Künstliche Intelligenz in der Medizin Der Algorithmus lernt über Klinikgrenzen hinweg

Anbieter zum Thema

Precoplat Präzisions Leiterplatten Technik GmbH

Syslogic GmbH

IBR Leiterplatten GmbH & Co. KG

Forscher haben einen speziellen KI-basierten Algorithmus entwickelt, der über Klinikgrenzen hinweg lernt. Krankheiten sollen sich damit deutlich robuster erkennen lassen. Auch der Datenschutz wird nicht verletzt.

Ein selbst-lernender Algorithmus in der Medizin benötigt keine umfangreichen, zeitaufwendigen Befunde oder Markierungen von Radiologen in MRT-Aufnahmen. Solch einen Algorithmus haben jetzt Forscher von Helmholtz Munich, der Technischen Universität München (TUM) und ihres Klinikums rechts der Isar, des Universitätsklinikum Bonn (UKB) und der Universität Bonn entwickelt. Der Besondere des Algorithmus: Er lernt über verschiedene medizinische Einrichtungen hinweg.

Dieser föderale Algorithmus wurde an mehr als 1.500 MR-Scans gesunder Studienteilnehmer aus vier Einrichtungen trainiert. Der Datenschutz wurde zu keiner Zeit verletzt. Mithilfe des Algorithmus wurden anschließend mehr als 500 MRT-Aufnahmen von Patienten analysiert, um Krankheiten wie Multiple Sklerose, Gefäßerkrankungen sowie verschiedene Formen von Hirntumoren zu erkennen, die der Algorithmus vorher noch nie gesehen hatte. Damit sollen sich künftig effizientere, KI-basierte föderale Algorithmen entstehen, die selbstständig lernen und dabei die Privatsphäre schützen.

KI-Algorithmus wird föderal trainiert

Künstliche Intelligenz (KI) soll die Medizin revolutionieren. Eine präzise KI-Anwendung unterstützt Ärzte bei der Diagnose. Allerdings benötigen solche Algorithmen für das Training eine erhebliche Menge an Daten und den dazugehörigen radiologischen fachärztlichen Befunden.

Der Aufbau einer solchen großen, zentralen Datenbank stellt zum einen besondere Anforderungen an den Datenschutz, und zum anderen ist die Erstellung der Befunde und Annotationen, beispielsweise das Markieren von Tumoren in einer MRT-Aufnahme, sehr aufwendig.

Ein ein interdisziplinäres Team von Helmholtz Munich, dem Universitätsklinikum Bonn und der Universität Bonn hat zusammen mit Klinikern und Forschern des Imperial College London und der TUM und ihres Universitätsklinikums rechts der Isar zusammengearbeitet. Ziel war, einen KI-basierten medizinischen Diagnose-Algorithmus für MRT-Aufnahmen des Gehirns zu entwickeln. Dabei soll der Algorithmus ohne Kommentare oder aufgearbeiteten Daten durch einen Radiologen auskommen.

Darüber hinaus sollte der Algorithmus föderal trainiert werden: Auf diese Weise „kommt der Algorithmus zu den Daten“, so dass die besonders schützenswerten medizinischen Bilddaten in der jeweiligen Klinik bleiben konnten und nicht zentral gesammelt werden mussten.

Lernen von mehreren Instituten ohne Datenaustausch

In ihrer Studie zeigten die Forscher, dass der von ihnen entwickelte föderale KI-Algorithmus jeden KI-Algorithmus, der nur mit Daten aus einem einzelnen Institut trainiert wurde, übertrifft. „In seiner ‘Weisheit der Massen’ argumentierte James Surowiecki, dass große Gruppen von Menschen intelligenter sind, egal wie klug ein Einzelner sein mag. Grundsätzlich funktioniert so unser föderaler KI-Algorithmus“, sagt Prof. Dr. Shadi Albarqouni, Professor für Computergestützte medizinische Bildgebungsforschung an der Klinik für Diagnostische und Interventionelle Radiologie am Universitätsklinikum Bonn und Helmholtz AI Nachwuchsgruppenleiter bei Helmholtz Munich.

Um das Wissen über MRT-Aufnahmen des Gehirns zu bündeln, trainierte das Forscher-Team den KI-Algorithmus in verschiedenen und unabhängigen medizinischen Einrichtungen, ohne den Datenschutz zu verletzen oder Daten zentral zu sammeln. „Sobald der Algorithmus lernt, wie MRT-Bilder des gesunden Gehirns aussehen, ist es für ihn einfacher, Krankheiten zu erkennen. Um das zu erreichen, bedarf es einer intelligenten rechnerischen Aggregation und Koordination zwischen den beteiligten Instituten“, sagt Prof. Dr. Albarqouni. PD Dr. Benedikt Wiestler, Oberarzt am Universitätsklinikum rechts der Isar der TUM und ebenfalls an der Studie beteiligt.

Er ergänzt: „Das Training des Modells an Daten aus verschiedenen Zentren trägt erheblich dazu bei, dass unser Algorithmus Krankheiten deutlich robuster erkennt als andere Algorithmen, die nur mit Daten aus einem Zentrum trainiert sind.“

Schub für digitale Medizin durch föderale KI

Durch den Schutz der Patientendaten und gleichzeitig weniger Arbeitsbelastung von Radiologen glauben die Wissenschaftler, dass ihre föderale KI die digitale Medizin erheblich voranbringen wird. „KI und Gesundheitspflege sollte erschwinglich sein, und das ist unser Ziel. Einen Schritt in dieser Richtung haben wir in unserer Studie nachgewiesen“, sagt Prof. Dr. Albarqouni. „Das ultimative Ziel ist die Entwicklung von KI- Algorithmen, gemeinschaftlich trainiert an verschiedenen, dezentralisierten medizinischen Instituten, einschließlich derjenigen mit begrenzten Ressourcen.“

Künstliche Intelligenz

Herzerkrankungen mit KI präzise und schonend behandeln

(ID:48552407)