Die Behandlung von akuten Hirninfarkten erfordert eine sehr sorgfältige Entscheidungsfindung in kürzester Zeit. Ärzte müssen schnellstmöglich nach Eintreffen des/der Patienten/in und Bildgebung festlegen, welcher Therapiepfad die größtmögliche Überlebenschance bietet und Schädigungen des Gehirns möglichst reduziert. Die Entscheidungen müssen eine Vielzahl von tomographischen 3D-Bilddaten (CT-Perfusionskarten und Infrarotbilder) und weiteren klinischen Indikatoren (Alter, NIHSS, etc.) einbeziehen.

Neue Methoden im Bereich der Bildverarbeitung, der Modellierung und des maschinellen Lernens, welche mit den vielfältigen Schwierigkeiten klinischer Daten umgehen können, sollen während dieses Forschungsprojektes entwickelt, implementiert und getestet werden. Ein umfangreicher Datensatz mit retrospektiven multispektralen Bilddaten von Schlaganfallpatienten steht für die Entwicklung und das Training dieser Modelle zur Verfügung.

Die neuen Algorithmen sollen eingesetzt werden um automatisch eine pixelweise Prädiktionskarte des Gewebes mit Überlebenschancen zu generieren. Dies geschieht in Abhängigkeit der möglichen Therapie (z.B. Gefäßrekanalisation) und ermöglicht eine Einschätzung wie zeitnah ein solcher Eingriff durchgeführt werden muss. Die Arbeit wird in enger Zusammenarbeit mit dem Institut für Neuroradiologie im Kontext des TRAVE-STROKE-Projektes durchgeführt.