Unter der Leitung von Forschern des Deutschen Krebsforschungszentrums (DKFZ) in Heidelberg wird eine KI-Entwicklung „Human Radiome Project“ vorangetrieben. Die Mediziner entwickeln ein Foundation-Model, das anhand von Millionen radiologischen Bilddaten trainiert wird. Das Modell soll als Grundlage für zu entwickelnde spezialisierte medizinische Anwendungen dienen. Dafür ist das Zentrum sehr gut positioniert, denn es hat Zugriff auf über 4,8 Millionen 3D-Bilddaten aus Magnetresonanztomografie- (MRT), Computertomografie- (CT) und Positronen-Emissions-Tomografie-Untersuchungen (PET).
Neuer Trainingsansatz
Bisherige KI-Modelle wurden nur für spezifische Aufgaben wie das Erkennen von Hirntumoren trainiert. Andere Aufgaben konnten sie nicht ausführen. Das Foundation-Model des Human Radiome Projects soll dagegen ein breites, allgemeines Verständnis für radiologische Bilddaten entwickeln. Es kann gewissermaßen „alles“, ist aber nicht spezialisiert. Dadurch wird es ermöglicht, das Modell zu kopieren und in nachfolgenden Trainingsschritten für spezielle medizinische Fragestellungen anzupassen. Das nachträgliche Training macht das Modell dann etwa fit für neurologische Erkrankungen oder Krebserkrankungen.
Geringerer Aufwand für Trainingsdaten
Herkömmliche KI-Modelle, die nur für ein Spezialgebiet trainiert wurden, benötigten präzise annotierte Trainingsdaten. Solche Daten müssen von Fachleuten zeitaufwendig erstellt werden und sind teuer. Ein wesentlicher Vorteil des Foundation-Models ist, dass es nicht auf vorab annotierte Daten angewiesen ist. Es erkennt die Muster in den Bilddaten und lernt eigenständig. Das spart eine große Menge an Zeit und Geld.
Open-Source für die Community
Das Forschungsteam wird das KI-Modell als Open-Source-Plattform der wissenschaftlichen Gemeinschaft zur Verfügung stellen. Die nachfolgende Spezialisierung des Modells müssen dann Unternehmen übernehmen, die darauf aufbauend medizinische Anwendungen entwickeln können.
In der klinischen Anwendung könnte das Human Radiome Project helfen, radiologische Diagnosen zu verbessern. Auf manchen MRT-Bildern ist beispielsweise mehr drauf, als eigentlich benötigt wird. Ein Beispiel sind MRT-Aufnahmen der Brust zur Brustkrebsvorsorge. Auf solchen Bildern ist auch die Aorta abgebildet. Sie wird jedoch normalerweise nicht betrachtet. Eine KI könnte neben der Brustkrebsdetektion auch die Aorta begutachten und Medizinern Hinweise bei Auffälligkeiten geben.
Mehr dazu:
- Human Radiome Project „ChatGPT für Mediziner:innen“, Helmholtz-Gemeinschaft, 09.09.2024