Kontrastmittel sind Medikamente, die in medizinischen Bildern anatomische Strukturen sichtbar (Abb.1) und physiologische Parameter wie z.B. die Perfusion messbar machen. Sie bestehen meist aus Substanzen, deren Toxizität bzw. Nebenwirkungen biochemisch gemildert werden können, aber dennoch zahlreiche und in wenigen Fällen auch schwere Nebenwirkungen aufweisen. Die meisten medizinischen Anwender verwenden bei kontrastmittelgestützten bildgebenden Untersuchungen pauschalisierte Kontrastmitteldosen, die die notwendigen Dosen in einigen Fällen überschreiten können. Das Ziel des Projektes ist die Entwicklung von Methoden und Algorithmen zur Optimierung der patientenindividuellen Kontrastmitteldosis bei Untersuchungen mittels Computertomographie (CT), wodurch die durchschnittlich benötigte Dosis gesenkt wird.

Die methodischen Schwerpunkte bei diesem Projekt liegen dabei in der Entwicklung und Evaluierung von multiparametrischen Modellen auf der Grundlage patientenindividueller Parameter wie Alter, Geschlecht, Blutdruck, Pulsschlag etc. sowie untersuchungsspezifischer Einflussgrößen wie z.B. die Geschwindigkeit des Einspritzens des Bolus. Modellbasierte Methoden und Verfahren des Maschinellen Lernens sollen zur Analyse und Beschreibung der komplexen, multiparametrischen Zusammenhänge eingesetzt werden, um so eine patientenindividuell optimierte Vorhersage des Kontrastmittelbedarfs durchzuführen.

Die Vorhersagegüte der modellbasierten Verfahren und der Machine Learning Methoden sollen auf der Grundlage der im Rahmen des Projektes von der Klinik für Radiologie und Nuklearmedizin durchzuführenden klinischen Studie bewertet werden.