Das Verbundprojekt DeepMentia beschäftigt sich mit Verbesserungen bei der Diagnose von Demenzerkrankungen. Derzeit leiden weltweit etwa 50 Millionen Menschen an einer Form von Demenz. Sowohl für die korrekte Krankheitsdiagnose als auch für die bestmögliche Therapieentscheidung ist eine differentielle Analyse der Demenzform essentiell, da sich die Symptome der verschiedenen Erkrankungsformen vor allem in der Frühphase ähneln. Aktuell existieren für die differentielle Diagnose keine automatisierten Verfahren, mit denen der Arbeits- und Zeitaufwand merklich reduziert werden könnte. Auch fokussiert sich die Forschung derzeit in den meisten Fällen lediglich auf eine oder zwei Formen von Demenzerkrankungen. Die Analyse verschiedener bildgebender Datentypen – etwa mithilfe neuer Methoden des maschinellen Lernens – würde die Diagnostik deutlich beschleunigen und verbessern.
Hier setzt DeepMentia an: Im Rahmen des Projekts sollen neuartige Deep-Learning-Ansätze für die Bildinterpretation entwickelt werden, die bei der Differentialdiagnose von vier verschiedenen Demenzerkrankungen angewendet werden sollen. Es ist geplant, zunächst die für das Projekt zur Verfügung stehende Bilddatenbasis aufzubereiten und neuronale Netze für die Gehirnsegmentierung zu entwickeln. Da der zur Verfügung stehende Demenzerkrankungs-Datensatz relativ klein ist, soll das sogenannte „Transfer Learning“ angewandt und das neuronale Netz für die Differentialdiagnose mit einem großen öffentlich verfügbaren Alzheimer-Datensatz vortrainiert werden. Zur Erhöhung der Akzeptanz des Diagnose-Tools sollen zudem Verfahren für die Interpretierbarkeit der tiefen neuronalen Netze ausgearbeitet werden. Bei einem Erfolg des Projekts werden die neu entwickelten Deep-Learning Methoden Medizinerinnen und Mediziner künftig bei der Diagnose der vier häufigsten Demenzerkrankungen anhand von verschiedensten Bilddaten automatisiert und effizient unterstützen.
