Page 54 - KrankenhausITJournal_Ausgabe062020

Künstliche Intelligenz KI-Entwicklung im

regulatorischen Umfeld

Der Einsatz von intelligenter Software kann die Patientenversorgung in
Krankenhäusern entscheidend verbessern und das medizinische Personal erheblich
entlasten. Aber wie soll KI-Software, die sich regelmäßig selbst verbessern kann,
den regulatorischen Anforderungen genügen?

Deep Learning: treffsicher sogar zweithäufigste Todesursache – zum Europa steckt mitten in der Über-
wie ein menschliches Gehirn anderen schwierig zu erkennen ist. Die gangsphase von der MDD Richtlinie

Besonders vielversprechend für eine Viel- multiparametrische Magnetresonanz- (Medical Device Directive 93/42/EWG)
zahl von Anwendungsmöglichkeiten in therapie (MRT) hat sich in den letzten zum MDR Gesetz (Medical Device
der Medizin ist das Deep Learning. Mit Jahren als zuverlässiges Verfahren zur Regulation 2017/745), das Software-
dieser Methode des maschinellen Lernens Erkennung von Prostatakarzinomen Entwicklung und zugehörige klinische
entwickelt beispielsweise das Hamburger entwickelt: Radiologen durchsuchen Studien deutlich stärker in den Fokus
Start-up FUSE-AI in Zusammenarbeit die gesamte Drüse und markieren karzi- nimmt. Solche regulatorischen Anforde-
mit mehreren Kooperationspartnern ein nomverdächtige Areale in den digitalen rungen existieren für den pharmazeuti-
Assistenzsystem zur Diagnose von Pros- Bildserien manuell. Eine auf Dauer ermü- schen und medizinischen Markt, aber in
tatakrebs. Ein erstes KI Modul zur Seg- dende und zeitaufwändige Routinearbeit, dieser Form nicht für andere Domänen
mentierung der Prostata wird derzeit in die durch eine automatische Objekt-Seg- (wie z. B. die Telekommunikation oder
dem kooperierenden Kantonspital Aarau mentierung ergänzt werden kann. Von Automobil-Branche). Sie bilden den
getestet und soll als Medizinprodukt Zeitersparnis und der erhöhten diagnos- gesetzlichen Rahmen für die Zulassung
zugelassen werden. tischen Güte profitieren sowohl Radiolo- und der damit erst möglichen klinischen
Dabei werden künstliche neuronale gen als auch Patienten. Anwendung des Assistenzsystems.
Netzwerke zur Mustererkennung genutzt, KI-Methoden gelten im medizini-
die die Funktionsweise des menschlichen Regulatorische schen Umfeld nicht als Standardmetho-
Gehirns und dessen Neuronen nachbil- Anforderungen sind eine den. Im Gegensatz zu bisher durchgeführ-
den und sich Wissen anhand von Trai- Herausforderung ten, rein funktional orientierten und im
ningsdaten aneignen, um dann eigene FUSE-AI und seine Partner – u a. das Vorfeld mit Anwendern detailliert festge-
Vorhersagen zu treffen. Institut für Diagnostische und Interven- legten Anforderungen für die Entwick-
tionelle Radiologe der Universitätsklinik lung einer Software-Applikation basieren
Intelligente Unterstützung Jena – haben mit Hilfe von Neuronalen KI-Algorithmen auf trainiertem Lernen
bei der Diagnose Netzen ein Segmentierungs-Algorithmus durch vorhandene Daten. Anschließende
und Behandlung von entwickelt, der MRT-Aufnahmen ana- Tests und Evaluierungen versetzen das
Prostatakrebs lysiert, die Prostata segmentiert, Karzi- Software-Modell in die Lage, auch für

Das Projekt hat deshalb besondere Rele- nome findet und markiert, sie in gut- oder neue, unbekannte und zukünftige Daten
vanz, weil Prostatakrebs zum einen oft bösartige Tumore klassifiziert und Radio- die gewünschten Erkenntnisse zu liefern.
auftritt – in Deutschland ist er der häu- logen so eine Diagnose-Hilfe bietet. Im Fall von MRT Bildern müssen die
figste Krebs bei Männern, in den USA Bildqualitätsunterschiede (beispielsweise

Krankenhaus-IT Journal 6 /2020
054