Skip to main content

Article Category

Article available in the folowing languages:

KI-Ärzteplattform nutzt Vorstellungsprozesse für das Selbstlernen

Eine innovative Diagnoseplattform hilft Ärztinnen und Ärzten bei der schnellen Ermittlung nichtübertragbarer Krankheiten. Mittels Selbstlernen senkt die Plattform die Zeit, die menschliche Ärztinnen und Ärzte benötigen, und wird auf lange Sicht die Genauigkeit verbessert.

Digitale Wirtschaft

Die künstliche Intelligenz (KI) gewinnt im Gesundheitswesen an Bedeutung und stellt eine Transformation medizinischer Verfahren auf der ganzen Welt in Aussicht. Bislang hat sich KI-basierte Diagnose-Software in der Früherkennung von Erkrankungen und Gesundheitsrisiken bewährt. Dies ist besonders bei nichtübertragbaren Krankheiten wie Herz-Kreislauf-, Augen- und Atemwegserkrankungen hilfreich. Nichtübertragbare Krankheiten sind weltweit für etwa 60 % aller Todesfälle und Gebrechen verantwortlich. Doch die Software ist mit signifikanten Einschränkungen verbunden, zum Beispiel muss die KI anhand enormer Mengen gekennzeichneter Daten trainiert werden. Dies kann in schwerfälligen und oftmals unvollständigen Datensätzen resultieren, und die KI kann zu spezifisch für die Trainingsdaten sein, sodass allgemeine Diagnosen verhindert werden. Das EU-finanzierte Projekt MrDoc hat eine neue Methode entwickelt: eine halbüberwachte KI-Lernplattform, die mithilfe kleiner gekennzeichneter Datensätze Trainings ausführt, um dann selbstständig daraus zu lernen und besser zu werden. Die Lösung lernt von menschlichen Ärztinnen und Ärzten und nutzt das Wissen, um sich selbst auf eine Weise fortzubilden, die an das menschliche Vorstellungsvermögen angelehnt ist. Sie kann ebenfalls potenzielle Variationen oder Störungen vorhersagen, die eventuell in Zukunft zum Tragen kommen, sodass die Diagnosen für die Anwendung in der realen Welt belastbar sind. „Das Ziel ist letztlich die Erkennung und Diagnose von nichtübertragbaren Krankheiten wie Arrhythmien und Bluthochdruck. Dies lässt sich durch biometrische Parameter wie zum Beispiel den Blutdruck, die Variabilität der Herzfrequenz, den Hämoglobinwert und den Blutzuckerspiegel von ,unsauberen‘ Signalen, die von Verbraucherelektronikgeräten wie etwa Smartphones und Videoüberwachungsanlagen erzeugt werden, bewerkstelligen“, erklärt Fabio Rebecchi, Geschäftsführer, Gründer und wissenschaftlicher Leiter von Mr. Doc.

Funktionsweise

Mr. Doc findet die informativsten und hilfreichsten Proben in klinischen Datensätzen. Diese werden daraufhin medizinischen Fachkräften präsentiert, welche die Daten kennzeichnen. Das Feedback hilft bei der Verbesserung der KI über einen interaktiven Prozess, sodass der Zeitaufwand von Ärztinnen und Ärzten reduziert und bis zu 90 % an Kosten gespart werden. Die KI wird mit einem Verfahren für das maschinelle Lernen namens Generative Adversarial Networks (GAN) betrieben, das bei vielen kreativen Prozessen zum Einsatz kommt. GANs lassen zwei Netzwerke gegeneinander antreten: eines präsentiert seine Erkenntnisse und das andere beurteilt diese. Durch diesen Prozess wird im Laufe der Zeit die Genauigkeit verbessert. „Wir verwenden GANs in drei Ebenen unserer Pipeline. Erstens, um quelloffene Datensätze von medizinischen Signalen und Bildern umzuwandeln; zweitens, um Signale von Bewegungsartefakten und andere Störquellen im Bereich der Verbraucherelektronik zu bereinigen; und drittens, um die Dimensionen der Daten zu reduzieren. Hierdurch wird es für Mr. Doc einfacher, die nachfolgenden Schritte zu handhaben, und der Verlust an Informationen wird minimiert“, merkt Rebecchi an.

Erfolgssignale

„Bislang haben wir signifikante Ergebnisse durch die Gewinnung von Informationen über Herz- und Atemwegserkrankungen aus ,Video-Selfies‘ von Patientinnen und Patienten und durch die Detektion neuer Biomarker sowie diagnostischer Anzeichen von OCT-Netzhautscans erlangt“, sagt Rebecchi. Das Team führt zudem klinische Prüfungen unter Verwendung der Plattform durch, um Geräusche zu analysieren, die entstehen, wenn Benutzerinnen und Benutzer in das Mikrophon eines Smartphones hauchen. Damit lässt sich die Wahrscheinlichkeit für das Vorliegen einer Asthma- und chronisch obstruktiven Lungenerkrankung abschätzen. „Horizont 2020 war ein entscheidender Schritt für uns, der uns Zuversicht, eine finanzielle Grundlage sowie die Möglichkeit gab, über den langfristigen Plan und die Vision des Projekts zu reflektieren. Unsere nächsten Schritte sind mit weiter gefassten klinischen Validationen, der Zulassung als medizinisches Produkt und der letztlichen Kommerzialisierung der Plattform verbunden“, erklärt Rebecchi.

Schlüsselbegriffe

MrDoc, künstliche Intelligenz, Diagnose, nichtübertragbare Krankheit, Hilfe, Genauigkeit, Generative Adversarial Network

Entdecken Sie Artikel in demselben Anwendungsbereich