Deep-Learning-Algorithmen können zerebrale Aneurysmata detektieren

Aneurysmata sind in 85 % der Fälle die Ursache für nichttraumatische Subarachnoidalblutungen. Insgesamt liegt das Risiko für eine Aneurysmaruptur bei 0,95 % pro Jahr, obwohl das Risiko mit der Größe, der Lokalisation und der Form des Aneurysmas variiert. Deep Learning ist eine Art des maschinellen Lernens, das Algorithmen erzeugt, die durch die Struktur und die Funktion des menschlichen Gehirns inspiriert sind. Deep Learning wurde entwickelt, um Bilderkennungsalgorithmen zu produzieren und wird seit einiger Zeit auch in der Radiologie angewandt.

Fazit

Durch die Bereitstellung eines zusätzlichen Assessments für MR-Bilder könnte der von den Autoren beschriebene Algorithmus nicht nur Radiologen bei der Detektion von zerebralen Aneurysmata unterstützen, sondern auch das Risiko vermindern, diese zu übersehen. Ferner könnte der Algorithmus auch schon bei der Erstdiagnose durch den Radiologen zusätzlich von Nutzen sein. Als Limitationen ihrer Studie sehen die Autoren das retrospektive Design und die Unvollständigkeit des Training-Datensatzes hinsichtlich bestimmter Regionen und Größen.