KI-Einsatz in der Magnetresonanztomografie – weniger Kontrastmittel

Medizinische Risiken, steigende Kosten und strengere Vorgaben machen den Einsatz von Kontrastmitteln immer schwieriger. Neue KI-Ansätze zeigen, wie sich die MRT-Bildqualität steigern und Kontrastmittel deutlich reduzieren lassen – ohne diagnostische Einbußen.

MRT-Bild des Gehirns eines an Demenz erkrankten Patienten — Symbolfoto

Auf der Medica 2025 in Düsseldorf stellte Dr. Alexander Effland von dem Bonner Start-up „Relios.Vision“ einen neuen Ansatz vor: „Die Lösung liegt nicht zwingend in neuen oder besseren Kontrastmitteln, sondern darin, die bereits vorhandenen Bilddaten intelligenter zu nutzen. Künstliche Intelligenz (KI) kann dabei helfen, den Kontrastmitteleinsatz gezielt zu reduzieren, und gleichzeitig die diagnostische Aussagekraft der Magnetresonanztomografie (MRT) zu steigern“, so Effland.

Kontrastmittel werden eingesetzt, um Unterschiede im Gewebe sichtbar zu machen, die ohne zusätzliche Signalverstärkung nur schwer oder gar nicht erkennbar wären. Gerade in der Onkologie, bei Gefäßerkrankungen oder bei entzündlichen Veränderungen sind sie oft entscheidend für eine sichere Diagnose. Dennoch werden mögliche Nebenwirkungen seit Jahren intensiv diskutiert. Dazu zählen unter anderem Ablagerungen gadoliniumhaltiger Kontrastmittel im Körper sowie allergische Reaktionen, die insbesondere bei vulnerablen Patientengruppen relevant sind. „Auch Patienten mit eingeschränkter Nierenfunktion stehen im Fokus dieser Debatte“, machte Effland deutlich.

Ein weiterer Aspekt ist die kumulative Belastung. Viele Menschen werden im Verlauf einer chronischen oder onkologischen Erkrankung wiederholt mittels MRT untersucht. Über Jahre hinweg kann sich so eine relevante Gesamtbelastung ergeben. Der Bonner Wissenschaftler betonte: „Vor diesem Hintergrund rückt zunehmend die Frage in den Mittelpunkt, wie sich diagnostische Sicherheit gewährleisten lässt, ohne die Kontrastmittelmenge weiter zu erhöhen – oder sie im Idealfall sogar zu reduzieren.“

Kontrast verstärken

Wie das funktionieren kann, demonstrierte Effland am Beispiel der KI-Lösung „GadoBoost“. Der Patient erhält weiterhin die leitliniengerechte Standarddosis an Kontrastmittel, doch mithilfe KI-basierter Algorithmen werden die MRT-Bilder so nachbearbeitet, dass kontrastmittelanreichernde Läsionen deutlich stärker hervortreten als in der konventionellen Darstellung. Zentrale Signalparameter wie das Contrast-to-Noise-Ratio lassen sich dadurch im Durchschnitt um den Faktor 2,5 steigern. „Selbst kleine Läsionen werden besser sichtbar, Strukturen klarer abgegrenzt und subtile Veränderungen im Gewebe deutlicher erkennbar“, zeigte sich Effland begeistert.

Diese verbesserte Sichtbarkeit soll Auswirkungen auf die Befundung haben und kleinere oder zusätzliche Läsionen identifizieren, die in der klassischen Bildauswertung nicht erkannt worden waren. Gerade bei onkologischen Fragestellungen kann dies entscheidend sein – etwa für das Tumor-Staging, die Wahl der Therapie oder die Beurteilung des Therapieansprechens im Verlauf.

Auch für Radiologen bringt dieser Ansatz spürbare Vorteile. Die KI hebt relevante Bildbereiche visuell hervor und ergänzt die Aufnahmen um strukturierte Zusatzinformationen. Laut Effland erleichtere das die Orientierung, reduziere die Gefahr von Übersehen und erhöhe das Vertrauen in die eigene Befundung. „Insbesondere in zeitkritischen Situationen oder bei komplexen Fragestellungen kann dies zu mehr diagnostischer Sicherheit beitragen.“

Weniger Kontrastmittel bei gleicher Bildqualität

Noch einen Schritt weiter geht der Ansatz der tatsächlichen Kontrastmittelreduktion. Mit der derzeit in Entwicklung befindlichen Software „SmartContrast“ wird dem Patienten nur ein Bruchteil der üblichen Dosis verabreicht – beispielsweise 20 oder 30 Prozent der Standardmenge. Auf Basis dieser sogenannten Low-Dose-Aufnahmen rekonstruiert die KI anschließend ein Bild, das diagnostisch dem Standardbild mit voller Dosis entspricht.

Der entscheidende Punkt liegt im direkten Vergleich. Effland: „Sowohl visuell als auch anhand quantitativer Messungen lassen sich keine relevanten Unterschiede zwischen der KI-rekonstruierten Aufnahme und der herkömmlichen MRT mit voller Kontrastmitteldosis feststellen. Differenzbilder zwischen beiden Datensätzen zeigen nahezu kein Signal, was auf eine sehr hohe Übereinstimmung hinweist.“

Für die klinische Versorgung eröffnet sich damit ein erhebliches Potenzial. Bis zu zwei Drittel der Kontrastmittelmenge könnten eingespart werden, ohne Abstriche bei der diagnostischen Qualität hinnehmen zu müssen. Aus Sicht der Patienten bedeutet das eine deutlich geringere Belastung, insbesondere bei wiederholten Untersuchungen oder bei bestehenden Risikofaktoren wie eingeschränkter Nierenfunktion.

Weniger Kontrastmittel bedeuten auch ein geringeres Risiko für unerwünschte Nebenwirkungen und eine höhere Akzeptanz der Untersuchung. Gleichzeitig steigt das Vertrauen in die Diagnostik, denn trotz reduzierter Dosis müssen weder Ärzte noch Patienten befürchten, dass relevante Befunde übersehen werden. Die Bildqualität bleibt auf dem gewohnten Niveau und die diagnostische Aussagekraft erhalten.

Integration in den klinischen Alltag

Ein entscheidender Faktor für den Erfolg neuer Technologien ist ihre Praxistauglichkeit. Daher lassen sich die rekonstruierten Bilder nahtlos in bestehende Befundungsprozesse integrieren. Die Software ist herstellerunabhängig einsetzbar, kompatibel mit allen gängigen MRT-Systemen sowie den etablierten Feldstärken von 1,5 und 3 Tesla. Aufwendige Anpassungen der bestehenden IT-Infrastruktur sind nicht erforderlich. Die Anwendungen können direkt in bestehende PACS-Umgebungen eingebunden werden.

Neben den medizinischen Aspekten spielt auch die Wirtschaftlichkeit eine wichtige Rolle. Kontrastmittel stellen einen nicht unerheblichen Kostenfaktor dar, insbesondere bei hohen Untersuchungszahlen im ambulanten und stationären Bereich. Eine signifikante Reduktion des Verbrauchs wirkt sich unmittelbar auf die Kostenstruktur aus.

Regulatorische Entwicklungen

Zusätzliche Bedeutung erhält das Thema durch aktuelle regulatorische Entwicklungen. Neue Leitlinien und Zertifizierungsanforderungen fordern zunehmend den Einsatz KI-basierter Unterstützungssysteme, um diagnostische Qualität und Patientensicherheit weiter zu erhöhen. So fordert das internationale Projekt „Future-AI“ die klinisch sinnvolle Integration von KI-Lösungen, und die European Society of Radiology empfiehlt die Förderung von KI-Kompetenz und Schulung des Personals.

Die Deutsche Röntgengesellschaft vermittelt mit ihrer „Zusatzqualifikation Künstliche Intelligenz“ Kompetenzen zum KI-Einsatz und erwartet den Ausbau eben dieser explizit. Zwar schreibt keine Organisation offiziell vor, dass KI in der Radiologie verwendet werden muss, doch regulatorische Erwartungen schaffen einen starken Anreiz für die Integration von KI in Qualitäts- und Sicherheitssysteme.