Wenn ein routinemäßiger Ultraschall in der Schwangerschaft auf eine mögliche Fehlbildung des Gehirns hinweist, folgt oft eine MRT. Das Problem: Ein Fötus bewegt sich. Eine MRT des Kopfes setzt sich aus einem Stapel flacher 2D-Schichten zusammen, und verschiebt sich der Kopf zwischen ihnen, liegen die Schichten in schiefen Winkeln und mit Lücken, was eine Radiologin einen Befund übersehen oder falsch lesen lassen kann. Forschende am MIT, am Boston Children's Hospital und am französischen Institut Inria haben ein Modell gebaut, das mit dieser Bewegung Schritt halten soll.
Das Modell namens E(3)-Pose verfolgt während der Aufnahme die Lage des fötalen Kopfes, damit sich der Scanner anpassen kann und die Schichten ein vollständiges 3D-Bild ergeben. Sein Kennzeichen ist, dass es die Geometrie des Kopfes nicht allein aus Daten lernen soll. Die Links-rechts-Symmetrie des fötalen Kopfes ist in die Architektur des Netzes eingebaut, was es dem Modell leichter macht zu erkennen, wohin das Gehirn ausgerichtet ist. Die Arbeit unter Leitung der MIT-Doktorandin Ramya Muthukrishnan in der Gruppe von Polina Golland wurde 2026 auf der European Conference on Computer Vision vorgestellt.
Das Projekt lief zudem auf echter Hardware, wo viele Modelle der medizinischen Bildgebung haltmachen. Muthukrishnan erzählt, sie habe den Scanner oft zum Absturz gebracht, bis das Modell darauf lief, mit Hilfe von Borjan Gagoski vom Boston Children's, der eine zusätzliche MRT-Sequenz für Trainingsdaten entwarf, und Aryn Lee, die schwangere Freiwillige gewann. Der klinische Anlass ist konkret: Muthukrishnan erinnert sich an eine Schwangere, die eine Untersuchung nach einer Stunde im Gerät mittendrin abbrach, sodass dem Radiologen kein brauchbares Bild blieb. Ellen Grant vom Boston Children's sagt, der Ansatz solle schnellere, angenehmere Untersuchungen und bessere Bilder bringen.
Die Lehre für den Modellbau reicht über die Pränataldiagnostik hinaus. Bekannte Struktur wie Symmetrie in ein Modell einzubauen, statt zu hoffen, dass es sie lernt, ist ein vernünftiger Weg zu verlässlichem Verhalten bei wenigen medizinischen Daten, und die Autoren sehen Einsatzmöglichkeiten bei anderer schwer darstellbarer Anatomie und sogar beim Verfolgen von 3D-Objekten mit verrauschten Sensoren.
Was fehlt, sind Belege für einen klinischen Nutzen. Der MIT-Artikel nennt keine Genauigkeitswerte, keinen Vergleich mit bestehenden Verfahren zur Bewegungskorrektur und keine Zahl untersuchter Patientinnen. Trainiert wurde das Modell vor allem mit Föten im dritten Trimester, während das frühere zweite Trimester, in dem Föten kleiner sind und sich mehr bewegen, für die Früherkennung am wichtigsten ist; dorthin will das Team als Nächstes. Vorerst ist es eine vielversprechende Methode mit funktionierendem Prototyp, keine gemessene Verbesserung der Diagnose.