Dank der Möglichkeiten des maschinellen Lernens könnten elektronische Assistenten bald zu einem unverzichtbaren Co-Mediziner in den Ärztezimmern und Forschungslaboratorien werden. Denn dank ihrer intelligenten Softwarelösungen werden sie die menschliche Expertise durch einen wichtigen Aspekt ergänzen: Durch detailliertes Wissen, das sie durch die Analyse und Bewertung umfangreicher Datenbestände gewinnen. Zumal sich die neuen Assistenten mit jedem Feedback des Arztes den Anforderungen immer besser anpassen.

Jeder Mensch ist einmalig. Dies gilt auch für sein physisches Innenleben. Das ist allerdings – leider – nicht immer so wünschenswert wie es scheint: Bei einer Krebserkrankung erschwert eben diese Singularität des menschlichen Organismus die Arbeit der Ärzte. Sie müssen Diagnose und Therapie auf jeden einzelnen Patienten individuell abstimmen. Dies erfordert nicht nur viel Wissen und Erfahrung, sondern auch viel Zeit für die Untersuchungen und Protokolle. Die Aufnahmen bildgebender Verfahren wie Computer-, Kernspintomographie oder Ultraschall zu analysieren und zu bewerten, war beispielsweise bislang eine länger dauernde und intensive Arbeit, die nur Experten absolvieren konnten. Im Bereich der Industrie übernehmen Softwareprogramme längst hochgenaue Sichtkontrollen etwa in der Qualitätsprüfung. Hier genügt in der Regel ein einfacher Eins-zu-eins-Abgleich zwischen Soll- und Istwerten eines gescannten Produkts. Im Bereich der Medizin wären die dabei eingesetzten Algorithmen allerdings schlicht überfordert. Denn bei Aufnahmen des menschlichen Organismus ist die bildbasierte Auswertung weitaus komplexer. Jedes Gehirn, jede Leber, jede Niere und jede Lunge unterscheidet sich in Form, Struktur und Zustand voneinander. Und bei jedem Krankheitssyndrom gilt das Gleiche: Es gibt Vergleichbarkeiten, aber die Unterschiede im Einzelnen sind teils essentiell.

Fraunhofer-Lösungen jenseits der medizinischen Bildanalyse: Künstliche Intelligenz liefert Ärzten zusätzlichen Wissens-Input für Diagnose und Therapieplanung von Krebserkrankungen. Bild: Fraunhofer IGD

Inzwischen aber gibt es auch im Bereich der medizinischen Bildauswertung vielversprechende Ansätze für eine maschinelle Unterstützung bei der Untersuchung. Forscherteams des Fraunhofer-Instituts für Graphische Datenverarbeitung IGD entwickeln und erproben seit Jahren Verfahren, die verfügbare Methoden und Modelle aus den Bereichen Maschinelles Lernen und Künstlicher Intelligenz dafür einsetzen, Ärzte bei Diagnose und Therapie zu unterstützen.

Ärzte und Software arbeiten im Team

»Eine entscheidende Rolle dabei spielen Active-Learning-Technologien, weil sie es ermöglichen, die Expertise der Mediziner in die Algorithmen der Bilderkennung und Datenanalyse zu integrieren«, sagt Dr. Stefan Wesarg vom Fraunhofer IGD. Die Softwarelösungen der Forscher arbeiten mit einem grundlegenden Modell, das eine Erkennung anatomischer Strukturen in radiologischen Bilddaten ermöglicht. Die Basis dafür bilden Beispielanalysen von erfahrenen Radiologen. Die mit diesem Modell an weiteren radiologischen Bildern erzielten Auswertungsergebnisse überprüft dann in einem nächsten Schritt nochmals ein Radiologe. In einer Feedbackschleife bewertet er das Ergebnis des automatisierten Verfahrens. Mit seinem Erfahrungs- und Wissenshintergrund berichtigt er die computerbasierte Analyse. Zum Beispiel markiert er erkranktes Gewebe, das die automatisierte Auswertung nicht erkannt hat und gibt an, wie der gekennzeichnete Bereich aus seiner Sicht bewertet werden muss. Diese Rückmeldung nutzt das System nun wiederum, um bei künftigen Bildanalysen bereits im ersten Schritt bessere Ergebnisse zu erzielen. Dieser kontinuierliche Verbesserungsprozess in der Zusammenarbeit zwischen Computerprogramm und Ärzten erlaubt es, die Modelle für die Bildauswertung schrittweise immer besser zu trainieren. So ist es sowohl möglich, das automatisierte System über alle Experten hinweg zu verbessern, als auch im Team mit einem bestimmten Arzt immer mehr an die individuellen Anforderungen des einzelnen Mediziners und seiner Arbeit anzupassen.

Mögliche Einsatzbereiche der computerbasierten Bildanalysen sind sowohl die medizinische Forschung als auch die Diagnose eines einzelnen Patienten. Als intelligenter und lernfähiger Agent unterstützt die Software die Forscher dabei, auch große Bilddatenbanken mit Erkrankungsfällen nach vergleichbaren Mustern zu durchsuchen, Kohorten oder Fallgruppen zu bilden und noch nicht bekannte Zusammenhänge zu detektieren. Zudem können die automatisierten Analyse-Agenten Ärzten bei der Diagnose eines spezifischen Erkrankungsfalls zusätzliches Wissen erschließen. Denn die - zumindest in Teilbereichen - mit der Expertise des Arztes ausgestattete Software ist in der Lage, für ihn in kürzester Zeit eine Vielzahl an Patientenakten zu durchforsten und nach Ähnlichkeiten oder Anomalien zu filtern. Dem Arzt steht für die Entscheidungsfindung so eine Datengrundlage zur Verfügung, die er ohne die Computer-Unterstützung allein aus Zeitgründen niemals auswerten und berücksichtigen könnte.

Neue Erkenntnisse für die individualisierte Krebstherapie: Intelligente Softwareagenten helfen Ärzten und Forschern dabei, aus medizinischen Datenbanken neue Erkenntnisse zu erschließen. Bild: Fraunhofer IGD

Lernfähige Agenten in der Therapie

Auch im Bereich der therapeutischen Betreuung von Patienten können Ärzte von den neuen Unterstützungsmöglichkeiten durch intelligente Softwareagenten profitieren. Körpernahe Sensoren einer Smartwatch ermöglichen in der Therapie etwa eine kontinuierliche Kontrolle wichtiger Vitalparameter zur Analyse und Behandlung von Schlafstörungen. Generische Analysen dieser Werte reichen in der Praxis allerdings häufig nicht aus, um beispielsweise bei automatisierten Warnungen auch die individuelle Situation des einzelnen Patienten ausreichend zu berücksichtigen. »Die entscheidende Technologie ist auch hierbei eine Künstliche Intelligenz, die in der Zusammenarbeit mit den Ärzten aktiv lernt und ihr Wissen für automatisierte Analysen verfügbar macht«, erklärt Wesarg. Aus dem Feedback des behandelnden Arztes lassen sich zum Beispiel Systeme für das Gesundheitsmonitoring so trainieren, dass automatisierte Handlungsanweisungen an den Patienten oder Warnungen an den Arzt genau dann erfolgen, wenn für den individuellen Behandlungsfall tatsächlich kritische Parameterkonstellationen gegeben sind.

In verschiedenen Projekten konnten die Forscher vom Fraunhofer IGD den Einsatz von lernfähigen Software-Agenten im medizinischen Umfeld bereits erfolgreich testen. Wesarg resümiert: »Die weiteren Forschungen müssen sich nun darauf konzentrieren, die Systeme in der Praxis weiter zu evaluieren und Erfahrungen darüber zu sammeln, in welchen konkreten Anwendungsbereichen der Einsatz Künstlicher Intelligenz nachhaltig den entscheidenden Mehrwert liefert.«

(stw)

Keine Kommentare vorhanden

Das Kommentarfeld darf nicht leer sein
Bitte einen Namen angeben
Bitte valide E-Mail-Adresse angeben
Sicherheits-Check:
Eins + = 2
Bitte Zahl eintragen!
image description
Experte
Alle anzeigen
Dr.-Ing. Stefan Wesarg
  • Fraunhofer-Institut für Graphische Datenverarbeitung IGD
Weitere Artikel
Alle anzeigen
Künstliche Intelligenz - Daniela Kolbe, Enquete KI
Das Richtige im Blick
Fest im Griff mit maschinellem Lernen
Stellenangebote
Alle anzeigen