Riesige Mengen von biomedizinischen Daten wurden in den vergangenen Jahrzehnten zusammengetragen. Ein Beispiel dafür ist die Krebsforschung. Parallel dazu entstanden auch Möglichkeiten, diese Daten mit künstlicher Intelligenz zu untersuchen und auszuwerten. So lässt sich zum Beispiel auf Intensivstationen frühzeitig ein Kreislaufversagen vorhersagen. Beim gleichzeitigen Verarbeiten solch komplexer Informationen aus verschiedenen Quellen übertrifft eine KI die menschlichen Fähigkeiten bei Weitem.
Viele KI-Anwendungen für die Biomedizin
Inzwischen gibt es eine unüberschaubare Anzahl von biomedizinischen KI-Anwendungen. Nicht alle halten sich an bewährte Verfahren. Es gibt auch Anwendungen, für die in wissenschaftlichen Publikationen keine vollständigen Angaben zu Funktionsweise, Algorithmen oder Datenherkunft gemacht werden. Das erschwert die Beurteilung und den Vergleich von KI-Modellen. Entscheidungen solcher KI sind nicht immer nachvollziehbar. Auch entstehen Ergebnisse, die nicht vollständig reproduzierbar sind. In der klinischen Forschung ist so eine Situation unhaltbar. Gerade hier sind das Vertrauen in KI-Modelle und transparente Präsentation von Forschungsergebnissen entscheidend.
Register für KI in der biomedizinischen Forschung soll Überblick schaffen
Ein internationales Forschungsteam hat nun vorgeschlagen, das Problem mittels eines Registers zu lösen, das von der wissenschaftlichen Gemeinschaft betrieben wird. Das Registry for Artificial Intelligence in biomedical Research (Aime) soll Nutzerinnen und Nutzern neuer biomedizinischer KI den Zugang zu durchsuchbaren und zitierfähigen Berichten zu erleichtern. So können die Ergebnisse von der wissenschaftlichen Gemeinschaft untersucht und geprüft werden.
Die Arbeitsgruppe „Computational Systems Biology“ der Universität Hamburg und das „Biomedical Network Science Lab“ der Friedrich-Alexander-Universität Erlangen-Nürnberg leiten gemeinsam das Forschungsteam, das diesen Vorschlag entwickelt hat.
Standard für KI: alle relevanten Informationen abgefragt
Das Register ist frei zugänglich. Der anwenderfreundliche Webdienst führt durch den Aime-Standard und erleichtert es, vollständige und standardisierte Berichte zu den verwendeten KI-Modellen zu erstellen. Dazu fragt er alle relevanten Informationen zu der KI-Anwendung ab.
Sobald alle Eingaben vorliegen, erstellt das System eine eindeutige Aime-Kennung. So bleibt der Eintrag langfristig auffindbar. Autorinnen und Autoren können in ihren in Artikeln dann auf den Eintrag im Aime-Register verweisen, statt die jeweilige KI nochmals ausführlich zu beschreiben,
Evaluierte KI-Methoden schneller finden
Nutzer können zu bestehenden Einträgen Fragen stellen, Kommentare abgeben oder Verbesserungen vorschlagen. Ein weiterer Vorteil: Vorhandene KI-Methoden für ein Anwendungsgebiet sind leichter auffindbar. „Dadurch müssen Forschende nicht jedes Mal das Rad neu erfinden und können sich sicher sein, dass die benutzte KI-Methode evaluiert ist und sich an die Aime-Standards hält“, berichtet Prof. Jan Baumbach vom Zentrum für Bioinformatik der Universität Hamburg.
Wissenschaftliche Ansprechpartner:
Prof. Dr. Jan Baumbach
Fakultät für Mathematik, Informatik und Naturwissenschaften
Zentrum für Bioinformatik
E-Mail: jan.baumbach@uni-hamburg.de
