Digitale Diagnose

Bamberger Forscherteam entwickelt medizinischen Begleiter

Angenommen, eine Software stellt die Diagnose einer schweren Krankheit wie beispielsweise Krebs, ohne die Entscheidung näher zu erklären. Vertrauen Menschen in dieser Situation dem Urteilsvermögen einer Maschine?

Patricia Achter/Universität Bamberg

So ähnlich wird eine neue Software aussehen, die Ute Schmid (l.) und Bettina Finzel mitentwickeln, um Ärzte beim Diagnostizieren zu unterstützen. (Das im Prototypen gezeigte Bildmaterial stammt von der virtuellen Mikroskopie der Universität des Saarlandes. Es dient nur der Veranschaulichung und wird nicht im Rahmen des Projekts verarbeitet.)

„Maschinelle Lernverfahren helfen bei der Diagnose. Sind ihre Entscheidungen jedoch nicht nachvollziehbar für Ärzte und Patienten, sind die Ergebnisse mit Vorsicht zu genießen und dürfen in vielen sicherheitskritischen Kontexten wie der Medizin auch nicht verwendet werden“, sagt Dr. Ute Schmid, Professorin für Angewandte Informatik, insbesondere Kognitive Systeme, an der Universität Bamberg.

Seit September 2018 beteiligt sich ihre Forschergruppe an einem interdisziplinären und institutionsübergreifenden Projekt, das automatisierte Diagnosen anhand einiger Beispiele transparent machen soll. Der sogenannte „Transparente Begleiter für Medizinische Anwendungen“ besteht aus zwei Prototypen: Ein Modell erkennt auf Videos Schmerz von Patienten, die ihr Empfinden selbst nicht mitteilen können, und erklärt die Einordnung. Ein weiterer Prototyp, der gerade entsteht, diagnostiziert nachvollziehbar Darmkrebs auf Basis von Bilddaten aus der Mikroskopie.

System lernt, Symptome zu erkennen und Diagnosen zu erklären

Damit die Software sowohl eine Krankheit erkennen als auch die Entscheidung begründen kann, kombiniert das Forscherteam unterschiedliche informatische Methoden miteinander. Mithilfe von tiefen neuronalen Netzen („Deep Learning“) können große Mengen an Bildern klassifiziert werden. Allerdings geben solche Verfahren keine Auskunft darüber, wie sie zu der Entscheidung gelangt sind. Weitere Verfahren sehen in das tiefe neuronale Netz hinein und machen entscheidende Merkmale für den Menschen greifbar.

Sie heben in den Bildern zum Beispiel auffällige Stellen in dem betroffenen Darmgewebe hervor oder erklären durch Texte, warum ein bestimmter Ausschnitt der Gewebestruktur unter dem Mikroskop als krankhaft klassifiziert wurde. An der Entwicklung des „Transparenten Begleiters für Medizinische Anwendungen“ sind verschiedene Forschergruppen beteiligt. Das Fraunhofer-Institut für Integrierte Schaltungen IIS aus Erlangen und das Fraunhofer Heinrich-Hertz Institut HHI aus Berlin erstellen ein Software-Programm mithilfe von „Deep Learning“-Verfahren.

Für die jeweiligen Anwendungsfälle wird die Expertise des Pathologischen Instituts der Universität Erlangen unter Zusammenarbeit mit Prof. Dr. Arndt Hartmann sowie die Expertise der Professur für Physiologische Psychologie Bamberg, geleitet durch den Schmerzforscher Prof. Dr. Stefan Lautenbacher, einbezogen. „Das Forschungsprojekt erfordert Wissen auf unterschiedlichen Gebieten“, schildert PD Dr.-Ing. Thomas Wittenberg vom Fraunhofer IIS, der das Gesamtprojekt koordiniert.

Transparente Begleiter unterstützen medizinische Arbeit

Hauptaufgabe des Bamberger Teams ist es, diejenige Komponente zu programmieren, die die Entscheidung der tiefen neuronalen Netze verständlich erklärt. Die Forschenden nutzen insbesondere eine sogenannte „Induktive Logische Programmierung“.

  • Schlagwörter:
  • Bamberg
  • Forscherteam
  • Künstliche Intelligenz

Kommentare (0)

Kommentar hinzufügen

Um einen Kommentar hinzuzufügen melden Sie sich bitte an oder registrieren Sie sich.

Jetzt anmelden/registrieren