Schluss mit der Sisyphusarbeit in der Medizin

Forscher brauchen oft Tage für die Analyse von Scans. Eine neue KI erledigt den Job nach wenigen Klicks fast von allein und präziser als je zuvor.

gpt-image-1 | All-AI.de

Die Analyse medizinischer Bilder ist ein Nadelöhr der klinischen Forschung – langsam, teuer und personalintensiv. Forscher des MIT haben nun eine KI-Lösung namens MultiverSeg vorgestellt, die diesen Prozess drastisch beschleunigen könnte. Das System lernt interaktiv vom Nutzer und übertrifft in Tests bereits hochspezialisierte Modelle. Dieser Fortschritt könnte die Entwicklung neuer Therapien erheblich vorantreiben und Kosten senken.

Vom Klick zur intelligenten Analyse

Bisherige KI-Systeme zur Bildanalyse erfordern oft ein aufwendiges Training mit tausenden von manuell markierten Bildern. MultiverSeg verfolgt einen anderen Ansatz. Der Nutzer beginnt, indem er relevante Bereiche in einem CT-Scan oder einer MRT-Aufnahme mit einfachen Klicks oder groben Skizzen markiert. Die KI lernt aus diesen Eingaben und wird mit jedem weiteren bearbeiteten Bild desselben Datensatzes präziser und schneller.

Dieser Prozess des „In-Context-Learnings“ ist der entscheidende Vorteil. Das System nutzt alle bereits segmentierten Bilder als Kontext für neue Vorhersagen. Schon nach der Markierung von etwa neun Bildern reichen oft zwei Klicks aus, um eine Segmentierung zu erstellen, die genauer ist als die von speziell trainierten Modellen. Das System baut auf dem Vorgängermodell ScribblePrompt auf, das die Annotationszeit bereits deutlich reduzierte, geht aber durch die kontextuelle Nutzung ganzer Datensätze noch einen entscheidenden Schritt weiter.

Weniger Aufwand, höhere Präzision

Die Ergebnisse des MIT-Teams sind beeindruckend. In Tests erreichte MultiverSeg eine Genauigkeit von 90 Prozent, benötigte dafür aber rund zwei Drittel weniger Skizzen und drei Viertel weniger Klicks als vergleichbare interaktive Systeme. Besonders bei Röntgenaufnahmen genügen oft schon ein oder zwei manuell bearbeitete Bilder, bevor die KI die Arbeit in den folgenden Aufnahmen weitgehend selbstständig übernimmt.

Die praktischen Auswirkungen dieses Effizienzgewinns sind erheblich. Klinische Studien, die auf der Analyse hunderter Scans basieren, könnten in einem Bruchteil der bisherigen Zeit und Kosten durchgeführt werden. Das beschleunigt nicht nur die Forschung, sondern verbessert potenziell auch klinische Anwendungen wie die Planung von Strahlentherapien, bei der präzise und schnelle Segmentierungen von Tumoren und gesundem Gewebe entscheidend sind.

Deutsche Forschung und nächste Schritte

Auch in Deutschland wird intensiv an ähnlichen Technologien geforscht. Ein Team der Universität Würzburg hat kürzlich ein KI-Modell zur Interpretation dreidimensionaler medizinischer Daten vorgestellt, das ebenfalls auf Nutzerfeedback reagiert. An der TU München treibt der Leibniz-Preisträger Daniel Rückert die Forschung an KI-Systemen für eine effizientere medizinische Bildverarbeitung voran. Die Entwicklungen ergänzen sich und zeigen einen klaren Trend hin zu interaktiven, lernfähigen Systemen.

Die MIT-Forscher planen nun, MultiverSeg in realen klinischen Umgebungen zu testen und das Feedback von Ärzten und Wissenschaftlern einzuarbeiten. Ein weiteres Ziel ist die Erweiterung des Systems für die Analyse von dreidimensionalen biomedizinischen Bildern. Diese Technologie steht zwar noch am Anfang ihrer Implementierung, hat aber das Potenzial, die medizinische Diagnostik und Forschung nachhaltig zu verändern.

Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter - dauert nur Sekunden.

Teile diesen Beitrag

Folge uns auf Social Media

Unterstütze uns direkt

KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir!