Ein neuer KI-basierter Algorithmus, entwickelt von Forschenden des MIT Picower Institute, Harvard und Massachusetts General Hospital, löst erstmals acht wichtige weiße Substanzbahnen im Hirnstamm automatisch und zuverlässig in Diffusions-MRT-Aufnahmen lebender Personen auf. Das BrainStem Bundle Tool (BSBT) überwindet langjährige technische Hürden und eröffnet neue Möglichkeiten, Schäden durch Trauma, Neurodegeneration oder Erkrankungen wie Parkinson, Multiple Sklerose und Alzheimer zu untersuchen.
Der Hirnstamm steuert lebenswichtige Funktionen wie Bewusstsein, Atmung, Herzfrequenz, Schlaf-Wach-Rhythmus und Bewegung. Seine weißen Substanzbahnen – Bündel myelinisierter Axone – sind jedoch aufgrund ihrer Kleinheit, der Überlagerung durch Hirnflüssigkeit und Bewegungsartefakte (Atem, Herzschlag) bisher kaum differenziert darstellbar gewesen.
BSBT erstellt zunächst eine probabilistische Faser-Karte, indem es Bahnen aus höheren Hirnregionen (Thalamus, Kleinhirn) in den Hirnstamm verfolgt. Ein Convolutional Neural Network kombiniert diese Karte mit mehreren Diffusions-MRT-Kanälen und segmentiert acht distinkte Bahnen automatisch. Das Modell wurde an 30 hochaufgelösten Aufnahmen des Human Connectome Project trainiert und an manuellen Annotationen sowie post-mortem-Dissektionen und Ultrahochauflösungs-Bildgebung validiert.
In Tests zeigte BSBT hohe Konsistenz: Bei 40 Probanden mit zwei Scans im Abstand von zwei Monaten erkannte es dieselben Bahnen identisch. Auch bei unterschiedlichen Datensätzen und durch gezielte Störung einzelner Netzwerkkomponenten erwies sich das Tool als robust.
Die Anwendung auf Patientendaten lieferte klare Muster:
- Bei Alzheimer zeigte nur eine Bahn signifikanten Volumenverlust.
- Bei Parkinson sank die fraktionelle Anisotropie (FA, Maß für strukturelle Integrität) in drei Bahnen; in einer weiteren kam es innerhalb von zwei Jahren zu Volumenverlust.
- Bei Multipler Sklerose waren FA-Reduktionen in vier Bahnen und Volumenverluste in drei am stärksten ausgeprägt.
- Bei traumatischer Hirnverletzung (TBI) traten vor allem FA-Reduktionen in der Mehrzahl der Bahnen auf, ohne signifikanten Volumenverlust.
BSBT übertraf andere Klassifikationsmethoden bei der Unterscheidung von Patienten und Kontrollen.
Besonders aufschlussreich war der Fall eines 29-jährigen Mannes mit schwerer TBI und siebenmonatigem Koma: BSBT zeigte, dass die Bahnen zwar verdrängt, aber nicht durchtrennt waren. Im Verlauf der Erholung nahm die Läsionsgröße um den Faktor drei ab, und die Bahnen kehrten in ihre ursprüngliche Position zurück. Dies korrelierte mit der klinischen Besserung und unterstreicht das prognostische Potenzial des Tools.
„Der Hirnstamm ist eine der wichtigsten Steuerzentralen des Körpers, aber bildgebend fast unerforscht“, sagt Erstautor Mark Olchanyi. „BSBT gibt uns erstmals Zugang zu den Strukturen, die Bewusstsein, Atmung, Kreislauf und Schlaf regulieren.“
Die Studie erschien am 6. Februar 2026 in den Proceedings of the National Academy of Sciences (DOI: 10.1073/pnas.2509321123). BSBT ist öffentlich verfügbar. Gefördert wurde die Arbeit unter anderem von den National Institutes of Health, dem US-Verteidigungsministerium, der James S. McDonnell Foundation und der Massachusetts Life Sciences Center.
