Beim Schlaganfall ist Eile geboten. Mithilfe von Aufnahmen aus dem Computertomographen (CT) können Ärzte schnell feststellen, an welcher Stelle im Gehirn es zu einem Blutgerinnsel gekommen ist und welche Behandlung sinnvoll wäre. Solche bildgebenden Verfahren spielen in der Medizin eine wichtige Rolle. Sie kommen auch bei anderen Bereichen, beispielsweise vor Operationen, zum Einsatz. So helfen Bilder von Magnetresonanztomographien (MRT) den Chirurgen etwa vor einer Operation, einen Eingriff zu planen.
KI braucht auch für die Medizin viele Daten zum Lernen
Gemein ist all diesen Techniken, dass jede Menge Daten anfallen. „Sie automatisch zu analysieren und zu visualisieren, ist ein wichtiger Schritt auf dem Weg zur personalisierten Medizin“, sagt Dr. Christina Gillmann, Informatikerin an der Universität Leipzig. „Dieser Bereich hat in den letzten Jahren enorm an Bedeutung gewonnen.“
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. Zum Beispiel aus CT-Bilddaten, die ein Arzt zuvor bearbeitet hat. So fließen technische Informationen, aber auch medizinische Erfahrung ein. Dabei gilt: Je mehr Daten diese Verfahren auswerten können, desto besser werden die Ergebnisse.
Solche Technologien könnten in ein paar Jahren im Klinikalltag nützlich sein, um etwa personalisierte Diagnosen und Therapien zu ermöglichen. Allerdings stecken sie noch in den Kinderschuhen.
„Jeder medizinische Fall muss einzeln trainiert werden. Die Daten müssen vorab einzeln aufbereitet werden, was sehr aufwendig ist“, sagt Robin Maack aus der Arbeitsgruppe „Computer Graphics and Human Computer Interaction“ an der Rheinland-Pfälzischen Technischen Universität (RPTU) in Kaiserslautern. Das Problem: Bei jedem medizinischen Fall müssen Ärzte dazu beispielsweise die Daten einzeln „labeln“. „Das bedeutet etwa, wenn ein solches System 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.
Medizinische Bildanalyse: Es fehlt an standardisierten Vorgaben
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 – gibt es keine standardisierten Vorgaben, wie Mediziner damit umgehen sollen.“
Solche Unsicherheiten treten zum Beispiel bei Läsionen auf. Dabei handelt es sich um bestimmte Bereiche im Gehirn, die bei einem Schlaganfall durch den Verschluss von Gefäßen nicht mehr ausreichend oder gar nicht mit Sauerstoff versorgt werden. Sie sind nicht mehr leistungsfähig. Der Kern der Läsion ist oft gut zu erkennen, allerdings gibt es am Rand meist keine klare Abgrenzung. Auch Regionen, bei denen sich selbst Ärzte nicht einig sind, ob sie nun als Läsion zu klassifizieren sind oder nicht, treten auf. Letztendlich braucht es hier die medizinische Erfahrung, wie damit umzugehen ist.
KI visualisiert Unsicherheiten bei Bilddaten
Hier setzt die Arbeit von Gillmann und Maack an. Das Team um die beiden entwickelt derzeit ein einheitliches System, um medizinische Bilddaten zu verarbeiten, auszuwerten und deren Unsicherheiten zu visualisieren. Es trägt den Namen Guardian, zu Deutsch „Hüter“. Ihre Technik gestalten die Forscher so, dass sie einfach in der Handhabung ist. „Hier können Kliniken beispielsweise 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 aus und visualisiert die Ergebnisse. „Das geschieht automatisch, ohne dass IT-Kenntnisse notwendig sind“, sagt Maack weiter. „Außerdem zeigt unsere Methode die Unsicherheiten an.“ Das heißt, die Ärzte können sich diese noch einmal anschauen und bei Bedarf gemeinsam eine Entscheidung treffen, was im Einzelfall zum Beispiel die beste Behandlung ist.
Das System steht als Open-Source-Anwendung frei zur Verfügung.
Die beiden Informatiker haben ihre Technik auf der Messe Medica 2023 in Düsseldorf vorgestellt.
Kontakt:
RPTU in Kaiserslautern
Ansprechpartner für Unternehmen
Klaus Dosch
E-Mail: klaus.dosch@rptu.de
Robin Maack
Visualization and Human Computer Interaction
E-Mail: maack@rptu.de
Universität Leipzig
Christina Gillmann
Abteilung für Bild- und Signalverarbeitung
Telefon: +49 (0)341 97 32281
E-Mail: gillmann@informatik.uni-leipzig.de
www.rptu.de
