Skalenübergreifende Kopplung vaskulärer Hämodynamik zur KI-basierten, standardisierten Evaluation neurologischer Pathologien

Neurovaskuläre Erkrankungen können zu schwerwiegenden Einschränkungen und Behinderungen bei den betroffenen Personen führen und zählen darüber hinaus zu den häufigsten Todesursachen in Deutschland. Dazu gehören patientenspezifische Pathologien der Hirngefäße wie intrakranielle Aneurysmen (permanente, ballonartige Gefäßaussackungen) oder arteriovenöse Malformationen (Kurzschluss der arteriellen und venösen Gefäße ohne Kapillarbett). Zwar gelingt mithilfe von sich kontinuierlich weiterentwickelnden Bildgebungsmodalitäten eine zuverlässige Diagnose, jedoch ist die individuelle Risikobewertung höchst komplex, unterliegt zahlreichen Einflussgrößen und wird im klinischen Alltag aufgrund fehlender Modelle zu simplifiziert umgesetzt. Dadurch wird die Wahl einer optimalen Therapiemethode erschwert.
Im Rahmen dieses Forschungsvorhabens soll mithilfe einer mehrskaligen Modellierung ein ganzheitlicher Ansatz zur Evaluation von neurovaskulären Pathologien realisiert werden. Hierbei wird zunächst die kardiovaskuläre Hämodynamik mittels eines eindimensionalen Modells beschrieben, um im Anschluss die neurovaskuläre Zirkulation und das venöse System dreidimensional und unter Anwendung der numerischen Strömungsmechanik abbilden zu können. Durch diese hochindividualisierte Herangehensweise können die genannten Pathologien präzise morphologisch und hämodynamisch beschrieben werden, um deren Wachstums- und Remodellierungsprozesse entlang der Zeitskale computergestützt nachzuvollziehen. Dazu werden sowohl zeitabhängige Flussdaten und tomographische Volumendaten genutzt, als auch longitudinale Analysen.
Nach der erfolgreichen Realisierung der Modellierungen "von der Aorta bis zur Vene" setzt sich das Projekt im Rahmen eines Nutzbarkeitsmoduls das Ziel, die entwickelten in-silico Modelle zu standardisieren. Parallel dazu werden hochaufgelöste in-vitro Validierungsmessungen durchgeführt, um die Plausibilität der Modelle zu gewährleisten. Abschließend ist die Überführung der Entwicklungen in ein Scoring-System vorgesehen, um eine Anwendung im klinischen Umfeld vorzubereiten. Sowohl für die Standardisierung als auch für das Scoring System werden Methoden der künstlichen Intelligenz (KI) genutzt, die zum einen die Bild- und Modell-basierte Vorverarbeitung und die Auswertung der Flusssimulation beschleunigen können (mit Fokus auf Deep Learning) und zum anderen die extrahierten Parameter für eine automatische Auswertung nutzen (mit Fokus auf Machine Learning).
Insgesamt ermöglicht der geplante ganzheitliche Ansatz zur Bewertung neurovaskulärer Pathologien eine interdisziplinäre Verknüpfung aus simulativer Beschreibung der patientenindividuellen Hämodynamik mit medizinischer Bildgebung, angepasster Modellierung und KI-gestützter Bildverarbeitung und Auswertung. Durch die Übertragung dieser Einflussgrößen in ein standardisiertes Bewertungssystem kann folglich die präzise und für den Patienten risikofreie Einschätzung des tatsächlichen Erkrankungszustands gelingen.

Neurovascular diseases can lead to severe limitations and disabilities in affected individuals and are also among the leading causes of death in Germany. Particularly patient-specific changes in the cerebral vessels are expressed, for example, in the form of so-called intracranial aneurysms (permanent, balloon-like vessel bulges) or arteriovenous malformations (abnormal connections of arterial and venous vessels without capillary bed). Although continuously evolving imaging modalities enable a reliable diagnosis, individual risk assessment is highly complex, subject to numerous influencing variables, and too simplified in clinical practice due to the lack of models. As a result, the optimal treatment decision is challenging.
In the context of this research project, a holistic approach to evaluate neurovascular pathologies shall be realized by means of multi-scale modeling. First, the cardiovascular hemodynamics are described by means of a one-dimensional model. Subsequently, the neurovascular circulation and the venous system are mapped in 3D using computational fluid dynamics. Through this highly individualized and AI-assisted approach, the aforementioned pathologies can be precisely described morphologically and hemodynamically to computationally track their growth and remodeling processes along the time scale. For the time scale, time-dependent 4D flow measurements and tomographic image data are employed as well as longitudinal studies.
After the successful realization of the modeling "from the aorta to the vein", the project aims to standardize the developed in-silico models via a usability module within the framework. In parallel, high-resolution in vitro validation measurements will be performed to ensure the plausibility of the models. Finally, the transfer of the developments into a scoring system is planned in order to prepare an application in the clinical environment. The standardization as well as the scoring system will exploit methods based on artificial intelligence (AI). This comprises the image- and mesh-based preprocessing and evaluation of flow simulation (with focus on deep learning) as well as the classification of extracted parameters (with focus on machine learning).
In summary, the planned holistic approach to assess neurovascular pathologies enables a highly interdisciplinary combination of patient-specific hemodynamics with medical imaging, AI-based image processing and evaluation, and simulative description. Consequently, transferring these influencing variables and conditions into a standardized assessment system can enable a precise and risk-free assessment of the actual disease state for the patient.