Entwicklung von anwendungsbezogenen Analysealgorithmen in der bildgebenden Fachdisziplin Radiologie mithilfe von Artificial Intelligence (DR-AI)

Ressortforschung im Handlungsfeld „Digitalisierung“, Förderschwerpunkt „Digitale Innovationen“

Arzt untersucht Hautflecken eines Patienten mit einem Dermatoskop

Motivation

Die aktuelle Studienlage der Künstlichen Intelligenz (KI) zeigt, dass Algorithmen bereits beachtliche Ergebnisse bei der Erkennung von Krankheiten aufweisen. In einigen Bereichen deutet sich bereits die Überlegenheit von Algorithmen gegenüber dem Menschen an. Allerdings handelt es sich hierbei häufig um ungeprüfte Datensets von geringer Datenqualität. Damit ist die Aussagekraft hinsichtlich Praxisrelevanz der Algorithmen begrenzt. Aus diesem Grund müssen diese Algorithmen jetzt auch weiter an realen klinischen Datensätzen evaluiert und optimiert werden, welche von ärztlichen Fachpersonal validiert wurden. Vor allem gilt es zu prüfen, wie robust die Algorithmen im täglichen Praxisalltag funktionieren und spezielle Neuronale Netze zu modellieren, welche ein hohes Maß an Genauigkeit mit einem hohen Maß an Sicherheit und Robustheit kombinieren.

Ziele und Vorgehen

Das Grundziel des Projektes „DR-AI“ ist eine Vielfalt an heterogenen Datensätzen zu kombinieren, um damit Machine Learning (KI) Algorithmen zu trainieren, sodass die trainierten Modelle auch in der ärztlichen Praxis tatsächlich eingesetzt werden können und nicht nur theoretisch gute Ergebnisse erzielen. Diese Modelle werden direkt in den Fachgebieten der Radiologie und Dermatologie innerhalb der Kliniken unter Beachtung ethischer Aspekte evaluiert und getestet.

Perspektiven für die Praxis

Die Entwicklung von KI-Algorithmen auf Grundlage medizinisch validierter Datensets von hoher Qualität stellt eine wichtige Vorraussetzung für die spätere praktische Einsetzbarkeit in der klinischen Versorgung dar. Die Algorithmen sollen zukünftig dabei helfen die Befundqualität zu steigern, ein zeiteffizienteres Arbeiten zu ermöglichen sowie als Hilfestellung für fachfremde und weniger erfahrene Ärztinnen und Ärzten dienen.

Ergebnisse

In der Dermatologie wurde die Fusion von multimodalen Daten, wie Anamnesedaten (Metadaten) und Bilddaten (klinische Aufnahmen, Dermoskopien), erfolgreich zur Verbesserung der Klassifikation von Hautläsionen eingesetzt. Diese multimodale Herangehensweise führte zu präziseren Diagnosen und zeigte den Mehrwert der Kombination unterschiedlicher Datenquellen.

In der Radiologie konnten mithilfe von Algorithmen des maschinellen Lernens Auffälligkeiten in Röntgenbildern des Brustbereichs (Thorax) erheblich besser entdeckt werden als mit den üblichen Methoden. Dabei gab es einen direkten Zusammenhang zwischen der Auflösung der Bilder und der Qualität der Detektionsergebnisse.

Ein zentrales Element des Projekts war der Ansatz der „Embedded Ethics“, der es ermöglichte, ethische Fragen wie Verantwortung, Transparenz und mögliche Geschlechterverzerrungen fortlaufend zu reflektieren und in die Forschung zu integrieren.

Verwertung

Das Projekt DR-AI bietet wertvolle Erkenntnisse für den Transfer von KI-Anwendungen aus der Forschung in die Gesundheitsversorgung. Die Ergebnisse liefern wichtige Einblicke in den effektiven Einsatz von KI-Technologien für diagnostische Verfahren und deren Nutzen in der Praxis. So führte der Einsatz der Technologie in der Dermatologie dazu, dass die Diagnosemöglichkeiten verbessert und die Erklärbarkeit der Ergebnisse erhöht wurden. Dies könnte langfristig zu präziseren und schnelleren Diagnosen in der dermatologischen Versorgung führen. In der Radiologie tragen die entwickelten Algorithmen und die analysierten Workflows dazu bei, die Effizienz der Befundmitteilung zu steigern. In der Praxis bedeutet das eine schnellere Erkennung und Behandlung von Pneumothorax-Fällen, sodass Patientinnen und Patienten bei dieser lebensbedrohlichen Erkrankung schneller versorgt werden können.

Fakten zum Projekt

Projektleitung

Klinikum der Universität München
Prof. Dr. Lars E. French
Frauenlobstraße 9-11
80377 München

Projektlaufzeit

01.10.2020 bis 31.12.2023

Das Projekt ist Teil des Förderschwerpunkts „Digitale Innovationen für eine patientenzentrierte Gesundheitsversorgung“.

Ansprechperson

Dr. Mario Paterno
DLR Projektträger
projekttraeger-bmg(at)dlr.de