Projektbeschreibung

Intelligente Diagnostik

In der zweiten Phase des Projektes Intelligente Diagnostik wird ein verbessertes, das heißt insbesondere ein miniaturisiertes und kostengünstiges Diagnose-System entwickelt, mit dem in Kliniken und Hautpraxen robust, erklärbar und sicher maligne Hautläsionen automatisch auf Expertenniveau diagnostiziert werden können. Dies soll durch den Einsatz künstlicher Intelligenz (KI) basierend auf einer multimodalen Datengrundlage erfolgen. Zudem ist die Weiterentwicklung zu einem kompakten, handgeführten Diagnose-System (KOMPASS-System genannt) geplant, welches langfristig Hausärzten ermöglichen soll ohne Anwesenheit eines (Fach-)Arztes das Hautkrebs-Screening durchzuführen. Die dadurch erzielte Vergrößerung des Anwendungsbereichs soll die Breitenwirksamkeit des Diagnose-Systems weiter erhöhen.

Die Projektphase 2 von Intelligente Diagnostik basiert unmittelbar auf den Ergebnissen der ersten Projektphase, in der die Grundlagen für ein neues Verfahren zur Diagnose maligner Melanome entwickelt wurde. Die Projektbeschreibung und Arbeitsinhalte der ersten Phase können hier nachgelesen werden. Die Weiterentwicklung des Einsatzszenarios ist in der nachfolgenden Abbildung visualisiert.

Der in der Abbildung dargestellte geplante Ablauf einer Messung gestaltet sich wie folgt: Zunächst folgt nach der Datenerfassung mit dem lokalen Messsystem eine Aufbereitung der Rohdaten. Die aufbereiteten Dateien werden lokal gespeichert, um für lokale Trainings- und Prädiktionsvorgänge verwendet zu werden. Bei den Systemen in der Klinik und der Hautarztpraxis führt der behandelnde Arzt das Labeling durch. Bei kritischen Diagnoseentscheidungen wird die Läsion histopathologisch untersucht. Anders als in der ersten Projektphase (links in der Abbildung) werden in der aktuellen, zweiten Phase von Intelligente Diagnostik (rechts in der Abbildung) auch auf einer verteilten Infrastruktur zentral KI-Modelle verwaltet und trainiert. Der Kommunikation zwischen den lokalen und dem zentralen KI-Modell sowie der Fusion der KI-Modelle liegt der Ansatz des Federated Learnings zu Grunde. Dieser ermöglicht den datenschutzfreundlichen Austausch von erlernten Wissen, sodass unterschiedliche Standorte von Erkenntnissen anderer Standorte profitieren können.

Arbeitspakete

Analyse der Anforderungen und Nutzungsszenarien

In diesem Arbeitspaket werden die bereits angefertigten Nutzungsszenarien aus dem vorangegangenen Projekt erweitert. Dazu zählt sowohl die Identifizierung möglicher weiterer Anwendungsfelder als auch die Betrachtung der neuen Möglichkeiten, die durch das KOMPASSmobile-System entstehen, welches im Rahmen von AP 6 entwickelt werden soll. Darauf aufbauend sind die gewünschten zukünftigen Diagnose-Prozesse zu modellieren und neue Anforderungen bzgl. des verfolgten Ansatzes des Federated Learning zu ermitteln.

Optische Messsysteme

Auf Grundlage der im ersten Teil des Projekts durchgeführten klinischen Studie sollen apparative Verbesserungen an dem optischen Messsystem vorgenommen werden. Zusätzlich zu den apparativen Anpassungen soll die Datennachbearbeitung sowie die modellgestützte Bestimmung von physiologischen Parametern auf Grundlage der klinischen Daten weiterentwickelt und an die definierten Schnittstellen der Datenmanagement-Plattform angepasst werden.

Feldversuche und Referenzdiagnostik von Proben aus Arztpraxen und Kliniken

Das Arbeitspaket Referenzdiagnostik leistet einen wichtigen Beitrag, um die Diagnose auf Basis der Hyperspektralanalyse zu überprüfen. Zur Erhebung der Proben sollen drei KOMPASSpro Demonstratoren über die Projektlaufzeit an drei unterschiedlichen Standorten betrieben werden. Es wird dabei nicht nur der Vergleich zwischen nichtmalignen und malignen Befunden überprüft, sondern auch nachvollzogen, welche Untergruppen von Melanomen, die mit Expressionsprofilen klassifiziert worden sind, sicher detektiert werden können.

Federated Learning Plattform

Ziel ist die Entwicklung einer Daten- und Modell-Managementplattform, die das verteilte Lernen mittels Federated Learning Ansätzen unterstützt. Die Plattform soll zum einen in der Lage sein, lokal Trainingsdaten zu verwalten sowie KI-Modelle zu trainieren. Zum anderen soll die Managementplattform zum Informationsaustausch KI-Modelle unterschiedlicher Standorte zusammenbringen, zu einem verbesserten KI-Modell konsolidieren und wieder verteilen, sodass alle Nutzer der Managementplattform KI-Modelle verwenden können, die alle verfügbaren Trainingsdaten (unabhängig vom Standort) berücksichtigen.

Entwicklung des KOMPASSmobile-Systems

In diesem Arbeitspaket wird das KOMPASSmobile-System entwickelt. Es wird sowohl auf die Software-Anwendung zur Läsionserfassung und KI-basierten Diagnose auf einem kompakten handgeführten Endgerät als auch auf die benötigten Hardware-Komponenten für die Messung und Detektion fokussiert. Hierfür ist eine weitere Miniaturisierung des bestehenden KOMPASSpro-Systems, insbesondere des Messkopfes, erforderlich.

KI-Algorithmen

In diesem Arbeitspaket werden Deep-Learning-Modelle entwickelt, um aus den im Projekt erhobenen Daten Diagnosen für Hautläsionen zu erhalten. Diese Deep-Learning-Modelle werden so entwickelt, dass diese auf einer kompakten handgeführten Einheit, dem KOMPASSmobile-System, ausgeführt werden können.

Evaluation des KOMPASSmobile-Systems

Im Rahmen des Arbeitspaketes 7 werden die in den vorherigen APs entwickelten Einzelkomponenten der KOMPASS-Systeme zu einem Gesamtsystem integriert. Anschließend soll das Gesamtsystem evaluiert werden. Im Besonderen soll hierbei auch die Performance des KI-Modells untersucht und mit der Referenzdiagnostik verglichen werden.

Phase 1

Intelligente Diagnostik 1

Das Projekt Intelligente Diagnostik ist in zwei Phasen unterteilt. Die erste Phase wurde zum 31.03.2021 abgeschlossen, sodass die aktuellen Bearbeitungsschwerpunkte die Inhalte der zweiten Phase sind. Die Inhalte der zweiten Phase sind auf dieser Seite aufgelistet. Die bereits behandelten Inhalte und erzielten Ergebnisse zu Intelligente Diagnostik 1 können im nachfolgenden Video oder unter folgendem Link betrachtet werden: Intelligente Diagnostik 1