Neben den verbreiteten PCR-Tests zur Diagnose von Infektionen mit SARS-CoV-2 lässt sich das Coronavirus auch auf Computertomographie-Scans erkennen. Durch eine neue Methode in der automatisierten Bilderkennung kann diese Diagnoseform präzisiert und für das medizinische Personal nachvollziehbarer gemacht werden.
In einer internationalen Kooperation hat der DFKI-Forschungsbereich (Deutsches Forschungszentrum für Künstliche Intelligenz) Interaktives Maschinelles Lernen (IML) ein interaktives KI-System entwickelt, das mit einer Erfolgsrate von 92 Prozent auf einem speziellen, öffentlich verfügbaren Testdatensatz eine der weltweit präzisesten automatischen Diagnosen von SARS-CoV-2 anhand von CT-Scans ermöglicht.
Den Coronavirus auf einem Bild erkennen
Zur Erkennung des Coronavirus SARS-CoV-2 gibt es neben den weltweit eingesetzten PCR-Tests noch weitere Diagnosemöglichkeiten: Die Erkrankung lässt sich auch anhand von Computertomographie-Scans nachweisen – wozu auch Künstliche Intelligenz eingesetzt werden kann. Ein KI-System kann nicht nur die CT-Scans von Covid-19-Patientinnen und Patienten aus einem Datensatz herausfiltern, sondern zudem einschätzen, welche Bildbereiche besonders auffällig sind.
In einem neuen Forschungsvorhaben haben Prof. Dr.-Ing. Daniel Sonntag, Leiter des Forschungsbereichs Interaktives Maschinelles Lernen (IML) des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), und Wissenschaftler Duy Nguyen gemeinsam mit Forschenden von Universitäten rund um die Welt einen neuen Prototyp zur automatischen Erkennung von SARS-CoV-2-Infektionen auf CT-Scans entwickelt.
Diagnose verbessern und Fehler minimieren
In einem gemeinsamen Paper präsentieren die Forschenden einen Ansatz, um die Diagnose durch das Zusammenführen verschiedener Datenquellen zu verbessern und Fehler zu minimieren. In Testverfahren mit Forschungsdaten erreicht die Methode eine Trefferquote von 92 Prozent – nach aktuellem Stand eines der weltweit besten Ergebnisse in der automatischen Bilderkennung von Infektionen mit SARS-CoV-2 auf einem CT-Scan-Datensatz. Das Besondere an dem Verfahren ist, dass es Ärzten visuell darstellt, worauf die Diagnose basiert.
Kann eine bedeutende Entscheidungshilfe bei Engpässen werden
Die Abbildung zeigt den CT-Scan einer Lunge (links), der durch das Verfahren der automatischen Bilderkennung analysiert wird. Zudem können Patienten durch eine sogenannte Milchglastrübung (Mitte) auf akute und chronische Krankheiten untersucht werden. Auf einer sogenannten Heatmap (rechts) markiert das KI-System schließlich den Bereich, auf dem die Entscheidung basiert.
Die visuelle Erklärung des Assistenzsystems hat zum Ziel, die Diagnose nachvollziehbarer zu machen und Medizinern wichtige Einsichten zu liefern: Die automatische Bilderkennung mit hoher Präzision hilft, die Infektion einzuschätzen und die Behandlung zu planen. Gerade bei Engpässen in der medizinischen Versorgung kann diese Entscheidungshilfe ein bedeutender Vorteil ein.
Fotos: DFKI GmbH/ Envato Stock
