Durchbruch in der Krebsforschung durch Schwarmlernen und KI
Mit dem Projekt SWAG und der neuen Technologie Schwarmlernen wollen Forschende sensible Gesundheitsdaten in synthetische Daten umwandeln. Diese sind frei von Datenschutzbeschränkungen und können so zur Forschung seltener Krebserkrankungen genutzt werden. Das Verfahren beruht auf künstlicher Intelligenz (KI).
Erste Trainingsergebnisse: Aus zahlreichen echten Patientendaten wurden erste synthetische CT-Aufnahmen vom Abdomen erstellt.
Foto: Daniel Truhn / Universitätsklinikum Aachen
Handelt es sich um ein Nierenzellkarzinom? Wie schnell wird es sich aller Voraussicht nach entwickeln? Und welche Behandlungsmethode ist in diesem speziellen Fall sinnvoll? Um diese Fragen beantworten zu können, braucht die medizinische Forschung große Datenmengen. Jedoch gelten Gesundheitsdaten als besonders sensible Daten und unterliegen äußerst strengen Vorschriften. Selbst anonymisierte Patientendaten dürfen nicht herausgegeben werden. Diese Regelung dient zwar dem Schutz der Patienten, erschwert jedoch die Diagnostik und Behandlung seltener Krebserkrankungen. Mit einer großen Menge medizinisch relevanter Daten ließe sich hingegen die Entwicklung bestimmter Tumoren oder das Risiko der Metastasierung besser abschätzen.
Um dieses Problem zu überwinden, hat eine Gruppe von Forschenden mit dem Projekt SWAG (SWArm learning for Generation and dissemination of high-quality data in oncology) ein generatives KI-Modell entwickelt, das aus sensiblen Patientendaten synthetische Daten generiert. Diese haben keinen Patientenbezug mehr und können für Forschungszwecke genutzt werden. Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) mit einer Million Euro gefördert und von dem Uniklinikum Würzburg koordiniert.
Künstliche Intelligenz bahnt den Weg für Operationsroboter
KI-Modell erzeugt synthetische Datensätze mittels Schwarmlernen
Im Gegensatz zu „echten“ Gesundheitsdaten sind synthetische Daten frei von Datenschutzbeschränkungen und Eigentumsansprüchen. Doch was genau sind eigentlich synthetische Daten und wie lassen die sich nun erzeugen?
Die Grundlage bildet ein Verfahren, das auf künstlicher Intelligenz (KI) beruht. Mithilfe der KI werden alle für die Medizin relevanten Parameter aus Röntgenbildern, histologischen Befunden oder Computertomographie-Aufnahmen ausgelesen und verarbeitet. Bei diesen synthetischen Daten handelt es sich im Prinzip um reine Mathematik in Form einer Formel. Diese sind frei von Patienteninformationen und können gesammelt werden. Je mehr Informationen das KI-Modell umfasst, desto genauer lassen sich Prognosen über krankhafte Zellveränderungen stellen.
Ermöglicht wird diese Datensammlung durch Schwarmlernen. Beim Schwarmlernen handelt es sich um einen dezentralen Ansatz für den Einsatz künstlicher Intelligenz. Denn statt die Daten verschiedener Kliniken zusammenzuführen, bleiben sie, wo sie erhoben wurden. Es werden nur die Algorithmen ausgetauscht und die Informationen, die sie am jeweiligen Standort sammeln.
„So erzeugen wir synthetische Bilder, die auf ganz vielen Bildern von verschiedenen Patienten basieren, jedoch keinen Patientenbezug mehr haben und daher niemandem gehören“, sagt Professorin Bettina Baeßler, die das SWAG-Projekt koordiniert. Das Prinzip sei vergleichbar mit KI-generierten Kunstwerken, erklärt die Radiologin. So würde die KI im übertragenen Sinne lernen, wie typische Bilder von van Gogh oder Monet aussehen und auf Wunsch ein glaubhaftes Imitat erstellen. Dieses würde zwar wie ein Van Gogh aussehen, wäre aber keines.
Früher als jeder Arzt: Künstliche Intelligenz erkennt Parkinson
Mit Schwarmlernen trainierte KI-Modelle zeigen vielversprechenden Einsatz
Die noch recht junge Technologie Schwarmlernen scheint erfolgsversprechend für dezentrale künstliche Intelligenz in der Onkologie. So konnten KI-Modelle, die mit Schwarmlernen oder Swarm Learning trainiert wurden, bereits genetische Veränderungen von Gewebe aus Tumoren des Dickdarms vorhersagen, berichtet Jakob Kather, einer der SWAG-Projektpartner. Die Grundlage für dieses Training bildeten über 5.000 Daten von Patienten und Patientinnen.
Im SWAG-Projekt selbst liegt der Fokus auf der Datengrundlage des Nierenzellkarzinoms, da dieses überaus selten vorkommt und sich dazu recht unterschiedlich entwickelt. Inzwischen können Nierenzellkarzinome dank moderner Bildgebungsverfahren zwar recht früh erkannt werden, jedoch ist es nach wie vor schwierig eine Prognose über ihren Verlauf zu treffen. Mit Schwarmlernen trainierte KI-Modelle könnten jedoch in Zukunft dabei helfen, genauere Prognosen zur Entwicklung des Nierenzellkarzinoms zu treffen und individuell passende Behandlungsmethoden zu empfehlen.
Mit künstlicher Intelligenz zum perfekten Medikament – wie das funktioniert
Synthetische Datensätze und trainierte KI-Modelle öffentlich bereitstellen
Die bisherigen Ergebnisse des Forschungsprojekts SWAG zeigen eindeutig, das KI-Modelle, die mit Schwarmlernen trainiert werden zur Verbesserung der Diagnostik und Behandlung von Krebserkrankungen eingesetzt werden können. Aus diesem Grund sollen die synthetischen Datensätze und die trainierten KI-Modelle der Wissenschaftsgemeinschaft zugänglich gemacht werden, um diese gemeinsam weiterzuentwickeln du die Krebsforschung voranzutreiben.
Mehr lesen über KI in der Medizin:
Ein Beitrag von:
