Automatisierte Diagnostik in der Bildgebung klinischer Störungen

Weygandt, M.¹, Hackmack, K.¹, Schienle, A.², Paul, F.³ und Haynes, J. D.^1,4
1Bernstein Center for Computational Neurosciences, Charité-Universitätsmedizin, Berlin; ²Institut für Psychologie, Abteilung für Klinische und Gesundheitspsychologie, Karl-Franzens Universität, Graz; ³Charité-Universitätsmedizin, Berlin; ⁴Max Planck Institut für Kognitions- und Neurowissenschaften, Leipzig

Zur Analyse klinischer Störungen werden in immer stärkerem Maße Verfahren der Bildgebung, besonders (funktionelle) Magnetresonanztomographie angewandt. Diese ermöglichen es, morphologisch-strukturelle oder funktionelle Abweichungen von Patientengruppen zu untersuchen. Die Analyse neuronaler Parameter erfolgt dabei traditionell unabhängig für einzelne Gehirnareale. Störungsrelevante Zusammenhänge der geweblichen Beschaffenheit oder im Funktionieren benachbarter Gehirnregionen werden somit im Rahmen traditioneller (univariater) Verfahren ignoriert. Die Relevanz dieser Zusammenhänge für funktionelle Prozesse konnte jedoch unlängst von unserer Arbeitsgruppe, beispielsweise für das Gebiet der Entscheidungsfindung nachgewiesen werden.
Hier demonstrieren wir den Einsatz von Mustererkennungsverfahren in der Reanalyse eines strukturellen (Multiple Sklerose) und eines funktionellen Datensatzes (Essstörungen). Die Ergebnisse zeigen, dass es auf Basis entsprechender Parameterkarten für beide möglich ist, den Status der gemessenen Personen (Patient oder Kontrolle) mit hoher Genauigkeit vorherzusagen. Vor diesem Hintergrund scheint die Anwendung der Verfahren im Bereich der klinischen Diagnostik attraktiv, um so Einblicke in die Relevanz räumlicher Muster der Gewebskonzentration bzw. neuronaler Aktivierung zu erlangen.

Symposium 1: Neuronale Korrelate affektiver Verarbeitung
11.06.2009, 13:00-14:00
Hörsaal Nord