Bewertung Retinaler Funktion mit Bayes´scher pRF-Kartierung
Retinal Staging via Bayesian Reverse Modeling of pRF Data
Wissenschaftsdisziplinen
Medizintechnik (100%)
Keywords
- Visual Neuroscience,
- Fmri,
- Population Receptive Field Mapping,
- Bayesian Modeling
Sehverlust ist bei älteren Menschen häufig und beeinträchtigt deren Selbstständigkeit und Lebensqualität stark. Der Standardtest zur Erkennung von blinden Flecken im Gesichtsfeld basiert derzeit darauf, dass Patientinnen und Patienten aktiv auf kleine Lichtreize reagieren müssen. Diese Tests sind zeitaufwändig, ermüdend und oft unzuverlässig, insbesondere für ältere oder gesundheitlich beeinträchtigte Personen, denen es schwerfällt, die Aufmerksamkeit über längere Zeit aufrechtzuerhalten. Dieses Projekt entwickelt eine vollständig objektive Methode, um Bereiche eingeschränkten oder fehlenden Sehvermögens mithilfe von funktioneller Hirnbildgebung zu erfassen. Beim Betrachten eines einfachen visuellen Reizes werden bestimmte Regionen der Sehrinde in einem vorhersehbaren Muster aktiv, welches die Organisation der Netzhaut widerspiegelt. Gleichzeitig mit der Darstellung des visuellen Reizes wird einen MRT-Messung durchgeführt, die die spezifischen Hirnaktivitäten misst. Anhand der Daten kann festgestellt werden, welche Bereiche der Netzhaut normale Signale senden und welche nicht, ohne jegliche aktive Mitarbeit der Patientinnen und Patienten. Das Projekt verläuft in drei aufeinander aufbauenden Phasen. Zunächst testen wir die Methode an gesunden Personen, indem wir abgegrenzte Bereiche des gezeigten visuellen Reizes absichtlich auslassen. Dadurch entstehen künstliche blinde Flecken, deren Größe und Position genau bekannt sind. Auf diese Weise können wir prüfen, wie zuverlässig die Methode diese Bereiche allein aus der gemessenen Hirnaktivität abschätzt. Im zweiten Schritt erweitern wir den Ansatz, um auch komplexe und unregelmäßige Formen von Sehverlust zu erkennen, wie sie bei realen Augenerkrankungen auftreten. Dies umfasst auch Fälle mit teilweise reduziertem statt vollständig fehlendem Sehvermögen. Im dritten Schritt wenden wir die optimierte Methode auf Patientinnen und Patienten mit Netzhauterkrankungen wie Makuladegeneration oder anderen Netzhautstörungen an und vergleichen die Ergebnisse mit etablierten klinischen Tests. Alle Messungen dauern nur wenige Minuten und erfordern lediglich passives Betrachten. Dadurch wird die Belastung für Patientinnen und Patienten deutlich reduziert. Die Auswertung nutzt ein statistisches Verfahren, welches das wahrscheinlichste Muster des Sehverlusts direkt aus den Daten ableitet. Diese sogenannte Bayessche Statistik erlaubt eine quantitative Abschätzung anstatt der bisher verwendeten subjektiven Methoden. In diesem Projekt entsteht erstmals eine vollständig automatisierte und objektive Methode zur Erkennung von retinalen Defekten direkt aus der Hirnaktivität. Diese Methode erlaubt eine verbesserte klinische Diagnostik und dadurch verlässlichere Verlaufskontrollen sowie die objektive Beurteilung von neuen Behandlungsmethoden wie zum Beispiel der retinalen Gentherapie.
- Christoph Juchem, Medizinische Universität Wien , Mentor:in
- Markus Ritter, Medizinische Universität Wien , nationale:r Kooperationspartner:in
- Nikolaus Weiskopf, Max-Planck-Institut für Kognitions- und Neurowissenschaften - Deutschland
- Garikoitz Lerma-Usabiaga, Basque Center on Cognition, Brain and Language - Spanien
- Brian A. Wandell, Stanford University - Vereinigte Staaten von Amerika