Verfahren der Künstlichen Intelligenz, wie etwa das maschinelle Lernen, lernen mit medizinischen Daten dazu und helfen, Diagnosen und Therapien künftig individuell zu gestalten. Solche Systeme sind derzeit aber noch mit Unsicherheiten behaftet. Die Arbeitsgruppe „Computer Graphics and Human Computer Interaction“ von Professor Dr. Hans Hagen an der TU Kaiserslautern forscht schon lange daran, Daten aus Bildgebungsverfahren für die Medizin derart aufzubereiten, dass sie im klinischen Alltag einfach und zuverlässig nutzbar sind.

Fokus auf personalisierter Medizin

Daten der Computertomographie (CT) und der Magnetresonanztomografien (MRT) automatisch zu analysieren und zu visualisieren, sei ein wichtiger Schritt auf dem Weg zur personalisierten Medizin, so Dr. Christina Gillmann, Informatikerin an der Universität Leipzig. Möglich machen das KI-Verfahren wie das maschinelle Lernen und neuronale Netzwerke. Sie lernen anhand von Daten dazu, mit denen sie trainiert beziehungsweise „gefüttert“ werden, wodurch technische Informationen, aber auch medizinische Erfahrung einfließen.

Um personalisierte Diagnosen und Therapien zu ermöglichen, müsse jeder medizinische Fall einzeln trainiert werden und die Daten müssten vorab einzeln aufbereitet werden, was sehr aufwändig sei, erklärt Robin Maack aus der Arbeitsgruppe. „Das bedeutet beispielsweise, wenn ein Netzwerk trainieren soll, einen Tumor automatisch zu erkennen, müssen bei hunderten Bildern mit bekannten Tumoren diese per Hand eingezeichnet werden, damit das neurale Netzwerk eine Grundlage hat, mit der es lernen kann“, erklärt Gillmann. Maack fährt fort: „Hinzu kommt, dass es keine einheitlichen Schnittstellen gibt, mit denen trainierte Netzwerke behandelt, geladen und genutzt werden können. Aber auch bei Unsicherheiten in den Datenlagen; sei es bei Trainingsdatensätzen oder bei genutzten Modellen; dafür gibt es keine standardisierten Vorgaben, wie Mediziner damit umgehen sollen.“

Diagnostische Unsicherheiten bereinigen

Bei diagnostischen Unsicherheiten setzt das System von Gillmann und Maack an. Es trägt den Namen „Guardian“, zu Deutsch „Hüter“. Ihre Technik gestalten die Forscher so, dass sie einfach in der Handhabung ist. Es steht als Open-Source-Anwendung frei zur Verfügung. „Hier können Kliniken zum Beispiel ihre trainierten neuralen Netze laden und diese mit zur Verfügung gestellten aufbereiteten Daten kombinieren, etwa bei Aufnahmen zu einem Schlaganfall.“ Das System wertet die Daten automatisch aus, visualisiert die Ergebnisse und zeigt die Unsicherheiten an. Das heißt, die Ärzte können sich diese noch einmal anschauen und bei Bedarf gemeinsam eine Entscheidung treffen, was zum Beispiel im Einzelfall die beste Behandlung ist.

Auf der Medizintechnikmesse Medica in Düsseldorf stellt die Arbeitsgruppe ihre Technik vom 14. bis 17. November 2022 am Forschungsstand Rheinland-Pfalz (Stand E80, Halle 3) vor.