„Wir wollen das inzwischen geläufige Konzept von bench-to-bedside, also vom Labor zum Krankenbett im Sinne der KI weiterdenken und bits-to-bedside umsetzen“, erklärt Prof. Dr. Dr. Jens Kleesiek, Leiter der Arbeitsgruppe Maschinelles Lernen in der Medizin am IKIM. Das Projekt KITE setzt an mehreren Stellen an: Zum einen soll die KI an echten medizinischen Daten aus verschiedenen Kliniken und Fachbereichen trainiert und optimiert werden, zum anderen sollen verschiedene neue digitale Kommunikationskanäle etabliert werden. „Wir wollen beispielsweise Dashboards für die grafische Präsentation von Analyseergebnissen in Tumorkonferenzen programmieren, Chat-Bots zur Kommunikation in der Radiologie testen und neben Virtual Reality (VR)- und Augmented Reality (AR)-Lösungen auch einen Servicerobotor einsetzen“, so der Nachwuchsgruppenleiter am IKIM PD Dr. Dr. Jan Egger.
Ein kritischer Punkt bei der Zertifizierung und Zulassung von Software als Medizinprodukt ist immer die sogenannte Wirksamkeitsstudie, in der geklärt werden muss, ob ein Produkt im medizinischen Sinne hilft. „Bei der KI will man wissen: Erfüllt die KI festgelegte Kriterien, löst sie die spezifische Aufgabe zuverlässig – und wenn ja, wie gut?“, konkretisiert Prof. Kleesiek. „KITE erlaubt uns eine Infrastruktur aufzubauen, die den gesamten Evaluationsprozess von KI-Algorithmen optimiert. Durch die Verwendung offener Standards können KI-Algorithmen, die wir selbst entwickelt haben, aber auch von externen Partnern stammen, evaluiert werden.“
Die im Rahmen von KITE geschaffene Infrastruktur soll nicht nur dem Universitätsklinikum zur Verfügung stehen, sondern auch angebundenen Kliniken und externen Partnern zur Verfügung gestellt werden. Dabei ist die IT-Infrastruktur des IKIM-Forschungsclusters vom klinischen Netzwerk getrennt, um eine scharfe Abgrenzung zwischen sensiblen Patienteninformationen im Rahmen der Versorgung einerseits und anonymisierten, medizinischen Daten für medizinische Forschung andererseits sicherzustellen.
Quelle: Universitätsmedizin Essen