Donnerstag, 29. Juli 2021
Navigation öffnen
Anzeige:
Delstrigo/Pifeltro
Delstrigo/Pifeltro
Medizin
23. Juni 2021

Künstliche Intelligenz in der medizinischen Diagnostik

Medizinischer Diagnose-Algorithmus erkennt Pneumonien in Röntgenbildern
Künstliche Intelligenz (KI) kann medizinisches Personal in der Diagnostik unterstützen. Sie zu trainieren erfordert allerdings den Zugriff auf ein schützenswertes Gut: medizinische Daten. Ein Forschungsteam der Technischen Universität München (TUM) hat eine Technik entwickelt, die die Privatsphäre der Patientinnen und Patienten beim Trainieren der Algorithmen schützt. Anwendung findet die Technik nun erstmals in einem Algorithmus, der in Röntgenbildern Pneumonien erkennt.
Anzeige:
Pneumovax
Pneumovax

Menge und Qualität der Daten entscheidend

Die digitale Medizin eröffnet heute bisher nicht dagewesene Möglichkeiten. Sie kann beispielsweise frühe Hinweise auf Tumoren geben. Wie gut neue KI-Algorithmen sind, hängt allerdings von der Menge und der Qualität der Daten ab, an denen sie lernen.

Kein ausreichender Schutz für Gesundheitsdaten

Um Algorithmen an möglichst vielen Daten zu trainieren, ist es gängige Praxis, persönliche Daten von Patientinnen und Patienten zwischen Kliniken auszutauschen, indem eine Kopie der Daten an die Kliniken gesendet wird, in denen der Algorithmus trainiert wird. Zum Datenschutz werden dabei zumeist die Verfahren der Anonymisierung und Pseudonymisierung angewendet – ein Vorgehen, das auch in der Kritik steht. „Es hat sich in der Vergangenheit mehrfach gezeigt, dass diese Vorgehensweisen keinen ausreichenden Schutz für die Gesundheitsdaten von Patientinnen und Patienten bieten,“ sagt Daniel Rückert, Alexander-von-Humboldt-Professor für Artificial Intelligence in Healthcare and Medicine an der TUM.

Pneumonien in Röntgenbildern

Aus diesem Grund hat ein interdisziplinäres Team der TUM gemeinsam mit Forschenden des Imperial College London und der Non-Profit-Organisation OpenMined eine bislang einzigartige Kombination an Privatsphäre-wahrenden Verfahren für die KI-gestützte Diagnostik an radiologischen Bilddaten entwickelt. In der Fachzeitschrift Nature Machine Intelligence stellte das Team nun die erfolgreiche Anwendung vor: Ein Deep-Learning-Algorithmus, mithilfe dessen sich Pneumonien in Röntgenbildern von Kindern klassifizieren lassen.
Bildgebung und Diagnose: Intelligenter Lungenultraschall bei COVID-19
© Rasi - stock.adobe.com

POCUS4Covid19 ist eine neuartige Software, die es Ärzten erleichtern soll, bei ihren Patienten den Verlauf einer Covid19-Erkrankung zu überwachen. Dafür wertet die Software festgelegte Indikatoren auf Ultraschallbildern der Lunge maschinell aus und erlaubt so eine einfache Beurteilung. Ein Spezial-Modul verhindert, dass Dritte die dabei erhobenen Bilddaten anders als vereinbart nutzen. POCUS4Covid19 ist ein gemeinsames Projekt...
Lesen Sie mehr!

Vergleichbare oder höhere Präzision

„Wir haben unsere Modelle gegen spezialisierte Radiologen getestet. Sie wiesen zum Teil eine vergleichbare oder höhere Genauigkeit in der Diagnose verschiedener Arten von Lungenentzündungen bei Kindern auf,“ sagt Prof. Marcus R. Makowski, Direktor des Instituts für Radiologie am Klinikum rechts der Isar der TUM.

Daten bleiben vor Ort

„Damit die Daten der Patientinnen und Patienten sicher sind, sollten sie die jeweilige Klinik nie verlassen,“ sagt Projektleiter und Erstautor Georgios Kaissis vom Institute for AI and Informatics in Medicine der TUM. „Wir haben für unseren Algorithmus das sogenannte Federated Learning verwendet, bei dem nicht die Daten geteilt werden, sondern der Deep-Learning Algorithmus. Unsere Modelle wurden in der jeweiligen Klinik mit den Daten vor Ort trainiert und danach wieder zu uns zurückgesendet. Die Besitzer mussten ihre Daten also nicht herausgeben und haben die komplette Kontrolle darüber behalten,“ erklärt Erstautor Alexander Ziller, Forscher am Institut für Radiologie.

Keine Rückschlüsse auf Daten einzelner Personen

Damit sich keine Rückschlüsse auf die Daten einer bestimmten Institution ziehen lassen, mit denen der Algorithmus trainiert wurde, wandte das Team eine weitere Technik an: Die sichere Aggregierung. „Wir haben die Algorithmen verschlüsselt zusammengeführt und erst entschlüsselt, nachdem sie mit den Daten aller beteiligten Institutionen trainiert waren,“ erklärt Kaissis. Damit keine Informationen über einzelne Patientinnen und Patienten aus den Datensätzen herausgefiltert werden können – also die sogenannte Differential Privacy gewahrt ist – wandten die Forscher zusätzlich eine dritte Technik auf das Training des Algorithmus an. „Schlussendlich können zwar statistische Zusammenhänge aus den Datensätzen herausgelesen werden, nicht aber die Beiträge einzelner Personen zum Datensatz,“ sagt Kaissis.

Erstmalige Kombination der Privatsphäre-wahrenden Methoden

„Die Methoden, die wir genutzt haben, sind zwar in früheren Studien schon zum Einsatz gekommen,“ sagt Daniel Rückert, „bislang fehlten aber größere Studien an echten klinischen Daten. Durch die gezielte technische Weiterentwicklung und die Zusammenarbeit zwischen Spezialisten aus Informatik und Radiologie haben wir es geschafft, Modelle zu trainieren, die genaue Ergebnisse liefern und gleichzeitig hohe Anforderungen an Datenschutz und Privatsphäre erfüllen.“
Rickmer Braren, stellvertretender Direktor des Instituts für Radiologie, ergänzt: „Oft wird behauptet, dass Datenschutz und Datennutzung im Widerspruch zueinander stehen. Wir zeigen jetzt: Das muss nicht sein.“ Die Methode lasse sich auch auf andere medizinische Bilddaten als Röntgenbilder anwenden, sagen die Wissenschaftler. Zum Beispiel auf Sprach- und Textdaten.

Datenschutz eröffnet enormes Potential für digitale Medizin

Die Kombination der neuartigen Datenschutz-Verfahren erleichtert auch die Zusammenarbeit zwischen Institutionen, wie das Team in einer bereits 2020 in Nature Machine Intelligence erschienenen Publikation zeigte. Denn mit der Privatsphäre-wahrenden KI können ethische, rechtliche und politische Hürden genommen werden – somit könne man die KI breit anwenden und das sei enorm wichtig für die Erforschung seltener Erkrankungen, sagt Braren.

Mehr Datenschutz führt zu mehr Wissen

Die Wissenschaftler sind überzeugt, dass ihre Technik zur Wahrung der Privatsphäre einen wichtigen Beitrag für den Fortschritt der digitalen Medizin leisten kann. „Um gute KI-Algorithmen trainieren zu können, brauchen wir gute Daten,“ sagt Kaissis. „Und diese erhalten wir nur, wenn wir die Privatsphäre der betroffenen Patientinnen und Patienten ausreichend schützen,“ ergänzt Rückert. „Wir können mit Datenschutz also mehr zum Erkenntnisgewinn beitragen, als viele denken.“

Quelle: TUM


Anzeige:
Tresiba
 

Das könnte Sie auch interessieren

Wie komme ich als Herzkranker gut durch den Winter?

Wie komme ich als Herzkranker gut durch den Winter?
© BillionPhotos.com - stock.adobe.com

Die Corona-Pandemie stellt den Alltag von Millionen Herz-Kreislauf-Patienten in Deutschland vor große Herausforderungen mit vielen Ängsten und offenen Fragen. Wie gefährlich eine COVID-19-Ansteckung bei bestehender Herz-Kreislauf-Erkrankung werden kann, variiert von Fall zu Fall. Zuverlässige Daten darüber, welche Auswirkungen Art und Schweregrad der Vorschädigung haben, gibt es zwar noch keine. Allerdings beläuft sich die Häufigkeit von Herz-Kreislauf-Komplikationen bei schweren Verläufen nach Schätzungen derzeit auf 5-10% der...

10 populäre medizinische Irrtümer des Volksmundes

10 populäre medizinische Irrtümer des Volksmundes
©Halfpoint - stock.adobe.com

Ist der Schlaf vor Mitternacht wirklich der gesündeste? Müssen wir tatsächlich jeden Tag mindestens 2 Liter Wasser trinken? Wachsen nach dem Tode Haare und Nägel weiter? Wissenschaftler aus USA und Deutschland haben eine Reihe von medizinischen Mythen unter die wissenschaftliche Lupe genommen. Ergebnis: Bei vielen populären Empfehlungen, die selbst viele Ärzte weitergeben, handelt es sich in Wahrheit um Märchen.

Tag gegen den Schlaganfall: COVID-19 kann einen Hirninfarkt begünstigen

Tag gegen den Schlaganfall: COVID-19 kann einen Hirninfarkt begünstigen
©SciePro - stock.adobe.com

Schwere Atemwegserkrankungen und Lungenentzündungen – das sind bekannte gravierende Auswirkungen von COVID-19. Doch das Virus kann – insbesondere bei schweren Verläufen – auch zu einem Schlaganfall führen. Darauf macht die Deutsche Schlaganfall-Gesellschaft (DSG) anlässlich des Tages gegen den Schlaganfall aufmerksam, der am 10. Mai als bundesweiter Aktionstag stattfindet. Zudem betont die DSG, dass ein Schlaganfall immer ein medizinischer Notfall ist und Erkrankte ihre Anzeichen ernst nehmen und sich in Behandlung begeben sollten – auch...

Fleisch und Milchprodukte günstig, raffinierte Kohlenhydrate schlecht

Fleisch und Milchprodukte günstig, raffinierte Kohlenhydrate schlecht
© M.studio / fotolia.com

Eine Studie mit mehr als 218.000 Teilnehmern aus über 50 Ländern zeigt: Nicht nur Obst, Gemüse und Nüsse sind herzgesund und verlängern das Leben, sondern auch nicht-verarbeitetes Fleisch und Milchprodukte. Die konsumierte Menge raffinierter Kohlenhydrate sollte begrenzt werden. Diese Studienergebnisse dürfen allerdings nicht als Freibrief für exzessiven Konsum für Fleisch und fetten Käse gesehen werden, sondern als Plädoyer für eine ausgewogene Ernährung, sagen deutsche Kardiologen.

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Künstliche Intelligenz in der medizinischen Diagnostik"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der Medical Tribune Verlagsgesellschaft mbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.


EILMELDUNGEN zu SARS-CoV-2 und COVID-19
  • CHMP empfiehlt SARS-CoV-2-Impfstoff von Moderna für Jugendliche von 12-17 Jahren (Quelle: PEI, 23.7.2021)
  • CHMP empfiehlt SARS-CoV-2-Impfstoff von Moderna für Jugendliche von 12-17 Jahren (Quelle: PEI, 23.7.2021)