Mit KI Krebs anhand von Patientendaten erkennen s

Bild: Phil Quirke, Professor für Pathologie an der School of Medicine der University of Leeds
Aussicht das Meer

Kredit: Universität von Leeds

Ein Team, dem medizinische Wissenschaftler der University of Leeds angehören, hat eine neue Methode zur Verwendung künstlicher Intelligenz zur Vorhersage von Krebs anhand von Patientendaten entwickelt, ohne persönliche Informationen zu gefährden.

Künstliche Intelligenz (KI) kann große Datenmengen wie Bilder oder Studienergebnisse analysieren und Muster erkennen, die für Menschen oft nicht erkennbar sind, was sie für die Beschleunigung der Erkennung, Diagnose und Behandlung von Krankheiten äußerst wertvoll macht.

Die Verwendung der Technologie in medizinischen Einrichtungen ist jedoch wegen des Risikos einer versehentlichen Datenfreigabe umstritten, und viele Systeme befinden sich im Besitz und unter der Kontrolle von Privatunternehmen, die ihnen Zugriff auf vertrauliche Patientendaten gewähren – und die Verantwortung für deren Schutz tragen.

Die Forscher wollten herausfinden, ob eine Form der KI, das so genannte Schwarmlernen, verwendet werden könnte, um Computern zu helfen, Krebs in medizinischen Bildern von Gewebeproben von Patienten vorherzusagen, ohne die Daten von Krankenhäusern freizugeben.

Schwarmlernen trainiert KI-Algorithmen, um Muster in Daten in einem örtlichen Krankenhaus oder einer Universität zu erkennen, z. B. genetische Veränderungen in Bildern von menschlichem Gewebe. Das Schwarm-Lernsystem sendet dann diesen neu trainierten Algorithmus – aber vor allem keine lokalen Daten oder Patienteninformationen – an einen zentralen Computer. Dort wird es mit Algorithmen, die von anderen Krankenhäusern auf identische Weise generiert wurden, zu einem optimierten Algorithmus kombiniert. Diese wird dann an das örtliche Krankenhaus zurückgeschickt, wo sie erneut auf die Originaldaten angewendet wird, wodurch die Erkennung genetischer Veränderungen dank ihrer empfindlicheren Erkennungsfähigkeiten verbessert wird.

Indem dies mehrmals durchgeführt wird, kann der Algorithmus verbessert und einer erstellt werden, der auf allen Datensätzen funktioniert. Dies bedeutet, dass die Technik angewendet werden kann, ohne dass Daten an Drittunternehmen weitergegeben oder zwischen Krankenhäusern oder über internationale Grenzen hinweg gesendet werden müssen.

Das Team trainierte KI-Algorithmen mit Studiendaten von drei Patientengruppen aus Nordirland, Deutschland und den USA. Die Algorithmen wurden an zwei großen Datensätzen von in Leeds erzeugten Datenbildern getestet und es wurde festgestellt, dass sie erfolgreich gelernt haben, wie das Vorhandensein verschiedener Unterarten von Krebs in den Bildern vorhergesagt werden kann.

Die Forschung wurde von Jakob Nikolas Kather, Visiting Associate Professor an der School of Medicine der University of Leeds und Forscher am Universitätsklinikum RWTH Aachen, geleitet. Zum Team gehörten die Professoren Heike Grabsch und Phil Quirke sowie Dr. Nick West von der School of Medicine der University of Leeds.

Dr. Kather sagte: „Basierend auf Daten von über 5.000 Patienten konnten wir zeigen, dass KI-Modelle, die mit Schwarmlernen trainiert wurden, klinisch relevante genetische Veränderungen direkt aus Gewebebildern von Dickdarmtumoren vorhersagen können.“

Phil Quirke, Professor für Pathologie an der School of Medicine der University of Leeds, sagte: „Wir haben gezeigt, dass Schwarmlernen in der Medizin verwendet werden kann, um unabhängige KI-Algorithmen für jede Bildanalyseaufgabe zu trainieren. Dadurch kann die Notwendigkeit des Datentransfers überwunden werden, ohne dass Institutionen die sichere Kontrolle über ihre Daten aufgeben müssen.

„Die Schaffung eines KI-Systems, das diese Aufgabe erfüllen kann, verbessert unsere Fähigkeit, KI in Zukunft anzuwenden.“

Weitere Informationen

Wenden Sie sich mit Medienanfragen an die Pressesprecherin der University of Leeds, Lauren Ballinger, unter l.ballinger@leeds.ac.uk.

Schwarmlernen für dezentrale künstliche Intelligenz in der Krebshistopathologie“Erscheint in Naturheilkunde am 25. April 2022, 16:00 Uhr Londoner Zeit.

Phil Quirke und Nick West werden durch die Stipendien L386 (Quasar-Serie) und L394 (YCR BCIP 321-Serie) des Yorkshire Cancer Research Program unterstützt.

Universität von Leeds

Die University of Leeds ist mit mehr als 39.000 Studenten aus mehr als 137 verschiedenen Ländern eine der größten Hochschuleinrichtungen im Vereinigten Königreich. Wir sind weltweit für die Qualität unserer Lehre und Forschung bekannt.

Wir sind eine werteorientierte Universität und nutzen unser Fachwissen in Forschung und Bildung, um eine bessere Zukunft für die Menschheit zu gestalten, indem wir durch Zusammenarbeit daran arbeiten, Ungleichheiten zu bekämpfen, gesellschaftliche Auswirkungen zu erzielen und Veränderungen voranzutreiben.

Die Universität ist Mitglied der Russell Group forschungsintensiver Universitäten und spielt eine bedeutende Rolle in den Instituten Turing, Rosalind Franklin und Royce. www.leeds.ac.uk

Folgen Sie der University of Leeds oder markieren Sie uns in der Berichterstattung: Twitter | Facebook | LinkedIn | Instagram


Haftungsausschluss: AAAS und EurekAlert! sind nicht verantwortlich für die Richtigkeit der auf EurekAlert veröffentlichten Pressemitteilungen! durch beitragende Institutionen oder für die Verwendung von Informationen über das EurekAlert-System.

Leave a Reply

Your email address will not be published.