Künstliche Intelligenz in der Medizintechnik KI-gestützte Operationsroboter und eine datenzentrierte Architektur

Anbieter zum Thema

PTC

Schneider Electric GmbH

Syslogic GmbH

Eine gestiegene Rechenleistung bei Chips sowie Fortschritte bei der künstlichen Intelligenz haben die Entwicklung neuer Operationstechniken in den letzten drei Jahren beschleunigt. Die Branche steht an einem Wendepunkt: Aktuelle Roboter können die Patientenversorgung und die klinische Effizienz entscheidend verbessern.

Der Wandel bedeutet einen Paradigmenwechsel für das Design von Medizintechniksystemen. Datengesteuerte Technologien erfordern zunehmend KI-fähige, interoperable Digital-First-Architekturen. Der Trend geht weg von isolierten Einzelgeräten hin zu integrierten, KI-gestützten Systemen, die ihre Umgebung wahrnehmen, analysieren, eigenständig handeln und sich anpassen können. Die Grundvoraussetzung dafür: Die Systeme müssen konsequent datenzentriert konzipiert sein. Dieser Ansatz ermöglicht nicht nur völlig neue klinische Entwicklungen, wie etwa hochpräzise digitale Zwillinge, Sim-to-Real-Anwendungen und Echtzeit-KI, sondern vereinfacht und beschleunigt auch deren Entwicklung und Markteinführung.

In herkömmlichen MedTech-Architekturen stellen Datenzugriff und -integration oftmals große Hürden dar. Eine datenzentrierte Ausrichtung löst diese Probleme: Entsprechende Systeme der nächsten Generation ermöglichen einen nahtlosen Echtzeit-Datenaustausch über verteilte Anwendungen und Geräte hinweg – und schöpfen so das volle technologische Potenzial aus.

Von Datensilos zu datenzentrierten Architekturen

Ältere chirurgische Robotersysteme werden zunehmend durch datenzentrierte Ansätze abgelöst. Diese fokussieren sich auf den kontinuierlichen Datenfluss und vereinfachen so die Vernetzung medizinischer Technologien. Dieser Wandel ist zwingend erforderlich, da traditionelle Architekturen meist auf proprietären Punkt-zu-Punkt-Verbindungen basieren, die ein Upgrade auf neue Gerätegenerationen massiv erschweren.

Eine ähnliche Herausforderung zeigt sich in der Automobilindustrie. Hier sind es heterogene Protokolle und starre Punkt-zu-Punkt-Verbindungen, welche die Systeme hochkomplex und unflexibel gestalten. Das erschwert die Wartung, Skalierbarkeit und die Anpassung an stetig wachsende Datenanforderungen.

Datenzentrierte Architekturen für skalierbare digitale Plattformen

Moderne Operationsroboter entwickeln sich durch ihre datenzentrierte Auslegung zu „Rechenzentren auf Rädern“. Sie werden Teil eines umfassenden digitalen Ökosystems, das Geräte, Anwendungen und Drittanbieter-Plattformen im Operationssaal und darüber hinaus nahtlos einbindet.

Ein einheitliches Konnektivitäts-Framework als zentrale Datenschnittstelle senkt die Systemkomplexität dabei drastisch. Datenzentrierte Architekturen werden dadurch hochgradig modular und erweiterbar. Sie gewährleisten die Interoperabilität mit unterschiedlichsten Sensoren, Peripheriegeräten und Rechenplattformen, das auch über zukünftige Entwicklungszyklen hinweg. Gleichzeitig optimieren solche Frameworks den hochzuverlässigen Echtzeit-Datenfluss. Indem sie Kommunikationsaufgaben von der Haupt-CPU auf beschleunigte GPU-Datenpfade auslagern, lässt sich die End-to-End-Latenz für datenintensive, physische KI-Systeme minimieren.

Ein Beispiel für ein solches standardbasiertes Konnektivitäts-Framework ist RTI Connext. Es basiert auf dem Standard Data Distribution Service (DDS) und nutzt einen virtuellen Datenbus, über den alle verteilten Anwendungen auf einen globalen Datenraum zugreifen (Bild 1). Dank dieser Architektur kann jede Anwendung bei Bedarf die benötigten Daten abrufen, ohne dass ein zentraler Broker oder Server notwendig ist.

Fünf Vorteile der Datenzentriertheit in KI-gestützten MedTech-Systemen

Die Flexibilität datenzentrierter Architekturen beeinflusst die aktuelle Leistungsfähigkeit und zukünftige Anpassungsfähigkeit robotergestützter Chirurgie- und Bildgebungssysteme maßgeblich.

1. Echtzeit-Datenströme für Physische KI: Intelligente chirurgische Systeme benötigen kontextbezogene, gut koordinierte Informationen aus verschiedensten Quellen. Da KI-Modelle zunehmend multimodale Daten verarbeiten, müssen diese im gesamten System verzögerungsfrei zur Verfügung stehen. So ist ein sicherer und effektiver Betrieb gewährleistet. Ein datenzentriertes Framework für verteilte Echtzeitsysteme erlaubt es, kinematische, physiologische und Videodaten mit minimaler Latenz auszutauschen. Optimierte Kommunikationsrichtlinien und interoperable Datenmodelle sorgen dabei für ein nahtloses Streaming.

In der Praxis lassen sich solche intelligenten Systeme realisieren, indem Frameworks wie RTI Connext mit Nvidias Plattformen kombiniert werden: HoloScan verarbeitet Sensordaten direkt am Edge (Skalierbarkeit von Jetson-Embedded-Modulen bis hin zu High-End-GPUs), während Isaac for Healthcare vortrainierte Modelle und physikbasierte Simulationen für die Roboterentwicklung liefert. Das Zusammenspiel ermöglicht die Integration von Sidecar-KI-Funktionen mit einer sehr geringen Latenz. Unterstützt werden auch ältere medizinische Geräte ohne native Nvida-Unterstützung.

2. Universelle Interoperabilität und Flexibilität: Der nahtlose Datenfluss löst das Problem, heterogene Hardware, Betriebssysteme und Sensoren integrieren zu müssen. Anwendungen tauschen ihre Informationen über einen Datenbus aus, der völlig unabhängig von Programmiersprache, Netzwerkprotokoll oder Betriebssystem agiert. In dieser dezentralen Architektur kommunizieren Systemkomponenten (z. B. Roboterkinematik, HMIs, Bildgebung) ausschließlich über definierte Datenschnittstellen. Dadurch können Hersteller einzelne Subsysteme aktualisieren, austauschen oder Schnittstellen zu Legacy-Komponenten bereitstellen. Das Gesamtsystem muss nicht neu designt werden.

3. Ausfallsicherheit und Zuverlässigkeit (Safety): In der sicherheitskritischen Medizinrobotik sind ständige Verfügbarkeit, deterministisches Verhalten und redundante Datenpfade essenziell. Ein datenzentriertes Framework ohne zentralen Server steuert den Datenfluss und das Timing äußerst zuverlässig. Fehlertolerante Designs leiten Daten bei Bedarf automatisch um (integrierte Failover-Funktionen). Zudem lässt sich die Kommunikation selbst über öffentliche Netzwerke mit geringer Bandbreite so optimieren, dass lokale und entfernte Anwendungen sicher koordiniert werden.

4. „Security by Design“ und regulatorische Compliance: Herkömmliche Architekturen bergen in immer stärker vernetzten Systemen hohe Cybersicherheitsrisiken. Datenzentrierte Frameworks setzen hingegen auf Authentifizierung, Verschlüsselung und feingranulare Zugriffskontrollen. Das erfolgt direkt auf der Ebene der Datenobjekte, nicht nur auf der Netzwerkebene.

Zugriffsrechte lassen sich nach dem Prinzip der minimalen Rechtevergabe (Least Privilege) pro Rolle und Daten-Topic definieren (z. B. Zugriff auf die Herzfrequenz, aber nicht auf die Patienten-ID). Das schützt sensible Daten, schont die Bandbreite und steht im Einklang mit den aktuellen FDA-Leitlinien für Cybersicherheit und sichere Systemarchitekturen.

5. Beschleunigte Entwicklung und reduziertes Risiko: Weil die Infrastruktur vereinfacht wird, können sich Entwicklungsteams voll auf den klinischen Nutzen und Entwicklungen konzentrieren. Statt aufwendiger Neuprogrammierung lassen sich bewährte Referenzarchitekturen wiederverwenden. Das ist beispielsweise für Weichteil-, Endoluminal- oder spezialisierte Orthopädie-Roboter. Da datenzentrierte Frameworks transportunabhängig arbeiten, sind Anwendungen von ihrem physischen Standort entkoppelt. Diese sogenannte Standorttransparenz erlaubt es Entwicklerteams, einfach per Konfiguration (statt durch Code-Änderungen) zwischen einem physischen Subsystem und dessen digitalem Zwilling zu wechseln.

Vom KI-Hype zur klinischen Realität

Die Zeit, in der künstliche Intelligenz nur ein Hype war, ist vorbei. Die nächste Generation datenzentrierter Systeme und Medizinroboter verändert klinische Arbeitsabläufe nachhaltig und verbessert die Behandlungsergebnisse. Diese Architekturen bewältigen die komplexen Integrationsprobleme intelligenter Plattformen im digitalen OP und darüber hinaus. So ebnen sie den Weg für völlig neue, integrierte Technologien, die unterschiedlichste klinische Indikationen, Formfaktoren und Versorgungsumgebungen abdecken. (heh)

Epilepsie-Behandlung

Deutsches Engineering mit Low-Power-KI für Neuroimplantate

* Darren Porras ist Market Development Manager bei RTI.

(ID:50908250)