Aktuelles
Unter dem Titel „KI-MED Connect – the northern AI Booster“ laden wir Sie herzlich vom 12. bis 14. September 2023 nach Lübeck ein – zu einer Konferenz über Künstliche Intelligenz im Gesundheitswesen.
Die KI-MED Connect bringt Fachleute aus Unternehmen, Universitäten und Krankenhäusern zusammen, um verschiedene Themen rund um KI im Gesundheitswesen zu diskutieren.
Folgende Themen werden schwerpunktmäßig vorgetragen und diskutiert:
Medizinische KI in der Diagnostik
„Anwendungen und Umsetzungen von KI bspw. in der Augenheilkunde & Rehabilitation
KI-Med Connect
„Wie können die Kompetenzen Norddeutschlands zur Umsetzung medizinischer KI gebündelt werden ? - eine Diskussion von und mit „der Politik“ “
Digitale und Roboter-unterstützte Chirurgie
Compliance für medizinische KI
Medizinische Daten
„standardisierter Zugriff & Verarbeitung medizinischer Daten für die KI“
„Aufbereitung von Daten für die KI“
KI-Med Connect
„Impulse von Wirtschaft und Medizin aus Rostock und Hannover“
Modellierung und Datenintegration in der Medizin
Wie komme ich zu „meiner“ KI
„KI Forschungsinfrastruktur & KI-Qualifikation - Einrichtungen und Projekte im Überblick“
Medizinische Daten - Anonymisierung in der Medizin
Es erwarten Sie drei Tage voller anregender Vorträge, Diskussionen, Networking und Einblicke in die neuesten Entwicklungen im Bereich AI im Gesundheitswesen.
Mit dabei sind namhafte Projekte wie KI-SIGS, AnoMed, ZKIL (KI-Med Ökosystem), Gaia-X-Med, MCEA, KI-Transfer-Hub SH, MDZ-SH, EDIH-SH und IKAPP.
Weitere Informationen (das aktuelle Programm und die Möglichkeit zur Anmeldung) finden Sie unter https://ki-med-connect.de/.
Es ist Sommer und dieser Umstand ist bei Indoor-Veranstaltungen deutlich zu spüren. Trotz kühler Getränke, leckerem Eis und guter Belüftung klebt einem das Hemd regelrecht am Körper.
Doch zum Glück konnte sich davon niemand beim Sommercampus des KI-Innovationswettbewerbes in der angenehmen Atmosphäre der WHITE Spreelounge in Berlin ablenken lassen. Die Veranstaltung war äußerst gut besucht und ein voller Erfolg.
Vom 21.06 bis zum 22.06 präsentierten Unternehmensvertreter*innen aktuelle Projekte zum Thema künstliche Intelligenz. Es wurden Workshops abgehalten und in mehreren Diskussionsrunden wurde fleißig über Themen wie Qualitätsmanagement, Wissensmanagement und Informationssysteme debattiert.
An beiden Tagen war auch KI-SIGS mit verschiedenen Themenaspekten und Rednern vertreten.
Am Mittwoch referierte Herr Dr. Raphael König (Advanced Bionics GmbH) im Track "Zustandsüberwachung" über Automatisierte und individuaisierte Anpassung von Hörhilfen. Gleich danach durfte man dem Vortrag von Herrn Helge Sudkamp (Visotec GmbH) über Automatisierte Erkennung von Augenkrankheiten beiwohnen.
Am Donnerstag hatte Herr Ludwig Pechmann die Möglichkeit, zum Thema Regulatorik im interaktiven Workshop zu Post-Market-Surveillance zu referieren.
In diesem Themenbereich war auch Frau Prof. Dr. Beatrix Weber als Eröffnungskeynote eingebunden. Sie referierte über Legal-Governance für KI-Plattformen sowie im Nachgang über Rechtliche Aspekte bei Plattformen im Allgemeinen.
Wir danken dem Organisationsteam für diese spannende Veranstaltung.
BMWK-Sommercampus des „KI-Innovationswettbewerbs“
Mehrwerte mit KI schaffen, Wertschöpfungsnetze nachhaltig transformieren
Datum: 21.-22. Juni 2023
Location: WHITE Spreelounge Berlin, Edisonstr. 63, 12459 Berlin
Anmeldung: Registrieren Sie sich hier!
Der BMWK-Sommercampus 2023 richtet sich an alle Projektbeteiligten des KI-Innovationswettbewerbs. Herzlich eingeladen sind darüber hinaus interessierte Unternehmen, Verbände und Organisationen sowie Politik und Medien.
KI-Entwickler und -Entwicklerinnen sowie KI-Anwenderunternehmen teilen am ersten Veranstaltungstag ihre Erfahrungen in den geförderten Projekten anhand praxisorientierter Anwendungsszenarien. Diskutiert werden sollen die Frage, welche disruptiven Effekte auf Wertschöpfungsketten und –netze in den unterschiedlichen Anwendungsdomänen zu erwarten sind ebenso wie die daraus resultierenden Auswirkungen sowie Perspektiven für Unternehmen im Hinblick auf eigene Prozesse, Arbeits- und Organisationsstrukturen. Der zweite Veranstaltungstag dient in erster Linie programminternen Zwecken und der Vernetzung der Projektpartner.
In den Plattformprojekten des Innovationswettbewerbs „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ (KI-Innovationswettbewerb) werden KI-Lösungen mit hohem Disruptionspotenzial für wichtige Anwendungsdomänen der deutschen Wirtschaft entwickelt. Die angestrebten Lösungen für Produktion und Logistik, für den Handel, die Agrar-, Gesundheits- und Bauwirtschaft, den Finanzsektor, für Smart Living und das Krisenmanagement sollen am konkreten Bedarf und den Anforderungen der deutschen Wirtschaft und insbesondere des Mittelstands ausgerichtet sein. Eine Besonderheit des Programms stellt zudem das Thema Quanten-unterstützte KI dar. Ziel des vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderten Technologieprogramms ist es, Voraussetzungen für die breite, wirtschaftliche Anwendung von KI zu schaffen und die Erschließung zukunftsweisender, KI-basierter Geschäftsmodelle zu befördern. Praktischer Nutzen, ökonomischer Mehrwert, Vertrauenswürdigkeit sowie Akzeptanz der Lösungen stehen dabei im Mittelpunkt des Sommercampus 2023.
Es erwarten Sie spannende Berichte aus der Praxis von: Advanced Bionics GmbH, AMAZONEN WERKE H. DREYER SE & Co. KG, digitales bauen GmbH, dormakaba International Holding GmbH, elevait GmbH & Co. KG, Fraunhofer HHI, Fraunhofer IML, Gemeinschaft für Überwachung im Bauwesen e.V., Hochschule Osnabrück, Infineon Technologies AG, Leonhard Weiss GmbH & Co. KG, Marposs Monitoring Solutions GmbH, Mendritzki Holding GmbH & Co. KG, ONSEI GmbH, Sennheiser electronic GmbH & Co. KG, Spicetech GmbH, tegut… gute Lebensmittel GmbH & Co. KG, Visotec GmbH, X Visual Technologies GmbH (weitere folgen).
Die „Offene AIQ-NETWorking Lounge“ ist ein Matchmaking-Event zur Vernetzung rund um die Themen digitale Gesundheit und KI. Sie findet im Rahmen der AIQNET-Abschlussveranstaltung auf der DEMEA in Berlin am 26. April 2023 von 12 bis 14 Uhr statt.
Teilnehmende können sich in arrangierten, ca. zehnminütigen 1:1 Gesprächen mit Stakeholdern aus der Gesundheitswirtschaft fachlich austauschen und neue Kooperationsmöglichkeiten in den Bereichen KI und digitale Medizinprodukteherstellung ausloten. Sie können neben den Partnern des Projekts AIQNET mit allen Messebesucher:innen, die sich ebenfalls zum Matchmaking angemeldet haben, ins Gespräch gehen.
Das Event wir gestützt durch das Tool nextmatch durchgeführt. Dies bietet den Vorteil, im Vorfeld der Veranstaltung detaillierte Profile der Teilnehmenden einzusehen. Interessante Gesprächspartner können schnell identifiziert und direkt zum 1:1 Gespräch angefragt werden. Anfragenbasiert erhalten Teilnehmende einen individuellen Gesprächsplan für die „Networking-Lounge“ und können dort vom Austausch mit Vertreter:innen von Kliniken, Software- und Medizintechnikunternehmen profitieren.
So einfach geht es:
- Nach der Registrierung erhalten Sie eine Mail mit einem Aktivierungslink.
- Klicken sie den Link und erstellen Sie ein Profil. Vergessen Sie dabei nicht die Schlagwörter unter „Ich biete“ und „Ich suche“ anzugeben.
- Nun können Sie sich zum Event anmelden.
- Nach der Anmeldung zum Event können Sie sich unter „Teilnehmende anzeigen“ die Profile (inkl. Gesuche und Angebote) aller angemeldeten Personen anzeigen lassen.
- Senden Sie interessanten Gesprächspartnern Anfragen für 1:1-Gespräche.
- Basierend auf den versandten Anfragen wird für alle Teilnehmenden ein individueller Gesprächsplan generiert, der schon kurz vor Veranstaltungsbeginn über die Web-App eingesehen werden kann.
Die Teilnahme am Matchmaking-Event ist für Messebesucher der DMEA kostenlos; eine Anmeldung ist jedoch erforderlich.
(Bildquelle: DMEA und AIQNET)
„Künstliche Intelligenz (KI) ist ein integraler Bestandteil der zukünftigen Medizin und spielt eine entscheidende Rolle bei Diagnose, Therapie, Früherkennung und im Pflegealltag. Der Einsatz von KI in der Medizin ist jedoch mit Herausforderungen verbunden. Es geht nicht nur um den Schutz der Gesundheit und persönlicher Daten, sondern auch darum, sicherzustellen, dass Patienten schnell und sicher von medizinischen Fortschritten profitieren können. Normen und Standards können dazu beitragen, diese Herausforderungen zu meistern.
Um die Ergebnisse der Normungsroadmap KI umzusetzen und entsprechende Normungsaktivitäten zu initiieren, wurde vom DIN der Arbeitsausschuss “KI in der Medizin” gegründet. Die erste Sitzung des Arbeitsausschusses fand am 04. April, statt und die konstituierende Sitzung wird am 20.06.2023 in Berlin stattfinden. Alle Interessierten sind herzlich eingeladen, sich zu beteiligen und die Gestaltung von KI-Normen im Bereich der Medizin mit voran zu treiben. Weitere Informationen und Abstimmungen innerhalb von KI-SIGS erfolgen über Ludwig Pechmann (lpechmann@unitransferklinik.de).“
(Englisch version below)
"Artificial intelligence (AI) is an integral part of future medicine and plays a crucial role in diagnosis, therapy, early detection and in everyday care. However, the use of AI in medicine is fraught with challenges. It is not only about protecting health and personal data, but also about ensuring that patients can benefit from medical advances quickly and safely. medical advances quickly and safely. Standards can help address these challenges.
In order to implement the results of the standardization roadmap AI and to initiate corresponding standardization activities, the working committee "AI in medicine" was founded by DIN. The first meeting of the working committee took place on 04 April, and the constituent meeting will be held on 20.06.2023 in Berlin. All interested parties are welcome to participate and help drive the design of AI standards in the field of medicine. For further information and coordination within KI-SIGS, please contact Ludwig Pechmann (lpechmann@unitransferklinik.de)."
Am 31.März 2023 war es wieder soweit: das fünfte Mal wurde die Robotics & AI Law Society Konferenz in Berlin ausgerichtet. In drei Panels wurde einen Tag lang alles Rund um Ethik, Datenschutz und Haftung, Regulierung und Daten in KI und Medizin referiert und diskutiert. Auch KI-SIGS war beteiligt und konnte auf dem Campus der Fernuniversität Hagen das Projekt präsentieren.
Die Formal Methods Europe bietet seit über 10 Jahren die Möglichkeit eines Austausches zu formalen Methoden der Informatik und damit zu einem Wissensaustausch zu Werkzeugen und Grundlagen auf internationaler und europäischer Ebene.
Dieses Jahr hatte die ISP, gemeinsam mit der Universität zu Lübeck die großartige Möglichkeit die Konferenz nach Lübeck zu holen und die einwöchige Veranstaltung auszurichten.
Teil der Konferenz war am 08.03.2023 die Industrieausstellung im Audimax. Huawei, Draeger, als auch Infostände verschiedener Universitäten stellten Methoden und neue Standards vor. Unter anderem war auch die Uni Lübeck (ISP) mit TeSSLa als Spezifikationssprache vertreten.
Am 07.Dezember 2020 wurde in einer dreistündigen Ergebnispräsentation die Normungsroadmap KI vorgestellt. Dort heißt es:
„Das Deutsche Institut für Normung e.V. (DIN), und DKE haben in einem gemeinsamen Projekt im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) die Normungsroadmap Künstliche Intelligenz fertiggestellt. Die Roadmap gibt Handlungsempfehlungen für die Normung und Standardisierung rund um Künstliche Intelligenz und setzt damit eine wesentliche Maßnahme der KI-Strategie der Bundesregierung um.“
Das Projekt KI-SIGS, hier insbesondere die Regulatorische und die Responsible Innovation Plattform werden diese Arbeiten in der Projektarbeit nicht nur berücksichtigen, sondern auch aktiv an der weiteren Ausgestaltung der Roadmap mitwirken. Die nächsten Möglichkeiten ergeben sich schon bei den geplanten Fach-Workshops zu Beginn 2021
https://www.din.de/de/forschung-und-innovation/themen/kuenstliche-intelligenz/aktuelles/veranstaltungen-zur-normungsroadmap-ki-771532).
Dienstag, 08.12.2020
Das Zentrum für Künstliche Intelligenz Lübeck (ZKIL) berichtet über Multi-task Lernen mit tiefen Faltungsnetzwerken für großskalige Analyse von multimodalen biomedizinischen Bildern (MDMLA). Folgend der Link zum Beitrag:
Gemeinsam präsentierten Sarah Niemann von Life Science Nord und Dr.-Ing. Tim Suthau von KI-SIGS auf der diesjährigen InnoHealth China. In ihrem Vortrag mit dem Titel „AI Spaces for Intelligent Health Systems - A Practical Example from the Life Science Nord Cluster Region” stellten sie sowohl das Life Science Cluster, wie auch die Aktivitäten des Forschungsprojektes KI-SIGS vor. An einem virtuellen Messestand konnten Interessenten direkt in das persönliche Gespräch kommen oder beispielsweise über das hinterlegte Filmmaterial lebendige Eindrücke vom Projekt gewinnen.
Montag, 07.12.2020
Letzte Woche Mittwoch hat das Zentrum für Künstliche Intelligenz Lübeck (ZKIL) einen ersten universitätsweiten KI-Workshop für Mediziner des UKSH und Wissenschaftler der Universität zu Lübeck durchgeführt. Dieses "Meet & Greet" Event sollte ursprünglich im Frühjahr zur Einweihung des ZKIL veranstaltet werden, musste aber bedingt durch die Corona Pandemie verschoben und letztendlich als Online-Event durchgeführt werden. Dem Interesse und der Resonanz tat dies allerdings keinen Abbruch und so sind ca. 70 Mediziner und Informatiker, darunter viele Klinik- und Institutsdirektoren, der Einladung der ZKIL Sprecher Thomas Martinetz und Jörg Barkhausen gefolgt, um über Künstliche Intelligenz und deren Einsatzmöglichkeiten in der Medizin zu berichten und zu erfahren sowie Schnittpunkte beider Sektionen auszuloten.
Weitere Informationen gibt es auf folgender Webseite:
Montag, 30.11.2020
Am 26. November 2020 wurde das halbjährlich stattfindende Treffen der an KI-SIGS beteiligten Partner durchgeführt. Neben der Ermittlung und Präsentation des aktuellen Projektfortschrittes und der Rückschau auf zahlreiche Aktivitäten standen diesmal die Aktivitäten der Technischen und Regulatorischen Plattform im Mittelpunkt.
Stellvertretend für die Anwendungsprojekte wurde das aktuelle Vorgehen beim Anwendungsprojekt „iAuge“ präsentiert. Eines der Highlights war gewiss die Präsentation und die avisierte Kooperation mit dem Projekt PetAI (Privacy Secured Explainable and Transferable AI) unter der Federführung des scch (Software Competence Center Hagenberg).
(Link: https://www.scch.at/data-science/projekte/detail/KI-SIGS.html)
An dieser Stelle sei auch nochmal allen Vortragenden gedankt, die durch ihre Präsentationen zum Gelingen dieser Veranstaltung beigetragen haben. Es wird zukünftig weitere solcher Veranstaltungen geben, sodass dann auch die zahlreichen Interessenten vortragen können, die aufgrund des knappen zeitlichen Rahmens diesmal nicht zu Wort kamen.
Montag, 07.12.2020
Unser Tastsinn ist ein wichtiges Wahrnehmungssystem, um Informationen über unsere Umwelt zu erhalten. Dabei nehmen wir über die Haut die unterschiedlichsten Reize wie Temperatur, Druck, Vibration oder Oberflächenstrukturen wahr. Und genau hier setzt das Team von Taktilesdesign an: Bildinformationen sollen durch das bloße Ertasten von Oberflächenstrukturen vermittelt werden. So können beispielsweise Bildinhalte für blinde oder sehbehinderte Personen erfahrbar gemacht werden. Dafür werden Oberflächentexturen direkt in 3D gedruckt. Damit das funktioniert, müssen die Bildinhalte reduziert werden, denn natürliche Farbbilder enthalten einfach zu viele Informationen. Die Detaildichte ist zu hoch oder Details sind für das Gesamtbild nicht wichtig. Das können Kanten, Farbwechsel oder überschneidende Bildinhalte sein. Diese Bildinhalte manuell zu abstrahieren ist zeitaufwändig, schwer zu skalieren und somit ein hoher Kostenfaktor. Daher soll ein KI-Algorithmus die Bilder automatisiert verarbeiten und abstrahieren, damit die sie schnell und zuverlässig in ertastbare 3D- Oberflächenstrukturen übersetzt werden können.
Für die automatisierte Abstraktion der Bilder wurden drei mögliche Ansätze identifiziert. Relevante Objekte können zuerst durch Segmentierung aus dem Bild isoliert werden. Bei der Segmentierung eines Bildes wird jedem Bildpixel genau eine Kategorie zugeordnet. Das Ergebnis ist eine farbige Maske, bei der unterschiedliche Objekte mit unterschiedlichen Farben dargestellt werden können. Das Bildbeispiel zeigt eine solche Segmentierung. Der Reiter und das Pferd werden erfolgreich voneinander getrennt. Ein weiterer Ansatz besteht in dem Einsatz sogenannter Generative Adversarial Networks, die in der Lage sind, Bilddaten zu generieren. Außerdem soll untersucht werden, inwieweit Neural Style Transfer in der Lage ist, die Abstraktion der Bilder durchzuführen.
Als nächster Schritt sollen die möglichen Lösungsansätze zu einer machbaren Lösungsstrategie kombiniert werden. Um diese Strategie zu finden und auch um den Aufwand dieser Strategie abzuschätzen plant das Lübecker Team des Kompetenzzentrums ein Transferprojekt mit Taktilesdesign durchzuführen.
Mehr Informationen zu dem Projekt finden Sie hier auf der Webseite des Mittelstand 4.0 Kompetenzzentrums Kiel.
Montag, 23.11.2020
Am Freitag, dem 20. November 2020 fand unser erster „KI-SIGS Wertschöpfungsnetzwerk-Workshop“, welcher mit Hilfe der Begleitforschung vorbereitet und durchgeführt wurde.
Was war inhaltlich vorgesehen? Wir befinden uns in einer eher frühen Phase des Projektes, so dass wir diesen Workshop als strukturierendes Element für die KI-SIGS Plattform nutzen konnten. In recht kurzer Zeit wurde ein einheitliches Verständnis erzeugt und visualisiert, welche Angebote die Plattform bieten kann und was die Erwartungen der Anwendungsprojekte an die Plattform sind. Dieses erste Bild des Wertschöpfungsnetzwerks bietet eine hervorragende Grundlage, um (später) die Themen Nachhaltigkeit & Verwertung zu behandeln.
Der Workshop mit über 20 Teilnehmern wurde pandemiebedingt virtuell durchgeführt, wobei das Web Conferencing Tool vitero, unterstützt durch das digitales Whiteboard nexboard zum Einsatz kamen. Wir bedanken uns bei dem Team der Begleitforschung beim Institut für Innovation und Technik (https://www.iit-berlin.de/de/), insbesondere bei Dr. Sebastian von Engelhardt für die professionelle Betreuung und Umsetzung!
Die Teilnehmer von KI-SIGS freuen sich auf eine Fortsetzung und Schärfung der Thematik im Jahr 2021.
Montag, 20.11.2020
Die Universität zu Lübeck hat bereits weltweit beachtete Erfolge bei der Erforschung von COVID-19 erzielt. Ein Team aus dem Institut für Neuro- und Bioinformatik hat nun die weltweit besten Erkennungsraten auf öffentlich verfügbaren COVID-19 CT-Datensätzen mit Deep Learning nochmals deutlich steigern können.
Die Diagnose einer SARS-CoV-2 Infektion erfolgt üblicherweise über einen biomolekularen PCR-Test. Dabei wird das Erbgut des Virus durch eine kontrollierte Vervielfältigung desselben nachgewiesen. Leider können dabei in der Regel mehr als 24 Stunden vergehen. Wird im Einzelfall eine sehr schnelle Diagnose benötigt oder kommt es insbesondere in anderen Ländern zu Engpässen in der Versorgung mit Tests, werden die Nachteile des PCR-Tests deutlich. Es scheint sinnvoll, nach alternativen Testverfahren für Ausnahmesituationen zu suchen. Eine gute Grundlage hierfür bieten CT-Scans der Lunge, auf denen krankheitsbedingte Abnormalitäten durch geschulte Radiologen festgestellt werden können. Um zu erforschen, wie Radiologen bei der Auswertung großer Mengen an CT-Scans unterstützt werden können, haben Herr Alshazly (PHD), Herr Linse, Professor Barth und Professor Martinetz verschiedene Deep Learning Verfahren untersucht, um CT-Scans von COVID-19 Patienten von solchen mit anderen Lungenerkrankungen automatisiert zu differenzieren und COVID-19 bedingte Abnormalitäten in der Lunge zu lokalisieren.
Die Menge an öffentlich verfügbaren CT-Bildern sind zurzeit noch limitiert. Daher lag die Herausforderung vor allem in der kleinen Menge an Scans und auch den unterschiedlichen Bedingungen, wie die Bilder aufgenommen wurden. Die Heterogenität der Bilder wird bestimmt durch die unterschiedlichen verwendeten Aufnahmegeräte und die unterschiedlichen Orte, wo die Scans durchgeführt wurden, was ein hohes Maß an Rauschen erzeugt. Um trotz dieser Heterogenität ein robustes Klassifikationssystem zu entwickeln, kam es bei der Arbeit auf eine neue Art der Vorverarbeitung der Daten an. Die unterschiedlich großen CT-Scans wurden in eine "digitale Leinwand" eingebettet, deren Größe für jede Netzwerkarchitektur spezifisch gewählt und mittels verschiedener Bildtransformationen modifiziert wurde. Somit konnten die bisher höchsten Genauigkeiten auf den genutzten Testdatensätzen nochmals deutlich übertroffen werden. Anschließend wurden die Bereiche innerhalb der CT-Scans eingegrenzt, die zur Diagnoseentscheidung der Algorithmen am meisten beigetragen hatten. Ein Beispiel dafür sehen Sie hier dargestellt in Form einer Heatmap. Tatsächlich entsprachen diese Bereiche denen, die von Radiologen als Abnormalitäten bestimmt worden waren.
Um Radiologen einen Nutzen zu bringen, müssen die verfügbaren Datensätze noch umfangreicher auch andere Lungenerkrankungen beinhalten, gegen die COVID-19 abgegrenzt werden muss. Entsprechende Datensätze werden derzeit in einem großen deutschen Konsortium von Radiologen erstellt.
Die Publikation dazu finden Sie hier: (Link https://arxiv.org/pdf/2011.05317.pdf)
Montag, 16.11.2020
Auch wenn das Projekt schon gut ein Jahr läuft, möchten wie an dieser Stelle nochmals auf das Projekt PASBADIA hinweisen, welches von der Joachim Herz Stiftung in Hamburg mit rund 1,3 Millionen Euro gefördert wird. Die Projektleitung in diesem gemeinsamen Projekt von Universität und Technischer Hochschule Lübeck hat Prof. Dr. Horst Hellbrück vom Kompetenzzentrum CoSA (Informatik, Verteilte Systeme) der TH, stellvertretender Leiter ist Prof. Dr. Philipp Rostalski vom Institut für Medizinische Elektrotechnik der Universität.
Partner sind das Labor für Ophthalmotechnologie der TH mit Prof. Dr. Mathias Beyerlein und das Institut für Allgemeinmedizin der Universität mit Prof. Dr. Jost Steinhäuser. Das Projekt erforscht die Nutzung Künstlicher Intelligenz für die telemedizinische Augendiagnostik. Dabei steht das Akronym „PASBADIA“ für „Patientennahe Smartphone-basierte Diagnostik mit lokaler und zentraler KI-Plattform für die Primärversorgung im ländlichen Raum“.
Weitere Informationen gibt es auf folgender Webseite:
https://www.uni-luebeck.de/aktuelles/nachricht/artikel/joachim-herz-stiftung-foerdert-projekt-pasbadia.html
Montag, 09.11.2020
Die Zielsetzung der Präzisionsmedizin ist es, jeden Patienten zielgerichtet und maßgeschneidert therapieren zu können. Dies erfordert die Translation vieldimensionaler Daten in die klinische Praxis, welche maßgeblich durch künstliche Intelligenz unterstützt werden kann, indem Methoden des maschinellen Lernens wie beispielsweise Zufallswälder (engl. Random Forests) eingesetzt werden
Prof. Inke König und Prof. Silke Szymczak sowie das Team vom Institut für medizinische Biometrie und Statistik beschäftigen sich im entsprechenden Forschungsprojekt intensiv mit diesem mathematischen Verfahren und adressieren dabei die folgenden medizinischen Fragestellungen:
1. Welche neuen diagnostischen Taxonomien entstehen, wenn wir Patienten aufgrund genomischer Daten mit nicht-überwachten Zufallswäldern klassifizieren?
In diesem Teilprojekt werden Algorithmen zum nicht-überwachten Lernen durch Zufallswälder modifiziert, an vorliegende Datenstrukturen angepasst und in Simulationsstudien miteinander verglichen. Die Algorithmen werden u.a. für die Analyse genetischer Ähnlichkeiten in einem Projekt des Deutschen Zentrums für Herz-Kreislauf-Forschung (DZHK) zu koronaren Herzerkrankung und verwandten Phäntoypen verwendet.
2. Wie lassen sich Risikoscores aus Zufallswäldern inhaltlich interpretieren?
Es werden Maße erweitert, die die Wichtigkeit einzelner Variablen für die Klassifikation in Zufallswäldern schätzen. Des Weiteren ermöglicht die Darstellung von Zufallswäldern durch repräsentative Bäume eine vereinfachte Interpretierbarkeit eines Scores. Neben Simulationsstudien zur Untersuchung der methodischen Eigenschaften repräsentativer Bäume werden die Methoden auf Daten der DFG-Forschergruppe 2488 angewendet.
3. Wie können zur Integration verschiedener Omics-Daten Informationen über funktionelle und strukturelle Zusammenhänge in Zufallswäldern integriert werden?
Detaillierte Informationen über Zusammenhänge zwischen Genen oder anderen Molekülen sind in Form von Netzwerken öffentlich verfügbar. Es wird untersucht, in welcher Form dieses Wissen in den Trainingsprozess von Zufallswäldern integriert werden kann. In Simulationen werden konzeptuelle, vereinfachte Situationen modelliert, aber auch Szenarien, die stark an experimentellen Daten orientiert sind.
4. Wie können Zufallswälder bei longitudinalen Daten oder abhängigen Beobachtungen verwendet werden?
Umfangreiche Simulationsstudien werden durchgeführt, um verschiedene Ansätze zur Analyse longitudinaler und/oder abhängiger Daten systematisch zu vergleichen und Empfehlungen für konkrete Anwendungsszenarien geben zu können. Eine Anwendung geeigneter Methoden ist auf Daten der ALLIANCE-Kohorte des Deutschen Zentrums für Lungenforschung (DZL) geplant, um die Entwicklung von Asthma vorherzusagen.
Falls Sie Fragen zum Projekt oder verwandten Themen haben, besuchen Sie doch einfach die Webseite des IMBS
www.imbs.uni-luebeck.de
oder werfen Sie eine Blick in die entsprechenden Veröffentlichungen:
Abegaz F, Chaichoompu K, Génin E, Fardo DW, König IR, Mahachie John JM, and Steen KV. (2019) Principals about principal components in statistical genetics. Brief Bioinform 20: 2200-16
Boulesteix A-L, Wright MN, Hoffmann S, and König IR. (in press) Statistical learning approaches in the genetic epidemiology of complex diseases. Hum Genet
Degenhardt F, Seifert S, Szymczak S. (2019) Evaluation of variable selection methods for random forests and omics data sets. Brief Bioinform. 2019 20: 492-503
Gola D, Erdmann J, Müller-Myhsok B, Schunkert H, and König IR. (2020) Polygenic risk scores outperform machine learning methods in predicting coronary artery disease status. Genet Epidemiol 44: 125-38
König IR, Fuchs O, Hansen G, von Mutius E, and Kopp M. (2017) What is Precision Medicine? Eur Respir J 50: 1700391
Nembrini S, König IR, and Wright MN. (2018) The revival of the Gini Importance? Bioinformatics 34: 3711-8
Seifert S, Gundlach S, Szymczak S. (2019) Surrogate minimal depth as an importance measure for variables in random forests. Bioinformatics 35: 3663-3671
Seifert S, Gundlach S, Junge O, Szymczak S. (2020) Integrating biological knowledge and gene expression data using pathway guided random forests: A benchmarking study.Bioinformatics. doi: 10.1093/bioinformatics/btaa483. Online ahead of print.
Montag, 19.10.2020