Aus Daten lernen und damit Erkrankten helfen
Mit KI-Methoden will das Projekt FED-PATH bessere Diagnose-Werkzeuge für Krebserkrankungen entwickeln. Der Fokus liegt auf Prostata-, Lungen- und Dickdarmkrebs sowie Blutbildungsstörungen und Tumoren, die von Bindegewebe, Knochen und Muskeln ausgehen.
FED-PATH steht für „Föderiertes Lernen für diagnostische und prognostische Anwendungen in der digitalen Onkopathologie“. Es wird vom BMBF im Rahmen der Nationalen Dekade gegen Krebs in der Richtlinie zur Förderung von interdisziplinären Projekten zur Entwicklung und Erprobung von neuen Ansätzen der Datenanalyse und des Datenteilens in der Krebsforschung gefördert. Die Projektbeteiligten nutzen onkologische und pathologische Daten, die auf Gewebeanalysen von Erkrankten beruhen. Diese Daten liefern die klinischen Projektpartner: die pathologischen Institute der Universitätskliniken in Köln, Halle, Leipzig, Dresden und Essen sowie des Landesklinikums Wiener Neustadt. Überwiegend sind das Bilddaten von Gewebeschnitten, die sorgfältig vorbereitet, digitalisiert, systematisiert und einer Qualitätskontrolle unterzogen werden. Damit die Daten noch aussagekräftiger sind, markieren die Medizinerinnen und Mediziner verschiedene Gewebeklassen und Diagnosesituationen.
Föderal statt zentral
Die so aufbereiteten Daten durchlaufen dann den Prozess des sogenannten föderierten Lernens. Diese Methode basiert auf einem Algorithmus, der maschinelles Lernen aus Datenquellen verschiedener Standorte ermöglicht. Dabei werden die Daten nicht zentral abgelegt und verlassen die Kliniken nicht, aus denen sie kommen. Stattdessen bleiben sie lokal gespeichert, aber flexibel abrufbar. Damit bleibt der logistische Aufwand gering und die sensiblen Patientendaten sind gut gesichert. Das Besondere am föderierten Lernen: Es verläuft zyklisch. In jedem Zyklus wird eine lokale Version des Algorithmus in der jeweiligen Klinik trainiert und an einen zentralen Server geschickt. Der integriert alle Updates in einen großen Algorithmus, sodass der Haupt-Algorithmus entsteht. Dieser wird dann wieder an die Kliniken verteilt und im nächsten Zyklus beginnt das Training mit der aktualisierten Version des Algorithmus. Der Level des Lernens steigt also stetig und damit auch das Wissen, das den Ärztinnen und Ärzten für die Diagnose zur Verfügung steht.
Exakter und individueller
Um den Aufbau dieses lernenden, digitalen Netzwerkes kümmern sich Informatikerinnen und Informatiker von der Technischen Universität Darmstadt und des Universitätsklinikums Köln. Diese bisher noch wenig stattfindende Kooperation von technischen und klinischen Expertinnen und Experten im Bereich der künstlichen Intelligenz soll mit FED-PATH vorangetrieben werden. Der Nutzen einer solchen Zusammenarbeit ist groß. Mithilfe der im Projekt entwickelten Algorithmen kann Tumorgewebe in Gewebeschnitten automatisch erkannt und damit exaktere Diagnosen gestellt werden. Basierend auf den pathologischen Gewebeschnitten und dem Aussehen des Tumors können die Algorithmen außerdem wichtige Informationen über den Krankheitsverlauf der Patientinnen und Patienten vermitteln. Auf diese Weise wollen die Projektpartner von FED-PATH die Routinediagnostik bei Krebserkrankungen verbessern und individualisierte Therapien unterstützen. Die entwickelten Algorithmen können perspektivisch in die Arbeit der pathologischen Institute integriert werden. Außerdem sollen sie der wissenschaftlichen Gemeinschaft zur Verfügung gestellt werden, um die Entwicklung von KI-Anwendungen in der Medizin insgesamt voranzutreiben.
