Projekte

Neue Methode zur Altersbestimmung

Viele Flüchtlinge sind Minderjährige ohne Dokumente. Ein Forschungsprojekt hat nun eine schonendere und objektive Methode zur Bestimmung des Alters von Asylsuchenden entwickelt. Quelle: Levi Clancy/Wikimedia Commons

Die möglichst genaue Bestimmung des Alters junger Menschen wurde in den vergangenen Jahren zu einem hochpolitischen Thema. Minderjährige Flüchtlinge genießen in Österreich und Deutschland besonderen Schutz, doch oft fehlen die nötigen Dokumente, um das Alter Asylsuchender zu belegen. In diesem Fall kommen einerseits Befragungen zum Einsatz, andererseits kann das Alter anhand von Röntgenbildern und Computertomografiebildern geschätzt werden. Allerdings ist der Einsatz von Röntgenstrahlung an gesunden Menschen ethisch umstritten. Während es in Österreich eine juristische Ausnahmeregelung gibt, die die Aufnahme von Röntgenbildern zur Altersbestimmung an Gesunden im Asylwesen erlaubt, fehlt ein derartiges Gesetz etwa in Deutschland. Im Rahmen eines vom Wissenschaftsfonds FWF finanzierten Projektes gelang es nun, eine automatisierte Altersbestimmung ohne Röntgenstrahlung auf Basis von Magnetresonanztomografiebildern zu entwickeln.

Standardmethode Röntgen

„Altersbestimmung mittels Röntgenbildern wurde in den 1950er Jahren entwickelt“, erklärt Projektleiter Martin Urschler. „Die Methode stützt sich auf das Wachstum der Knochen, etwa der Fingerknochen. Bei jungen Menschen bestehen diese länglichen Knochen aus zwei Teilen, dazwischen ist ein Knorpel. Diesen Bereich nennt man Wachstumsfuge. Ist die Person ausgewachsen, schließt sich die Fuge. Je körperferner ein Knochen ist, desto früher ist dieser Prozess abgeschlossen.“ Das sei nicht bei jedem Menschen gleich, es gebe eine biologische Variabilität, durch genetische Anlagen oder Lebenswandel, etwa die Ernährung.

„Die Standardmethode sieht heute so aus, dass Röntgenbilder der Hand, der Weisheitszähne und ein Computertomografiebild des Schlüsselbeins aufgenommen werden. Das Schlüsselbein ist ein körpernaher Knochen, der später ausgewachsen ist als die Handknochen und damit die Daten der Hand ergänzt. Die Zähne wiederum entstehen beim Menschen aus einem anderen Keimblatt als die Knochen, und ihre Entwicklung ist von der Ernährung relativ unabhängig, wodurch komplementäre Information zur Skelettentwicklung zur Verfügung steht“, so der Forscher. Die eigentliche Schätzung führen geschulte Radiologen und Zahnärzte gemeinsam mit forensischen Experten durch. Das genaue Alter sei dabei meist nicht von vorrangigem Interesse, sagt Urschler: „In der Praxis geht es um die Schätzung eines Mindestalters, um festzustellen, ob jemand mit sehr hoher Wahrscheinlichkeit minderjährig ist oder nicht. Im Zweifel wird für die Minderjährigkeit entschieden.“

Umstrittene Methode

Die Verwendung von Röntgenbildern ist derzeit die Standardmethode, doch sie ist umstritten, erklärt Urschler: „Einerseits gibt es gesundheitliche Bedenken, vor allem wegen der Computertomografie des Schlüsselbeins, wo viele wichtige Organe von starker Röntgenstrahlung betroffen sind. Andererseits weiß man, dass je nach Expertise der Begutachtenden die Schätzungen zwischen einem halben Jahr und zwei Jahren divergieren können.“ Urschlers Team suchte daher eine neue Methode der Altersbestimmung auf Basis von Magnetresonanztomografie (MRT), die zudem Methoden des maschinellen Lernens nutzt, um die vorhandenen Probleme zu lösen.

Automatische Altersbestimmung

„Das FWF-Projekt schließt an eine Studie an, die wir 2011 gestartet haben. Wir haben nach Freiwilligen zwischen 13 und 23 Jahren gesucht, die gegen eine geringe Entschädigung MRT-Bilder der Hände, Schlüsselbeine und Zähne aufnehmen ließen. Inzwischen enthält diese Datenbank fast 350 Personen, allesamt männlich und mit kaukasischer Abstammung um ethnische Variabilität vorerst auszuklammern.“ Im Rahmen des FWF-Projekts wurde nun ein Algorithmus entwickelt, der die Altersschätzung an diesem Datensatz automatisch vornimmt. „Dabei trainierten wir ein Programm an einem Teil der Daten und testeten die Schätzungen am Rest der Datenbank“, erklärt Urschler. Um das durchzuführen, musste der Computer lernen, die relevanten Knochen in dem MR-Bild autonom zu identifizieren. Dazu wurden ebenfalls Methoden des maschinellen Lernens verwendet, die Urschlers Gruppe für die allgemeine medizinische Anwendung gemeinsam mit der Technischen Universität Graz entwickelt hat.

Hohe Genauigkeit

Es zeigte sich, dass der Computer bei der Altersbestimmung ähnliche Genauigkeit erreicht wie forensische Expertinnen und Experten. Die Methode konnte hier auch mit größeren Studien mithalten, die auf der Untersuchung von Röntgenbildern basieren. „Wir haben gehofft, dass wir die Genauigkeit der Altersschätzung mit der MRT-Methode und mit dem maschinellen Lernen noch einmal deutlich verbessern können. Das gelang uns nicht ganz, wir liegen im Bereich der Röntgenmethode, aber wir haben die Vorteile der verbesserten Objektivität, der Reproduzierbarkeit und der fehlenden Strahlenbelastung.“

Die Abweichung des vom Computer ermittelten chronologischen Alters zum realen chronologischen Alter lag im Mittel bei einem Jahr. Eine genauere Fehlerabschätzung soll demnächst publiziert werden. Das Projekt hatte eine Laufzeit von drei Jahren und wurde Ende 2018 abgeschlossen. Urschler betont, dass keine Datenbank von Röntgenbildern für maschinelles Lernen existiert, die mit der in Graz erstellten MRT-Datenbank vergleichbar ist. Die Zukunft liege daher in der Analyse von MRT-Bildern. Um die neue Methode praxistauglich zu machen, sind aber weitere Forschungen an anderen Ethnien sowie an Frauen notwendig. „Dann wäre die Methode rechtlich das gelindeste Mittel zur Altersbestimmung und hätte das Potenzial dank der vergleichbaren Genauigkeit die derzeitigen Röntgenverfahren zu ersetzen“, sagt Urschler.


Zur Person

Martin Urschler ist Computerwissenschafter und forscht an der Universität Auckland in Neuseeland. Davor war er am Ludwig Boltzmann Institut für klinisch-forensische Bildgebung in Graz tätig, dessen Laufzeit mit 2019 zu Ende geht Urschler interessiert sich für Maschinelles Sehen, insbesondere für medizinische Bildanalyse mit Anwendung in der klinischen und insbesondere der Rechtsmedizin.


Publikationen

Payer, D. Štern, H. Bischof, M. Urschler: Integrating Spatial Configuration into Heatmap Regression Based CNNs for Landmark Localization, in: Medical Image Analysis 54, 2019
Štern, C. Payer, N. Giuliani, M. Urschler: Automatic Age Estimation and Majority Age Classification from Multi-factorial MRI Data, in: IEEE Journal of Biomedical and Health Informatics 23(4), 2018
Urschler, T. Ebner, D. Štern: Integrating Geometric Configuration and Appearance Information into a Unified Framework for Anatomical Landmark Localization, in: Medical Image Analysis 43, 2018
Neumayer, M. Schlögl, C. Payer, T. Widek, T. Ehammer, R. Stollberger, M. Urschler: Reducing acquisition time for MRI-based forensic age estimation, in: Scientific Reports 8, 2018

Kommentare (0)

Aktuell sind keine Kommentare für diesen Artikel vorhanden.

Einen Kommentar schreiben

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.