DMEA 2023
Künstliche Intelligenz, auf die Verlass ist.

Mehr als 500 Aussteller präsentieren auf dem Berliner Messegelände ihre Produkte und Dienstleistungen im Rahmen der DMEA. Darunter sind auch zehn Fraunhofer-Institute und eine Ausgründung, die ihre Innovationen rund um digitale Lösungen für die Prävention, Diagnostik, Therapie und die Rehabilitation von Patientinnen und Patienten präsentieren.

Ziel ist es, Prozesse zu verschlanken und auch für eine immer älter werdende Gesellschaft eine bezahlbare Versorgung anbieten zu können. Die Technologien unterstützen dabei sowohl die Akteure der Gesundheitsbranche wie Kliniken und medizinisches Personal als auch Patientinnen und Patienten mit Anwendungen für zu Hause.

Zu Risiken und Nebenwirkungen fragen Sie die KI!

Vom Screening bis zur Genesung: Das Fraunhofer-Institut für Kognitive Systeme IKS stellt auf der DMEA KI-Lösungen (Künstliche Intelligenz) zur Verbesserung der Diagnose und Behandlung von Patienten vor. »Wir zeigen, wie klinische Routinedaten und KI zuverlässig kombiniert werden, um Ärztinnen und Ärzte bei ihren Entscheidungen zu unterstützen«, sagt Narges Ahmidi, Abteilungsleiterin Reasoned AI Decisions am Fraunhofer IKS. »Dies erfolgt beispielsweise dadurch, dass sie über Nebenwirkungen und Komplikationen ihrer Entscheidungen für die Gesundheit der Patienten informiert werden.«

Die Forscherinnen und Forscher zeigen Fallbeispiele, in denen sie KI-Tools entwickelt haben für

1. die frühzeitige Vorhersage unerwünschter Ereignisse,
   
2. die gemeinsame Entscheidungsfindung von KI und Ärzten (auch bekannt als kausal-informierte Entscheidungshilfe),
   
3. die Messung der Behandlungsreaktion einzelner Patienten vor der Verschreibung bestimmter Behandlungen und
   
4. die Optimierung von Richtlinien in Krankenhäusern.

Erstmalig ausgestellt werden die KI-Validierungswerkzeuge, die am Fraunhofer IKS entwickelt wurden. Diese Werkzeuge dienen der Bewertung und quantitativen Messung der Vertrauenswürdigkeit (z. B. KI-Robustheit und Zuverlässigkeit) eines beliebigen KI-Modells. Eines dieser Validierungs-Tools ist die jüngste Innovation der Abteilung: PARCS. PARCS ist ein einfach zu bedienendes kausales Framework, um umfassende realistische Zeitreihendaten zu generieren mit dem Ziel, beliebige Zeitreihen-KI-Algorithmen zu testen. Mit PARCS können KI-Entwickler genauere Aussagen über die Verallgemeinerbarkeit ihrer Modelle machen.

»KI ist ein leistungsfähiges Werkzeug für die Entwicklung optimierter, effizienter und präziser medizinischer Instrumente der nächsten Generation, die unbedingt vertrauenswürdig sein müssen“, fasst Ahmidi zusammen.«

Wie Quantencomputing in der Tumorerkennung helfen kann

Außerdem stellt das Fraunhofer IKS neue Quantencomputing-Ansätze im Kontext von KI vor, um die Früherkennung von Brustkrebs zu verbessern. Der Einsatz von Künstlicher Intelligenz bzw. von Maschinellem Lernen (ML) in der medizinischen Diagnostik gewinnt zunehmend an Bedeutung. Gerade in diesem kritischen Kontext sind jedoch genaue und zuverlässige Vorhersagen wichtig. Etablierte Methoden scheitern hier häufig, weil sie zur Entwicklung der Algorithmen große annotierte Datenmengen benötigten, die gerade bei selteneren Erkrankungen und für Aufgaben in der Bildgebung nicht vorliegen. So erreichen klinische Studien typischerweise Stichprobenumfänge von 100 oder 1000 Bildern, was für viele ML-Algorithmen zum Trainieren nicht ausreicht. Quantencomputing (QC) kann hier perspektiv unterstützend eingreifen: QC-unterstützte Algorithmen versprechen eine höhere Vorhersage-Genauigkeit auch im Kontext von limitierten Trainingsdaten zu erreichen.

Diese Effekte können auch in der medizinischen Bildgebung genutzt werden. So haben wir QC-unterstützte Algorithmen entwickelt, die helfen können, auf 2D-Ultraschallbildern Brustkrebstumore zu erkennen, oder auf 3D-CT-Bildern Knötchen in der Lunge als gutartig oder bösartig zu klassifizieren, erläutert Jeanette Lorenz, Abteilungsleiterin Quantum-enhanced AI am Fraunhofer IKS. »Aktuell kann der Algorithmus zwar nur recht kleine Bilder prozessieren, jedoch zeigen unsere Arbeiten bereits jetzt, dass der Einsatz von Quantencomputern als Hilfestellung in der medizinischen Bildgebung perspektivisch sehr sinnvoll sein kann.«