Veröffentlichung zu KI-basierter Diagnose von Lungenkrankheiten mit Best Paper Award ausgezeichnet

Kontakt:
Inga
Daase

Bitte kontaktieren Sie uns für weitere Informationen.

Helen Schneider, Elif Cansu Yildiz und Prof. Dr. Rafet Sifa haben gemeinsam mit weiteren Wissenschaftlerinnen und Wissenschaftlern des Lamarr-Instituts und der Universitätsklinik Bonn einen Best Paper Award für die Veröffentlichung ihrer Ergebnisse zum Einsatz von Maschinellem Lernen zur Diagnose von Lungenkrankheiten gewonnen. Die Auszeichnung erfolgte im Rahmen der International Conference on Artificial Neural Networks (ICANN) 2023.

Um Erkrankungen der Lunge wie beispielsweise eine Lungenentzündung zu diagnostizieren, werten Ärztinnen und Ärzte häufig Röntgenaufnahmen des Thorax ihrer Patientinnen und Patienten aus. Auf Künstlicher Intelligenz (KI) basierende Werkzeuge können bei der Auswertung der Röntgenbilder unterstützen und so Arbeitsabläufe im medizinischen Alltag effizienter gestalten und Fachpersonal entlasten.

Forschende des Lamarr-Instituts haben die KI-basierte Analyse von Röntgenbildern der Lunge mit einem Ansatz des informed Machine Learnings weiterentwickelt. Dafür haben sie das klassische datenbasierte Maschinelle Lernen (ML) mit Vorwissen aus Anatomie und Medizin ergänzt.

Ihre Ergebnisse haben die Wissenschaftlerinnen und Wissenschaftler in dem Paper „Symmetry-Aware Siamese Network: Exploiting Pathological Asymmetry for Chest X-Ray Analysis“ beschrieben und auf der International Conference on Artificial Neural Networks ICANN 2023 vorgestellt. Dafür erhielten die Forschenden die Auszeichnung „Springer & ENNS Best Paper Award“, die jedes Jahr vom Verlag Springer Nature und dem Organisator der ICANN Konferenz, der European Neural Network Society (ENNS), vergeben wird.

Das von den Forschenden des Lamarr-Instituts in Zusammenarbeit mit der Universitätsklinik Bonn entwickelte ML-Modell nutzt die Symmetrie der gesunden Lunge gezielt für die Auswertung der Röntgenaufnahmen. Erkrankungen der Lunge lassen sich häufig daran erkennen, dass die Bilder des linken und rechten Lungenflügels in bestimmten Bereichen Abweichungen von der Symmetrie aufweisen.

Um in den Scans die Bereiche zu identifizieren, die eine Abweichung von der Links-Rechts-Symmetrie aufweisen, verwenden die Forscherinnen und Forscher ein spezielles ML-Verfahren, ein sogenanntes Siamese Neural Network. Mithilfe dieses Verfahrens wird das Röntgenbild Pixel für Pixel ausgewertet. Es ist zudem möglich, für jede Modellvorhersage eine Heatmap zu generieren, welche die erkrankten Bereiche der Lungenflügel darstellt.

Das von den Forschenden des Lamarr-Instituts entwickelte Analyseverfahren für Röntgenbilder ist ein Beispiel für eine erklärbare KI. Die Analysen basieren auf einem interpretierbaren ML-Modell, das Einblicke gibt, wie die Ergebnisse zustande gekommen sind. Solche Verfahren sind geeignet, das Vertrauen der Anwenderinnen und Anwender in die Technologie zu stärken und werden auch zukünftig im Rahmen der Forschungen zu vertrauenswürdiger Künstlicher Intelligenz am Lamarr-Institut fortgeführt und vertieft.

Zur Veröffentlichung