schrumpft.
Daten frei zugänglich
„Unser trainiertes Netz ist frei zugänglich und kann anderen Zentren helfen, standardisierte Auswertungen durchzuführen – auch international. Damit schaffen wir die Grundlage für eine verlässliche Vergleichbarkeit zwischen verschiedenen Einrichtungen und Studien – und einen weiteren Beleg dafür, dass in der Neuroradiologie die Musik nicht nur im Kopf, sondern auch im peripheren Nervensystem spielt.“
Wissenschaftlicher Bedarf für objektive Auswertung
Nach Ansicht von Schindehütte zeigt das Methodenpapier dass es einen wissenschaftlichen Bedarf für eine objektive Auswertung der Spinalganglien gibt.
„Schmerz ist immer subjektiv. Wir versuchen, ihn bildgebend zu erfassen und damit einen Surrogatmarker für die Schmerzverarbeitung zu identifizieren. Wenn wir verstehen, was physiologisch im DRG passiert, können wir künftig gezielter über therapeutische Ansätze nachdenken“,
sagt Magnus Schindehütte.
Nauroth-Kreß AC et al. NeuroImage, Volume 311, 2025, 121189. ISSN: 1053-8119. DOI: 10.1016/j.neuroimage.2025.121189
Quelle: Universitätsmedizin Würzburg
