Zum Inhalt springenZur Suche springen

Können Tauben pathologische Bilder klassifizieren?

Ja, das können sie offenbar diesem 2015 in PLOS ONE veröffentlichten wissenschaftlichen Artikel zufolge. Aber wie Jun.-Prof. Dr. Jakob Nikolas Kather kürzlich in seiner HeiCADLecture zum Thema „Vorhersage genetischer Veränderungen in soliden Tumoren aus histologischen Bildern mit Deep Learning“ herausstellte, mag die Bildklassifizierung selbst aufgrund der hervorragenden Leistung von Deep-Learning-Tools einfach sein, während eine nützliche medizinische Anwendung tatsächlich schwer ist. Einige Beispiele dafür, wo die Klassifikation von H&E-gefärbten Histopathologiebildern verwendet werden kann, sind die Differenzierung, ob ein Tumor vorhanden ist oder nicht, sowie des Tumorgenotyps, das Ansprechen auf die Behandlung und das Gesamtüberleben von Patient*innen. Jun.-Prof. Kather stellte Projekte seiner Arbeitsgruppe vor, die Anwendungen von der Gastroenterologie bis zur Urologie beinhalten (diese Arbeiten und öffentlich zugängliche Datensätze sind auf der Webseite der Gruppe kather.ai zu finden).

Im zweiten Teil seines Vortrags gab er einen Ausblick auf die nächsten Schritte: Neue Ansätze wie das multiinstanzielle Lernen müssen weiter etabliert werden, die Anwendung kann auf andere Erkrankungen und bildgebende Verfahren ausgeweitet werden und generative Methoden könnten erforscht werden, um synthetische Daten zu erzeugen. Darüber hinaus spielen Datenschutz und Datensicherheit weiterhin eine wichtige Rolle. Schließlich ist der Faktor Mensch entscheidend. Die Entscheidung für die eingesetzte Hardware, die korrekte und effiziente Implementierung von Algorithmen sowie die Erfassung, Verarbeitung und Analyse der Daten – all dies erfordert ein interdisziplinäres Forscher*innenteam.

Jun.-Prof. Kather glaubt, dass jede*r Mediziner*in in Zukunft mit KI-Technologie konfrontiert wird, also ist es wichtig, die Grundlagen zu kennen, mögliche systematische Fehler zu kennen und Urteile fällen zu können.

Autor/in: Dr. Joana Grah
Verantwortlichkeit: