Jedes Jahr würdigt der eAward österreichische IT-Projekte sowie IT-Unternehmen mit besonderem Wirtschaftsfokus. Heuer darf sich die VRVis-Forschungsgruppe Biomedical Image Informatics über die Auszeichnung in der Kategorie "Künstliche Intelligenz" freuen. Die Lösung des VRVis-Teams, welche in enger Zusammenarbeit mit dem langjährigen Unternehmenspartner und weltweitem Anbieter von Radiologielösungen AGFA Healthcare entwickelt wurde, stärkt das Vertrauen in computergestützte Diagnosen dank dem Einsatz von interpretierender Künstlicher Intelligenz (XAI). Die Jury bezeichnete die Lösung als "Spitzenanwendung von 'Trustworthy AI' aus Österreich".
Eines der zentralen VRVis-Forschungsthemen ist die Beschleunigung radiologischer Workflows durch den Einsatz von Künstlicher Intelligenz. Dazu gehören auch Methoden, die den maschinellen Entscheidungsvorgang erklärbar und nachvollziehbar machen. Eine wichtige Voraussetzung, um die Vertrauenswürdigkeit von Lösungen im Bereich Künstlichen Intelligenz zu steigern - was gerade für die Unternehmen aus dem medizinischen Bereich von großer Bedeutung ist.
Grundsätzlich geht es um die Entscheidung, ob ein radiologisches Bild, wie z.B. ein Röntgenbild, Merkmale einer gewissen Erkrankung zeigt. Das kann beispielsweise eine Lungenentzündung, ein Tumor oder auch Covid19 sein. Auf Basis eines angelernten Klassifikationsnetzwerkes bekommt die Radiologin oder der Radiologe einen Wert zurück, der auf eine mögliche Erkrankung hinweist. Das Problem ist jedoch, dass üblicherweise die Ärztin oder der Arzt kein Feedback bekommt, wie diese Bewertung des Bildes entstanden ist. Doch genau diese Nachvollziehbarkeit ist für die Medizin besonders wichtig. Bereits existierende Ansätze visualisieren Bereiche von Bildern, die für die Entscheidung herangezogen werden. Diese Methoden sind aber entweder zu ungenau, um eine aussagekräftige Rückmeldung zu geben oder ignorieren den wichtigen medizinischen Kontext der Bilder, was die Vertrauenswürdigkeit in Frage stellt. Ein weiterer wichtiger Punkt ist außerdem die Geschwindigkeit. Gerade in großen Kliniken oder bei Screenings müssen viele Bilder befundet werden, daher ist Zeit ein relevanter Faktor. Information, die für eine Entscheidung wichtig ist, muss im besten Fall in Echtzeit geliefert werden. Nicht alle existierenden Ansätze erfüllen diese hohen Anforderungen an die Performance.
Für die VRVis-Methode haben die beteiligten Forscherinnen und Forscher ein existierendes Klassifikationsnetzwerk mit einem weiteren Netzwerk erweitert, das die Merkmale lernt, die für die Entscheidung wichtig sind. Dieser Lernprozess wird durch „intelligente“ und medizinisch korrekte Veränderungen im Bild gesteuert. Gleichzeitig verändert diese Variation der Bilder aber auch die Entscheidung über das Bild. Beispielsweise wird automatisch aus einem Röntgenbild, das eine kranke Lunge zeigt, ein Röntgenbild, das eine gesunde Lunge zeigt. Dadurch kann das zweite Netzwerk lernen, welche Merkmale und Bereiche für die Entscheidung wichtig waren und diese dann sehr viel genauer visualisieren, als die zuvor verfügbaren Methoden. Die VRVis-Lösung punktet im Bereich Schnelligkeit und kann daher auch im klinischen Alltag sinnvoll eingesetzt werden. Das VRVis hat bereits zwei Patente zu dieser Lösung der Interpretierbaren KI angemeldet.
Weitere Informationen
Wissenschaftliche Leiterin | Head of Biomedical Image Informatics Group, Biomedical Image Informatics
buehler(at)vrvis.at +43 1 908 98 92 401