Neues KI System!

(27.07.2023) „Hol dir eine zweite Meinung ein!“ – eine Weisheit, die über Leben und Tod entscheiden kann. So wie bei Schauspielerin Sharon Stone, der Ende des vorigen Jahres schlussendlich erst durch eine zweite Meinung ein großer, gutartiger Tumor diagnostiziert wurde, statt ein bösartiger. Nun soll auch die künstliche Intelligenz mit anderen Meinungen abgestimmt werden – etwa durch einen Algorithmus, der die Beurteilung medizinischer Bilder verbessern soll. Australische Forscher wagen den nächsten Schritt.

Mangel an kommentierten Bilder

Doch so einfach ist das nicht! Problematisch ist die begrenzte Menge an Bilddatensätzen (z.B. CT, MRT, Röntgen etc.), die von medizinischen Fachärzten evaluiert werden. Das kostet Zeit und benötigt einwandfreies Fachwissen. Himashi Peiris von der Fakultät für Ingenieurwissenschaften und IT entwickelt ein KI-System mit doppelter Sichtweise („dual view“). Dabei kümmert sich ein Teil des Systems darum, wie Radiolog:innen, medizinische Bilder zu lesen und in weiterer Folge zu beschriften, während der andere Teil die Qualität der erstellten Beschriftungen kommentiert. Das System vergleicht von Radiolog:innen klassifizierte Datensätze mit den KI basierten Aufnahmen.

"Traditionellerweise kommentieren oder beschriften Radiologen und andere medizinische Experten medizinische Bilder handschriftlich, um etwa Tumore oder andere Gewebeschädigungen hervorzuheben. Diese Beschriftungen dienen als Anleitung oder Kontrolle für das Training von KI-Modellen."

Höhere Gesamtgenauigkeit

Jedoch liegt ein weiteres Problem vor: "Diese Methode beruht auf der subjektiven Interpretation von Einzelpersonen, ist zeitaufwändig und fehleranfällig", schildert Peiris. Doch prinzipiell ist der Vergleich der Bewertungen anhand beschrifteter und unbeschrifteter Bilder ein riesiger Lernprozess und kann die Gesamtgenauigkeit der Datensätze verbessern.

Forscherin Peiris kann dies bestätigen: "Bei drei öffentlich zugänglichen medizinischen Datensätzen erreichten wir bei einem Anteil von zehn Prozent beschrifteter Daten eine Verbesserung des Ergebnisses um drei Prozent im Vergleich zu bisherigen Ansätzen." Weiters knüpft sie an: „Unser Algorithmus hat bahnbrechende Ergebnisse im Bereich des halb überwachten Lernens erbracht und übertrifft die bisherigen Methoden. Im Gegensatz zu Algorithmen, die auf große Mengen kommentierter Daten angewiesen sind, zeigt er selbst bei begrenzten Beschriftungen eine bemerkenswerte Leistung." Mit dieser Erkenntnis sind KI-Modelle imstande, faktenbasierte Entscheidungen zu fällen, eigene Einschätzungen zu überprüfen als auch exakte Behandlungsvorschläge zu erstellen.

Vorstellungen für die Zukunft

Darüber hinaus sind Weiterentwicklungen geplant. In Zukunft soll die Anwendung des Systems auf verschiedene Arten von medizinischen Bildern ausgeweitet werden und Ordinationen mit einem speziellen Produkt ausgerüstet sein. Die Studie hat ihren Ursprung in der Nature Machine Intelligence.

(CP)