Was war der Auftrag für die Kooperation/Entwicklung einer/eines KI-basierten Anwendungsfalls/Lösung/Dienstleistung?
Das Projekt Intelligente Diagnostik hat das Ziel, die Diagnose von Hautkrebs zu verbessern. Die Diagnose von Hautkrebs, der mit Abstand häufigsten Krebserkrankung, ist derzeit nicht immer zuverlässig möglich, 15 % der Tumore können nicht korrekt diagnostiziert werden. Im Rahmen des Vorhabens sollen mithilfe einer quantitativen, multi- bzw. hyperspektralen Bildgebung unter strukturierter Einstrahlung sowie anschließender Datenaufbereitung hinsichtlich 3D-Topologie der Oberfläche und weiterer für die Diagnostik relevanter Parameter ein KI-basiertes Diagnosesystem zur frühzeitigen Erkennung von Hautkrebs entwickelt werden.
Der im Rahmen des Projekts verfolgte interdisziplinäre Lösungsansatz umfasst mehrere Gebiete von der Entwicklung des optischen Messsystems, über die Konzeption und Umsetzung der KI-Infrastruktur zur Erhebung und Verwaltung der Daten, bis hin zum Entwurf und Training der Deep-Learning-Modelle.

Welche Technologien und KI-Methoden wurden eingesetzt und warum?
Bei dem Projekt Intelligente Diagnostik kommen neuronale Netze zum Einsatz, um die Klassifikation von Hautläsionen auf Diagnoseklassen durchzuführen. Die Hautläsionen werden dazu zunächst mit einem hyperspektralen Kamerasystem aufgenommen, wobei die resultierenden hyperspektralen Aufnahmen die Eingaben der auf 3D-Faultung basierenden Netze repräsentieren.
Zudem wird an Explainable AI Methoden geforscht um Regionen in den Aufnahmen, die besonders wichtig für die Klassifikations-Entscheidung sind, hervorzuheben. Der Arzt erhält dadurch die Möglichkeit nachzuvollziehen, anhand welcher Merkmale in den hyperspektralen Bildern das KI-System die Prognose berechnet hat.
Ein weiterer Ansatz, der im Rahmen des Projekts betrachtet wird, ist das Federated Learning. Dadurch wird in zukünftigen Szenarien die Verwendung von Messsystemen in mehreren unterschiedlichen Hautklinken ermöglicht, ohne dabei Bilddaten versenden zu müssen und dadurch bspw. Datenschutzrichtlinien zu verletzen.

Mit welchen Partnern wurde das Projekt umgesetzt mit welchen jeweiligen Parts?
Das Projekt Intelligente Diagnostik ist ein innBW Projekt, an dem die Institutionen FZI Forschungszentrum Informatik, ILM – Institut für Lasertechnologien in der Medizin und Meßtechnik Ulm, Hahn-Schickard Villingen-Schwenningen, Hahn-Schickard Stuttgart, NMI Naturwissenschaftliches und Medizinisches Institut an der Universität Tübingen und im Unterauftrag das Universitätsklinikum Tübingen beteiligt sind.

Wie haben Sie zum Wissens- und Technologietransfer zum Auftraggeber beigetragen?
Der Wissens- und Technologietransfer erfolgt über mehrere Kanäle. Zum einen wurden und werden Pressemitteilungen zum aktuellen Entwicklungs- und Forschungsstand veröffentlicht. Zum anderen wird und wurde das Projekt Intelligente Diagnostik auf verschiedenen Veranstaltungen vorgestellt. Dazu zählen Workshops wie „DIGInostik“ oder ein Hautärzte-Workshop in Tübingen, aber auch die Präsentation des Projektes in Tagungsbandbeiträgen und durch Poster. Zudem wird im Rahmen des Projektes ein projektbegleitender Ausschuss in Veranstaltungen über erzielte Ergebnisse informiert.
Durch eine Projektwebseite wird eine weitere Möglichkeit geschaffen, erlangtes Wissen an interessierte Unternehmen und Personen weiterzugeben.

In welchem Zeitraum haben sie die KI-Lösung in Ihrem Unternehmen implementiert?
Die KI-Lösungen werden im Projekt von Projekt-Monat 4 bis zum Projekt-Monat 17 umgesetzt. Das entspricht insgesamt 14 Monate. In der Anfangsphase konzentrieren wir uns dabei auf die Konzeption und das erste Training des neuronalen Netzes. Die Integration von Explainable AI Ansätzen und die Erforschung möglicher Federated Learning Erweiterungen werden anschließend, parallel zur Weiterentwicklung des neuronalen Netzes, vorgenommen.

Ein Fazit zu Ihrer KI-Lösung:
Das Projekt Intelligente Diagnostik befindet sich zurzeit im Projektmonat 13 und ist noch nicht abgeschlossen. Die KI-Systeme sind zurzeit auf synthetisch erzeugten Daten trainiert. Diese wurden u.a. auf Basis einfacher RGB-Aufnahmen erstellt. Ergebnisse, die aktuell vorliegen, können somit von den Endergebnissen abweichen. Die aktuelle Testgenauigkeit (auf den synthetischen Daten) beträgt 94%, welche vergleichsweise zu anderen Systemen (Genauigkeit von 85%) bereits ein Teilerfolg ist.
Die KI-Lösung im Projekt Intelligente Diagnostik kann pro hyperspektrale Aufnahme, von einer Hautläsion, auf ca. 1 GB Daten zurückgreifen. Diese Menge an nützlichen Informationen pro Vorhersage gibt Hoffnung, dass auch bei Vorhersagen bzgl. der natürlichen Aufnahmen gute Ergebnisse erzielt werden.

Einen abschließenden Rat/Tipp an andere Unternehmer, die KI anwenden wollen:
Bekannterweise benötigen KI-Systeme eine ausreichend große Menge an Daten, um gute Ergebnisse zu erzielen. Im Projekt Intelligente Diagnostik ist die Anzahl der Daten stark begrenzt, es werden aber mit relativ wenig Daten gute Ergebnisse erzielt. Dies ist sicherlich auf den Einsatz von Transfer-Learning zurückzuführen. Das neuronale Netz im Projekt wird mit einfachen RGB-Bildern und synthetischen hyperspektralen Bildern vortrainiert und erst im Nachgang auf die natürlichen Daten angepasst. Ein analoges Vorgehen ist in vielen Anwendungsfeldern möglich und kann zu besseren Ergebnissen führen.

Mehr Infos unter:
https://www.fzi.de/startseite/