Der Einsatz von Künstlicher Intelligenz (KI) für OP-Robotik und Telechirurgie wird immer wichtiger. Nicht nur, wenn es angesichts der zunehmenden Zentralisierung darum geht, die medizinische Expertise in strukturschwache Regionen zu bringen, sondern auch, um Chirurgen bei minimalinvasiven Eingriffen durch intelligente Assistenzsysteme stärker zu unterstützen. Um deren Algorithmen für diese anspruchsvollen Aufgaben zu trainieren, gilt es allerdings zunächst, ihnen möglichst viele Daten zur Verfügung zu stellen. Schließlich reicht es für standortunabhängig einsetzbare KI eben nicht aus, sie nur mit medizinischen Daten einer einzelnen Klinik zu trainieren.

Wertvolle Behandlungsdaten sind aber schon allein aus Datenschutzgründen an die Standorte der Kliniken gebunden, weshalb es im Gesundheitswesen kaum Möglichkeiten zum Datenaustausch gibt und die Nutzung medizinischer Daten ebenfalls meist auf einen Standort begrenzt ist. Damit das nicht so bleibt, setzt das Forschungsprojekt „DAIOR - Distributed Artificial Intelligence for the Operating Room“ auf die Methode der verteilten Lernansätze um die Erfahrung unterschiedlicher Klinikstandorte für KI-Assistenzsysteme im OP nutzen zu können.

Verteilte Lernansätze

Die Trainingsdaten für KI-Modelle sollen hier nicht erst aufwändig gesammelt, pseudonymisiert und anschließend zu einem Forschungsstandort transferiert werden. Stattdessen verbleiben die Behandlungsdaten einfach an den Klinikstandorten – und die KI-Modelle werden jeweils lokal eingesetzt, um damit vor Ort trainiert zu werden. „Man kann das vergleichen mit einem Arzt oder einer Ärztin, die ihre Ausbildung etwa in Mannheim macht, dort Erfahrungen sammelt und dann an weiteren Standorten weitere Entwicklungsstufen durchläuft. Auch beim Training der KI nutzen wir Daten verschiedener Standorte, Quellen und Modalitäten. Dann übertragen wir das Modell auf den nächsten Standort, während die Daten datenschutzkonform am alten Standort verbleiben“, führt Johannes Horsch, Leiter des Teams Medizintechnische Assistenzsysteme am Fraunhofer Institut für Produktionstechnik und Automatisierung (IPA), aus.

Drei Partner

Das vom Bundesministerium für Bildung und Forschung geförderte Konsortium des deutsch-französischen Forschungsprojekts setzt sich aus drei Partnern zusammen. Dem Fraunhofer IPA in Mannheim, dem Institute of Image-Guided Surgery (IHU) in Strasbourg und dem Bosch Digital Innovation Hub (KTBW) am Bosch Health Campus in Stuttgart. Dabei gliedert sich DAIOR in zwei unterschiedliche Anwendungsfälle: Zum einen sammeln und analysieren die Experten multimodale Daten verschiedener Klinikstandorte, extrahieren das Wissen und führen es mit Hilfe einer KI kompakt und für die Mediziner interpretierbar zusammen.

Zum anderen wird untersucht, wie verschiedene Operationsroboter-Anwendungen mit Hilfe von KI so unterstützt werden können, dass sie auch telemedizinisch möglichst verzögerungsfrei und in Echtzeit nutzbar sind. Das übergeordnete Projektziel ist dabei, ein KI-Ökosystem zu entwickeln, das klinisches Personal standortunabhängig dabei unterstützt, die Patientenversorgung zu verbessern.

KI als Assistenz- und Warnsystem

Im ersten Anwendungsfall werden KI-Modelle mit Hilfe jenes verteilten Lernansatzes mit dem lokal verfügbaren sogenannten perioperativen Wissen trainiert – also alle Dateninformationen, die vor, während und nach Operationen anfallen. Dazu greift die KI auf die anfallenden Sensor-, Bild- und Prozessdaten zurück, die sie in verschiedenen Klinikstandorten sammelt und so zu einem Gesamtbild zusammengefügt. Neben Daten aus Voruntersuchungen sind das auch etwa endoskopische Bilder, die während der OP gemacht werden. Auch die Vitaldaten des Patienten und jene zu Vorerkrankungen gehören hierzu. Unter dem Strich also all jene Informationen, die auf den verschiedenen Monitoren während einer Operation angezeigt werden.

Zusätzlich wird der KI auch das jeweilige Erfahrungswissen dazu antrainiert, wie genau und in welchen Teilschritten ein spezieller minimalinvasiver operativer Eingriff vor Ort durchgeführt wird. „Statt die perioperativ anfallenden Daten zwischen verschiedenen Standorten hin und her zu schicken, trainiert man ein KI-basiertes System, das Chirurgen etwa als Sicherheitssystem bei Operationen unterstützt, mit den Daten, wie sie in einem OP in Mannheim anfallen. Anschließend setzt man jenes KI-System dann auch in einem OP in Straßburg ein, wo es anhand der dort anfallenden Daten weiter trainiert werden kann“, erläutert Johannes Horsch.

Sich an allen Informationen zu orientieren, die normalerweise auf den verschiedenen Bildschirmen im OP zu sehen sind, ist aktuell eine kognitive Meisterleistung.

Die so geschulten KI-Algorithmen können dem OP-Personal damit etwa als Assistenz- oder Warnsystem dienen. „Sich an allen Informationen zu orientieren, die normalerweise auf den verschiedenen Bildschirmen im OP zu sehen sind, ist aktuell eine kognitive Meisterleistung. Die KI-Assistenzsysteme können hier während der OP unterstützen, indem sie etwa patientenspezifische Informationen zusammenführen und erkennen, wie Patienten auf den Eingriff reagieren. Vorerkrankungen können beispielsweise so mit einbezogen werden“, so der Experte.

Statt auf die zahlreichen Bildschirme schauen zu müssen, um die Situation im Blick zu haben, könnten derart geschulte KI-Modelle diese Risikoparameter identifizieren und als gebündelte Information in Form eines Warnhinweises anzeigen. „Eine derartige KI könnte aber auch während der OP anfallende Daten sammeln und nach einer erfolgreichen Operation voraussagen, mit welcher Wahrscheinlichkeit es im Nachgang zu eventuellen Komplikationen kommen wird“, ergänzt Horsch.

KI kompensiert Signalverzögerungen

Das zweite KI-Teilprojekt widmet sich den Anwendungen der roboterassistierten Telechirurgie. Um Operationsroboter nicht nur vor Ort, sondern per Telemedizin aus weit entfernten Klinikstandorten oder sogar Länderübergreifend einzusetzen, ist eine möglichst kontinuierliche und zeitnahe Übertragung der dazu nötigen Steuersignale unerlässlich. Wenn Chirurgen einen Operationsroboter über eine Steuerkonsole bedienen, muss das Eingabesignal von dort aus quasi unmittelbar in jener Klinik ankommen, in der ein Patient per OP-Roboter operiert wird. Deren Umsetzung durch die Instrumente des OP-Roboters muss also in Echtzeit erfolgen.

Ansonsten kann es gerade bei komplizierten minimalinvasiven Eingriffen zu Verzögerungen kommen, die schlimmstenfalls das Leben des Patienten gefährden – man denke etwa an Operationen am Gehirn. Wenn jene Steuerungsbefehle aber über das Internet geschickt werden, sind Signalunterbrechungen oder Lags, die man auch von seinem Computer kennt, unvermeidlich.

Telechirurgie in Echtzeit

„Wenn man ein Datenpaket von Mannheim nach Straßburg schickt, kann man nicht unbedingt davon ausgehen, dass es dort ankommt, schon gar nicht innerhalb von etwa einer Millisekunde. Bei kontinuierlichen Signalen wie zum Beispiel Sensorsignalen oder jenen, die nötig sind um OP-Roboter zu steuern, kommt es aber durchaus darauf an, dass diese möglichst schnell und auch zuverlässig ausgeliefert werden“, betont Horsch. Um das zu gewährleisten, wird in DAIOR ein KI-Modell entwickelt, das Verzögerungen in der Datenkommunikation auf beiden Seiten ausgleichen kann, indem es die darauffolgenden Schritte voraussagt und so die ortsübergreifende roboterassistierte Telechirurgie in Echtzeit ermöglicht.

Dazu nutzen die Experten zwei vollausgestattete Hybrid-OPs in Mannheim und Straßburg, die per 5G-Infrastruktur miteinander verbunden und synchronisiert sind. Hier werden verschiedenste telechirurgische Eingriffe mit unterschiedlichen OP-Robotern simuliert – unter anderem auch solchen, die den sie bedienenden Chirurgen über die Steuerkonsole ein haptisches Feedback vermitteln. „Mit dem KI-Modell, das wir mit Daten der verschiedenen Standorte trainieren, können wir solche Verzögerungen oder Aussetzer ausgleichen, indem mit diesem Erfahrungsschatz gewisse Reaktionen vorausgesagt werden“, so Horsch.

Ein derart trainiertes KI-Modell wäre also in der Lage, die durch schlechte Datenanbindung verursachten Verzögerungen über das Internet zu kompensieren. „Die Voraussage des KI-Modells funktioniert in zwei Richtungen: Für Kommunikationsverzögerungen des haptischen Feedbacks, das der Arzt an seiner Konsole vom OP-Roboter erhält, als auch für seine Steuerungsbefehle, die die Konsole an den OP-Roboter sendet und welche die Bewegung des Roboters vorgeben“, ergänzt der Experte.

Das ist ein Meilenstein in der Versorgung von Patienten.

Die beiden unterschiedlichen KI-Teilprojekte des deutsch-französischen Forschungsprojekts können zukünftig zudem nicht nur für sich allein, sondern auch zusammen eingesetzt werden. Etwa, indem das KI-Modell, welches als Assistenzsystem im OP eingesetzt wird, seine Warnhinweise verzögerungsfrei auch auf dem Bildschirm der Steuerkonsole anzeigt, von der aus ein OP-Roboter bedient wird. Wann sie marktreif sein werden, steht indes noch nicht fest – die Projektlaufzeit endet Mitte 2027.

Trotzdem erwartet Johannes Horsch Großes von ihnen: „Mit ihrer Hilfe können Operationen standortunabhängig über das Internet durchgeführt werden. Damit wird es möglich, medizinische Expertise und freie OP-Kapazitäten flexibel zu nutzen. Das ist ein Meilenstein in der Versorgung von Patienten, besonders in der Notfallmedizin, bei der es oft auf Sekunden ankommt, etwa bei einem Herzinfarkt oder Schlaganfall. Aber auch abgelegene und ländliche Regionen profitieren immens, da medizinische Expertise dorthin übertragen werden kann.“