MATHEMATIK

Essenzielle Daten für die Diagnose

Anna Breger erarbeitet Modelle für medizinische Bilddarstellungen

USCHI SORZ
vom 03.06.2020

"Wie in vielen Bereichen ist es heute auch in der Medizin eine große Herausforderung, aus riesigen Datenmengen das Wesentliche herauszuholen", sagt Anna Breger. Sie ist Postdoc an der Fakultät für Mathematik der Universität Wien. "Die relevanten Informationen dürfen auch nicht verloren gehen, wenn man diese hochdimensionalen Datensätze komprimiert." Um sie weiterverarbeiten und bildlich darstellen zu können, müssen sie so kompakt wie möglich gespeichert werden.

Dazu setzt die 29-Jährige die mathematische Methode "Dimensionsreduktion" ein. In einem vom Wiener Wissenschafts-,Forschungsund Technologiefonds (WWTF) geförderten Projekt unter der Leitung von Martin Ehler arbeitet sie daran, mehr Details in medizinischen Daten sichtbar zu machen und diese in der Folge besser verarbeiten und analysieren zu können. Entscheidend ist das unter anderem für die Effizienz diagnostischer Verfahren wie der Magnetresonanztomografie oder der optischen Kohärenztomografie. Letztere liefert hochauflösende Schichtbilder der Netzhaut. Grundsätzlich gilt: Je mehr Krankheitsmerkmale oder typische Strukturveränderungen man erkennen kann, desto bessere Diagnosen lassen sich erstellen. Mathematische Grundlagenforschung kann also dazu beitragen, Erkrankungen frühzeitig auf die Schliche zu kommen.

Der Austausch mit den Anwendern sei dabei wichtig, betont Breger. "Häufig sind reale Probleme in ihrer Gesamtheit mathematisch sehr schwierig zu formulieren und zu lösen, darum ist selbst angewandte Mathematik oft abstrakt und zunächst gar nicht direkt anwendbar." In diesem Fall schlägt die Kooperation mit Anwendungspartnern von der MedUni Wien und der Akademie der Wissenschaften die Brücke zwischen Theorie und Praxis.

Breger wollte zwar von klein auf Mathematikerin werden, prägend für ihren Fokus auf Medizin wurde aber ein Forschungsaufenthalt in den USA an der Harvard Medical School.

Mehr aus diesem HEUREKA