Künstliche Intelligenz
Maschinelles Lernen stützt Krebsdiagnosen
Die Universitätsmedizin Essen rüstet ihr Digitalisierungsportfolio konsequent auf. Davon soll auch der Kampf gegen den Krebs profitieren.
Veröffentlicht:Essen. Professor Jens Kleesiek hat die Professur für Translationale bildgestützte Onkologie an der Medizinischen Fakultät der Universität Duisburg-Essen (UDE) angenommen. Sein Ziel: Krebs bekämpfen mittels maschinellen Lernens (ML).
ML funktioniert über Algorithmen, die aus Erfahrung und Beispielen komplexe Modelle erstellen. Es bildet Gesetzmäßigkeiten ab, wobei sich die Ergebnisse am Wissen von Experten oder an Naturgesetzen orientieren. Unüberwachte Lernverfahren arbeiten ohne Zielwerte, nur mit dem, was eingegeben wurde, und suchen in riesigen Datenmengen nach einer Struktur. „Was wir erhalten, unterstützt uns bei der Diagnose und Therapie von Patienten“, verdeutlicht der 43-jährige Arzt und Informatiker Kleesiek.
Er analysiert Bildaufnahmen und klinische Daten von Patienten mit ML-Verfahren. Dies helfe unter anderem, Prognosen genauer zu erstellen oder das Therapieansprechen vorherzusagen. „Die Zusammenhänge wären aufgrund ihrer hohen Komplexität sonst nicht zugänglich“, so Kleesiek. Er möchte den Kurs Digitale Medizin an der UDE als ein Angebot für Medizin- und Informatik-Studierende etablieren. „Sie könnten etwa eine medizinische Smartphone-App in ihrer Abschlussarbeit entwickeln.“
„Mit ML Aussagen über wahrscheinliche Phänomene machen“
Am Institut für Künstliche Intelligenz in der Medizin (IKIM) des Universitätsklinikums Essen (UK Essen) möchte Kleesiek das ML weiterentwickeln. „Die Methoden sollen im Alltag des Essener Uniklinikums integriert und an mehreren Zentren gleichzeitig für klinische Studien genutzt werden“, so der KI-Experte. Zudem arbeitet er an Methoden, mit denen sich medizinische Bilddaten mit (un)strukturierten Quellen wie radiologischen, pathologischen oder Laborbefunden und Genprofilen verbinden lassen.
„Wir könnten auch Daten aus Wearables wie Smartwatches hinzuziehen. Damit wäre es möglich, mit ML Aussagen über wahrscheinliche Phänomene zu machen und so Ärzte bei Diagnostik und Therapie zu unterstützen – alles zum Wohle der Patienten“, so Kleesiek. (maw)