Laura M. Schreiber und ihre Kolleginnen und Kollegen aus unterschiedlichsten Disziplinen wie Physik, Informatik, Biologie, Kardiologie und Radiologie beschreiben eine neuartige und einzigartige wissenschaftliche Infrastruktur für die Herzforschung an unterschiedlichsten Objekten - vom Klumpen aus Herzzellen (Organoid) bis zum Menschen. Die Infrastruktur am DZHI kann dazu beitragen, Herzkrankheiten besser zu verstehen, indem sie die Erforschung und Visualisierung bisher unsichtbarer Verbindungen und Strukturen im Herzen verbessert und die diagnostische Beurteilung von Patienten optimiert. Sie wird unter anderem auch im Sonderforschungsbereich SFB1525 eingesetzt.

Laura M. Schreiber, David Lohr, Steffen Baltes, Ulrich Vogel, Ibrahim A. Elabyad, Maya Bille, Theresa Reiter, Aleksander Kosmala, Tobias Gassenmaier, Maria R. Stefanescu, Alena Kollmann, Julia Aures, Florian Schnitter, Mihaela Pali, Yuichiro Ueda, Tatiana Williams, Martin Christa, Ulrich Hofmann, Wolfgang Bauer, Brenda Gerull, Alma Zernecke, Süleyman Ergün and Maxim Terekhov. Ultra-high field cardiac MRI in large animals and humans for translational cardiovascular research. Frontiers in Cardiovascular Medicine (2023). doi:10.3389/fcvm.2023.1068390

Zur Publikation

Genauere Funktionsanalyse des Herzens durch künstliche Intelligenz und Ultrahochfeld-MRT 

Die funktionelle Analyse von MRT-Bildern des Herzens ist ein wichtiges Diagnoseverfahren zur Beurteilung von Herzerkrankungen. Die Analyse der MRT-Bilder ist allerdings sehr aufwändig. Zudem besteht eine Abhängigkeit von der Vorerfahrung der auswertenden Person. 

Die Medizinstudentin Alena Kollmann hat mit wesentlicher Unterstützung der Postdocs David Lohr und Markus Ankenbrand dieses Problem durch die automatische Segmentierung und Auswertung von funktionellen MRT-Bildern gelöst. Das Team zeigt, dass dieser Ansatz nicht nur viel schneller in der Durchführung ist, sondern sogar die Reproduzierbarkeit der Daten verbessert. Letzteres ist ein wichtiger Aspekt, um die Aussagekraft von wissenschaftlichen Studien zu erhöhen und auch die Anzahl der benötigten Tiere zu reduzieren.

Ein besonderes Problem, das sie im Vorfeld lösen mussten, war die Arbeit mit Bildern aus 7-Tesla-Herz-MRTs, also Ultrahochfeld-MRTs. Für diese Anwendung gibt es nur wenige Trainingsdaten. Deshalb haben sie einen Transfer-Learning-Ansatz verwendet und 3-Tesla-MRT-Daten von Menschen auf 7-Tesla-MRT-Daten von Menschen umtrainiert.

Für die aktuelle Arbeit trainierten sie dieses Netzwerk erneut mit präklinischen Daten von Großtieren. Diese Daten wurden ebenfalls bei 7T in Schweinen mit identischen Messungen wie beim Menschen gewonnen. Möglich wurde dies durch die kürzlich beschriebene translationale Ultrahochfeld-MRT-Einrichtung.

Alena Kollmann, David Lohr, Markus Ankenbrand, Maya Bille, Maxim Terekhov, Michael Hock, Ibrahim Elabyad, Steffen Baltes, Theresa Reiter, Florian Schnitter, Wolfgang R. Bauer, Ulrich Hofmann & Laura M. Schreiber. Cardiac function in a large animal model of myocardial infarction at 7 T: deep learning based automatic segmentation increases reproducibility. Sci Rep 14, 11009 (2024). doi:10.1038/s41598-024-61417-4

Zur Publikation

Die Studie hatte zwei Ziele: einerseits, die Genauigkeit eines bereits existierenden automatisierten Auswertetools („Originaldetektor“) durch ML-basiertes Training zu verbessern; zum Anderen, die so gewonnene Präzision mit der bestmöglichen Präzision zu vergleichen, die spezialisierte Echokardiographie-Kräfte erbringen können. Als Datenbasis dienten Echokardiogramme von 4965 Teilnehmern der STAAB-Studie. 3226 Teilnehmende wurden zufällig für das Nachtraining des Originaldetektors ausgewählt. Der nachtrainierte Detektor zeigte eine deutlich geringere Messvariabilität als menschliche Auswerter. Dieser Gewinn an Genauigkeit und Präzision erhöht das Vertrauen in automatisierte echokardiographische Messungen, die ein großes Potenzial für Anwendungen in verschiedenen Bereichen bieten.

Caroline Morbach, Götz Gelbrich, Marcus Schreckenberg, Maike Hedemann, Dora Pelin, Nina Scholz, Olga Miljukov, Achim Wagner, Fabian Theisen, Niklas Hitschrich, Hendrik Wiebel, Daniel Stapf, Oliver Karch, Stefan Frantz, Peter U Heuschmann, Stefan Störk. Population data–based federated machine learning improves automated echocardiographic quantification of cardiac structure and function: the Automatisierte Vermessung der Echokardiographie project. European Heart Journal - Digital Health, Volume 5, Issue 1, Pages 77–88 (2024). doi:10.1093/ehjdh/ztad069

Zur Publikation

Defekte Mitochondrien können zu frühen Formen von Herzmuskelerkrankungen führen. Das Department Kardiovaskuläre Genetik des Deutschen Zentrums für Herzinsuffizienz (DZHI) hat in Zusammenarbeit mit der Würzburger Anatomie, Humangenetik und Pharmakologie eine spezifische mitochondriale Kardiomyopathie (DCMA), die zu Herzinsuffizienz im Kindesalter führt, an humanen induzierten pluripotenten Stammzellen (hiPSC) und daraus differenzierten Kardiomyozyten untersucht. Ursache der DCMA, die in der Regel eine Herztransplantation erfordert, sind Mutationen in einem mitochondrialen Protein (DNAJC19). Das mutierte Protein zerstört die mitochondriale Struktur, was mit einer erhöhten mitochondrialen Atmung und einer veränderten Substratnutzung einhergeht. In der Folge kontrahieren die geschädigten Kardiomyozyten schlechter und zeigen vermehrt Arrhythmien, was dem klinischen Bild der DCMA entspricht. Folgestudien sollen nun klären, welche Substrate alternativ genutzt werden und welche Möglichkeiten es gibt, hier therapeutisch einzugreifen.

Anna Janz, Katharina Walz, Alexandra Cirnu, Jessica Surjanto, Daniela Urlaub, Miriam Leskien, Michael Kohlhaas, Alexander Nickel, Theresa Brand, Naoko Nose, Philipp Wörsdörfer, Nicole Wagner, Takahiro Higuchi, Christoph Maack, Jan Dudek, Kristina Lorenz, Eva Klopocki, Süleyman Ergün, Henry J. Duff, Brenda Gerull. Mutations in DNAJC19 cause altered mitochondrial structure and increased mitochondrial respiration in human iPSC-derived cardiomyocytes. Molecular Metabolism, Volume 79, ISSN 2212-8778 (2024). doi:10.1016/j.molmet.2023.101859

Zur Publikation

Der wichtigste neue Standard ist die Verkürzung der üblichen 30 Meter langen Teststrecke auf 15 Meter. Dies hat zwar zur Folge, dass häufiger gewendet werden muss, die Verkürzung der Strecke hat aber den Vorteil, dass der 6-Minuten-Gehtest nun auch in kleineren Räumlichkeiten wie z.B. in Hausarzt- oder Kardiologenpraxen oder zu Hause durchgeführt werden kann. Mit Hilfe eines frei verfügbaren Online-Rechners kann die individuelle Leistungsfähigkeit mit der aufgrund von Alter und Körpergröße zu erwartenden Leistungsfähigkeit verglichen werden. 

Caroline Morbach, Nicola Moser, Vladimir Cejka, Michael Stach, Floran Sahiti, Fabian Kerwagen, Stefan Frantz, Rüdiger Pryss, Götz Gelbrich, Peter U. Heuschmann, Stefan Störk on behalf of the STAAB consortium. Determinants and reference values of the 6-min walk distance in the general population—results of the population-based STAAB cohort study. Clinical Research in Cardiology (2024). doi:10.1007/s00392-023-02373-3

Zur Publikation

Zur Pressemitteilung

Zum Deutschen Zentrum für Herzinsuffizienz

Die Studie hatte zwei Ziele: einerseits, die Genauigkeit eines bereits existierenden automatisierten Auswertetools („Originaldetektor“) durch ML-basiertes Training zu verbessern; zum Anderen, die so gewonnene Präzision mit der bestmöglichen Präzision zu vergleichen, die spezialisierte Echokardiographie-Kräfte erbringen können. Als Datenbasis dienten Echokardiogramme von 4965 Teilnehmern der STAAB-Studie. 3226 Teilnehmende wurden zufällig für das Nachtraining des Originaldetektors ausgewählt. Der nachtrainierte Detektor zeigte eine deutlich geringere Messvariabilität als menschliche Auswerter. Dieser Gewinn an Genauigkeit und Präzision erhöht das Vertrauen in automatisierte echokardiographische Messungen, die ein großes Potenzial für Anwendungen in verschiedenen Bereichen bieten.

Caroline Morbach, Götz Gelbrich, Marcus Schreckenberg, Maike Hedemann, Dora Pelin, Nina Scholz, Olga Miljukov, Achim Wagner, Fabian Theisen, Niklas Hitschrich, Hendrik Wiebel, Daniel Stapf, Oliver Karch, Stefan Frantz, Peter U Heuschmann, Stefan Störk. Population data–based federated machine learning improves automated echocardiographic quantification of cardiac structure and function: the Automatisierte Vermessung der Echokardiographie project. European Heart Journal - Digital Health, Volume 5, Issue 1, Pages 77–88 (2024). doi:10.1093/ehjdh/ztad069

Zur Publikation