Im Mittelpunkt der modernen Krebsdiagnostik steht das medizinische Fachgebiet der Pathologie. Experten untersuchen histopathologische Schnitte menschlichen Gewebes visuell auf Tumor und andere Krankheiten. Diese Gewebeschnitte können über hunderttausend Zellen enthalten. Pathologen müssen darin die oftmals sehr wenigen Tumorzellen finden, zählen und klassifizieren. Dies ist eine anspruchsvolle und fehleranfällige Aufgabe. Der Einsatz von Künstlicher Intelligenz (KI) bietet großes Potenzial, solche Analysen effizient, präzise und reproduzierbar durchzuführen. Mit KI können darüber hinaus neuartige Gewebemuster für Diagnostik und Therapieempfehlung entdeckt werden. In diesem Vortrag werden die methodischen Grundlagen der ersten KI-Lösung, die in den USA in der pathologischen Routine zur Primärdiagnostik eingesetzt wird, dargestellt. Methoden des Deep Learnings und hybride Ansätze aus überwachtem und unüberwachtem Lernen sind notwendig, um die hierfür notwendige Analysezuverlässigkeit in dieser anspruchsvollen Umgebung zu erzielen.
DigiMed - Digitale Wertschöpfungsketten für die
Medizintechnik" ist die Etablierung und Erprobung einer
prototypischen, durchgängigen digitalen und physischen
Wertschöpfungskette für patientenspezifische Implantate
aus der Gesichtschirurgie (Orbita-Implantate), die auf
Basis geeigneter KI-Algorithmen generiert und mittels
additiver Fertigung hergestellt werden. Durch die
Automatisierung und Digitalisierung der Prozesskette zur
Herstellung eines patientenspezifischen Orbita-Implantates
wird der Aufwand in der Planung vermindert und eine auf
den individuellen Fall zugeschnittene Therapie ermöglicht.
Der ausschließliche Input sind die medizinischen
Bilddaten, die KI-basiert vorverarbeitet werden. Die
KI-basierte Vorverarbeitung beinhaltet die Segmentierung
der Knochenstrukturen des Schädels und die virtuelle
Rekonstruktion der Orbitaanatomie. Aus der rekonstruierten
Anatomie wird mit Hilfe von KI-Algorithmen das
Implantatdesign erzeugt. Die medizinischen und
fertigungstechnischen Anforderungen werden als Constraints
in die automatische Implantatgenerierung aufgenommen. Für
die Implantatherstellung werden Prozessparameter
entwickelt, die zu einer Optimierung in der AM-Fertigung
führen sollen, insbesondere im Hinblick auf die filigranen
Strukturen und den Bauteilverzug. Eine CNC-Strahlanlage
wird für die automatische Nachbearbeitung eingerichtet, um
die Qualität der fertigen Teile zu verbessern. Um den
gesamten entwickelten medizinischen Workflow zu
validieren, ist es unerlässlich, jeden Prozessschritt im
Hinblick auf eine notwendige Zertifizierung
aufzuschlüsseln. Die Herausforderung ist das Zusammenspiel
aus der Anwendung von KI und Additiver Fertigung in
Kombination mit der Herstellung eines Medizinproduktes.
EVE ist ein neues Startup in der KI der Medizintechnik, welches ÄrztInnen in Akut- und Notfallsituationen unterstützt, indem es klinische Daten und bildgebende CT Bilder mittels künstlicher Intelligenz automatisch auswertet und somit eine Handlungsempfehlung mit passender Diagnose, Therapie und Risikoeinschätzung vorschlägt. Zurzeit erproben wir unseren ersten Prototypen in den Asklepios Kliniken in Hamburg, der darauf spezialisiert ist das Krankheitsbild Schlaganfall zu detektieren, nachdem die CT-Bilder vorsegmentiert wurden. Gleichzeitig arbeiten unsere beiden Data Scientists der TUHH an einem Algorithmus, der den Schritt der Vorsegmentierung ebenfalls automatisiert, sodass ein Schlaganfall direkt und ohne nötige Vorkenntnisse aufgrund einer Heatmapdarstellung erkannt werden kann. Hier soll die Größe des zu erwartenden Infarktes, die Seite und die Art des Gefäßverschlusses visuell dargestellt werden. Im zweiten Schritt ist es unser Ziel andere ebenfalls relevanten Krankheitsbilder in Notfallsituationen, wie zum Beispiel Lungenembolie, mit EVE detektieren zu können und das gesamte Spektrum des akuten und schnellen Handlungsbedarfes abzudecken. Unser Team arbeitet höchst motiviert daran EVE ständig zu verbessern. EVE besteht aus vier Chefärzten der Fachrichtungen Radiologie / Neuroradiologie mit medizinischer Expertise in der Auswertung von CT Bildern, einer Lehrkoordinatorin des Asklepios Campus Hamburgs, 3 StudentInnen des ACHs, die genau wissen was in der Praxis als Unterstützung gebraucht wird, sowie 2 Data Scientists der TUHH, die unsere Ideen umsetzen können. Ebenfalls arbeiten wir mit vier StudentInnen des NITs zusammen, die uns bei der Marktforschung und einem Businessplan unterstützen. Unsere Zielgruppe ist das Gesundheitspersonal in der Akutversorgung lebensbedrohlicher Erkrankungen sowie junge ÄrztInnen sowie ÄrztInnen aus Ländern , die keinen Radiologen an ihrer Seite haben. Um unsere Vision noch weiter auszubauen, starten wir bald unsere zweite Marktanalyse.