Diagnosestellung und Risikostratifizierung von Lebererkrankungen mittels Deep Learning anhand von klinischen Routinedaten (DEEP LIVER)

Motivation

Zwischen 15% und 25% der Deutschen weisen erhöhte Leberwerte auf–dies gehört zu den häufigsten Befunden in der hausärztlichen Praxis. Allen voran spielt die nichtalkoholische Fettlebererkrankung aus epidemiologischer Sicht eine zunehmend große Rolle. Diese birgt das Risiko einer schweren Erkrankung (bspw. Übergang in eine Leberzirrhose). Lebererkrankungen können lebensbedrohende Auswirkungen haben, sodass neue Wege in der Diagnostik und Therapie beschritten werden müssen. Das Ziel dieses Projektes ist die Nutzung computerbasierter Methoden für eine verbesserte Diagnosestellung von Lebererkrankungen.

Ziele und Vorgehen

Ziel des Projekts „Diagnosestellung und Risikostratifizierung von Lebererkrankungen mittels Deep Learning anhand von klinischen Routinedaten“ (kurz DEEP LIVER) ist eine computerbasierte Methode zur Diagnosestellung zu entwickeln und zu validieren. Bilder von Lebergewebe sowie klinische Daten werden mittels Deep-Learning-Methoden und künstlichen neuronalen Netzen analysiert, um Modelle für die Diagnose abzuleiten. Darauf basierend wird der Prototyp einer Online-Plattform für die dezentrale Bereitstellung von Deep-Learning-Methoden entwickelt und getestet, so dass individuelle Risikovorhersagen verbessert und die Diagnose seltener Erkrankungstypen beschleunigt werden können.

Perspektiven für die Praxis

Mit DEEP LIVER sollen durch die Nutzung von Deep Learning-Methoden und der Integration von Bild- und Routinedaten Vorhersagen zu ungünstigen Verläufen von Lebererkrankungen möglich werden. Ärztinnen und Ärzte sollen darin unterstützt werden, seltene und somit schwer diagnostizierbare Lebererkrankungen zu erkennen. Dadurch kann die Versorgung von Patientinnen und Patienten, wie auch die Diagnose und Prognose von Lebererkrankungen langfristig verbessert werden.