Universität zu Köln

Meier, Michelle (2023). Die automatisierte Bewertung von Dopamin-Transporter-SPECT basierend auf künstlicher Intelligenz. PhD thesis, Universität zu Köln.

PDF Dissertation_Michelle_Meier_final_Version_Print Kopie.pdf Download (8MB)

Abstract

Bei der DAT-SPECT (dopamine transporter single photon emission computer tomography, [englisch]) handelt es sich um nuklearmedizinisches diagnostisches Verfahren, welches unter anderem bei dem klinischen Bild des Parkinsonismus Anwendung findet. Es bietet eine in vivo-Einschätzung über die Integrität dopaminerger Synapsen und unterliegt einer gewissen Interrater-Variabilität. Künstliche Intelligenz (KI) hat in den vergangenen Jahren in vielen Bereichen des Alltags Einzug gehalten. In der Medizin gibt es bereits jetzt Algorithmen, die die menschliche Beurteilung in ihrer Leistungsfähigkeit übertreffen. Hier ist besonders das Teilgebiet des tiefen Lernens in den Fokus gerückt. Ziel des Projektes war die Erprobung eines Ansatzes, mit dieser Methodik DAT-SPECT-Dateien automatisiert zu klassifizieren. Es wurden retrospektiv aus einem Datensatz von 1679 DAT-SPECT-Aufnahmen nach diagnostischer Bewertung durch klinisch tätiges ärztliches Personal 442 Einzeldateien ausgewählt und binär klassifiziert. Anschließend wurde eine KI-Umgebung basierend auf Google Tensorflow® aufgesetzt. Es wurden verschiedene Kombinationen aus Fraktionen eines faltenden künstlichen neuronalen Netzwerkes, Durchlaufraten und verschiedenen Trainingsdatensätzen angewandt. Diese wurden danach mit unbekannten Daten einem Testprozess unterzogen. Es wurden Genauigkeiten von bis zu 90%, Sensitivitäten und Spezifitäten von jeweils bis zu 100% erreicht. Die positiven und negativen Prädiktionswerte lagen ebenfalls je bei bis zu 100%. Allerdings zeigten die Ergebnisse starke Schwankungen je nach benutzter Trainings- und Testkombination. Tendenziell schien eine höhere Netzwerkfraktion mit höherer Laufrate bessere Resultate zu erbringen. Insgesamt illustriert die vorliegende Arbeit eine Möglichkeit, DAT-SPECT-Dateien automatisiert zu beurteilen. Auch wenn sowohl in der wissenschaftlichen Literatur wie auch in diesem Projekt teils beeindruckende Ergebnisse erzielt wurden, stellt die eingeschränkte Nachvollziehbarkeit sowie die bislang fehlende klinische Korrelation automatisierter Klassifikationen eine Herausforderung dar. Auch ergeben sich in diesem Kontext in Anbetracht der Verwendung sensibler Daten juristische wie ethische Fragestellungen, deren Bedeutung mit der zunehmenden Digitalisierung des Gesundheitssystems wachsen wird.

Item Type:	Thesis (PhD thesis)
Creators:	Creators Email ORCID ORCID Put Code Meier, Michelle michelle.meier@arcor.de UNSPECIFIED UNSPECIFIED
URN:	urn:nbn:de:hbz:38-730624
Date:	2023
Language:	German
Faculty:	Faculty of Medicine
Divisions:	Faculty of Medicine > Nuklearmedizin > Klinik und Poliklinik für Nuklearmedizin
Subjects:	Medical sciences Medicine
Uncontrolled Keywords:	Keywords Language Nuklearmedizin UNSPECIFIED Dopamin-Transporter UNSPECIFIED SPECT UNSPECIFIED
Date of oral exam:	18 March 2024
Referee:	Name Academic Title van Eimeren, Thilo Universitätsprofessor Dr. med. Endepols, Heike Professorin Dr. med.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/73062