KI-Projekte »Life Sciences & Health Care«

© adam121 / Fotolia

Der Einsatz intelligenter Systeme im Gesundheitsbereich, in der Pflege und im häuslichen Umfeld ist vielfältig: Im Gesundheitsbereich können sie große Bestände von Krankenakten, medizinischen Berichten, DNA-Analysen und Bildern aus den verschiedensten Quellen automatisch interpretieren und das Wissen nutzen, um Eigenschaften von Medikamenten oder Krankheitsrisiken prognostizieren. Natürlich-sprachliche Systeme unterstützen Ärzte bei der Diagnose und Therapieplanung. Vernetzte Geräte überwachen Patienten im Alltag oder Roboterarme assistieren bei chirurgischen Eingriffen oder der Justierung von Bestrahlungsgeräten. In der Pflege entlasten technische Assistenzsysteme das Personal bei körperlich belastenden Aufgaben. Neuartige Sensoren, Geh- und Manipulationshilfen, Orthesen und Prothesen ermöglichen im Alter ein selbstbestimmtes Leben. Telepräsenzroboter erlauben eine Ferndiagnose, überwachen Körperfunktionen oder Medikamenteneinnahme und stimulieren die soziale Interaktion. Brain-Computer- oder Brain-Machine-Interfaces können direkt das Gehirn stimulieren oder über Elektroden Signale ableiten und zur Steuerung von Computern und Prothesen einsetzen.

  • Fokussierte Ultraschalltherapie

     

    Die fokussierte Ultraschalltherapie (FUS) ist eine der am wenigsten invasiven Chirurgieverfahren in Tumorfällen. Dabei wird das Tumorgewebe durch Ultraschall-Erhitzung zerstört. Bisher findet es nur im Kopfbereich Anwendung, wo es keine Bewegungen des Zieles gibt. Bei Bewegungen des Zielorgans wird gesundes Gewebe verletzt. Das Projekt ESWT der Fraunhofer-Institute FOKUS, MEVIS, EMI, ITWM und SCAI zielte darauf ab, fokussierte Ultraschalltherapie sicherer zu machen. FOKUS entwickelte eine Software für die Vorhersage der Organbewegungen, basierend auf MRT-Bildern und Atmungssensoren. So ist es möglich beim Einsatz der FUS die Bewegungen des Körpers auszugleichen: Die Strahlen folgen den Bewegungen und treffen zielsicher den Tumor.

    Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS

     

     

    © Fraunhofer FOKUS

    Optimierung der selektiven internen Radiotherapie von Lebertumoren

     

    Entscheidungen in der selektiven internen Radiotherapie (SIRT) der Leber beruhen wesentlich auf der Auswertung von Bilddaten. Um einen effizienten und standardisierten Workflow im klinischen Alltag zu ermöglichen, werden in SIRTOP neue Methoden zur Optimierung wesentlicher Teilschritte erforscht. Automatisierte und auf Methoden des maschinellen Lernens beruhende Verfahren werden entwickelt, um die globale und lokale Tumorlast zu bestimmen und die darauf beruhende Dosimetrie der SIRT-Partikel zu verbessern. Multimodale Daten (CT, MRT, PET, SPECT, CBCT) werden durch neue Algorithmen analysiert, kombiniert und in Softwaresysteme integriert, die die Intervention selbst, aber auch die postinterventionelle Kontrolle unterstützen.

    Fraunhofer-Institut für Bildgestützte Medizin MEVIS

     

     

    Assistenzsysteme für die minimal-invasive Chirurgie und Endoskopie

     

    Endoskope finden seit vielen Jahren Anwendung bei der Diagnose und Therapie im Körperinneren. Die Interpretation der endoskopischen Bilder und Bildsequenzen basiert weitgehend auf Erfahrungswerten der Ärzte und ist somit sehr subjektiv. Systeme und Verfahren zur automatischen Charakterisierung und Klassifikation auffälliger Gewebe oder zur echtzeitfähigen und robusten Detektion von Darmpolypen und anderen suspekten Läsionen verbessern die Diagnose. Für die minimal-invasive Chirurgie entwickelt das Fraunhofer IIS echtzeitfähige Verfahren für eine verbesserte Orientierung und Navigation im Körperinneren: zum Beispiel sensorgestützte Systeme zur Bildaufrichtung bei Distalchip-Endoskopen, echtzeitfähige Bildpanoramen zur Blickfelderweiterung und Dokumentation, sowie Verfahren zur Erkennung, Verfolgung und Dokumentation von Instrumentarien während chirurgischer Eingriffe.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

    © Fraunhofer IIS / Kurt Fuchs
  • Parkinson-Früherkennung

     

    Parkinson ist eine der häufigsten neurodegenerativen Erkrankungen. In frühen Stadien werden die Symptome häufig leicht übersehen, insbesondere da sie mit klassischen Diagnosetechniken (Biomarker, Bildgebung) nicht oder nur schwer zu erkennen sind. Jedoch ist eine frühe Intervention wichtig und hat einen großen Einfluss auf den Krankheits- und Behandlungsverlauf. Eine App, welche vom Nutzer auf dem Smartphone bzw. der Smartwatch installiert wird, nutzt deren Sensoren um Anzeichen von Tremor, Veränderungen in der Sprechweise, der Mimik und der allgemeinen körperlichen Verfassung zu erfassen. Bei Hinweisen auf eine Parkinsonerkrankung meldet die App, dass ein Arzt konsultiert werden sollte.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

  • Einfühlsame Unterstützung in den eigenen vier Wänden

     

    Künstliche Intelligenz wird den Menschen zukünftig in vielen Lebenslagen unterstützen – auch in den eigenen vier Wänden. Der KI-Assistent, den Fraunhofer-Forscher als Partner in einem multinationalen Projekt entwickeln, soll Senioren als Dialog-Partner und Service-Kraft im Wohnumfeld zur Hand gehen. Die Künstliche Intelligenz ist nicht nur tatkräftig, sondern auch einfühlsam: Sie interpretiert das Verhalten und den emotionalen Zustand des Nutzers und stellt sich darauf ein. Der Bedarf ist enorm, denn selbstbestimmtes Wohnen ist einer der wichtigsten Wünsche alter Menschen.

    Fraunhofer-Institut für Graphische Datenverarbeitung IGD

     

     

    © Fraunhofer IGD

    Interaktionssystem für Menschen mit Lähmungs- und Nervenerkrankungen

     

    Menschen mit schwerer körperlicher Behinderung sind in ihren Kommunikations- und Interaktionsmöglichkeiten stark eingeschränkt. Brain-Computer-Interfaces (BNCI) sind ein Ansatz, die Handlungsspielräume der Betroffenen zu erweitern. Sie schaffen eine direkte Verbindung zwischen Gehirnströmen und intelligenter Software. Das ermöglicht es den Betroffenen zum Beispiel, elektronische Geräte zu bedienen. Das Fraunhofer FIT hat einen innovativen BNCI-Prototyp entwickelt, auf Basis neuester Erkenntnisse in den Bereichen Affective Computing und Machine Learning.

    Fraunhofer-Institut für Angewandte Informationstechnik FIT

     

     

    © RoBeDeRo / istock

    Sicherheit und Unterstützung für Senioren durch Integration von Technik und Dienstleistung

     

    Die Wohnung des Seniors wird mit funkbasierter Sensorik (Schaltkontakte und Bewegungsmelder) ausgestattet. Die IT-Plattform aggregiert die eingehenden Sensordaten und schließt, nach einer Anlernphase, auf die gerade stattfindende Aktivität des Seniors (z.B. Zubereitung des Frühstücks). Senioren haben mit zunehmendem Alter einen sehr geregelten und strukturierten Tagesablauf, den sich die Software hierbei zunutze macht. Bei akuter Hilflosigkeit wird die nächste DRK Rettungswache alarmiert, schleichende Veränderungen in den ADL’s werden anonymisiert an den zugeordneten Pflegestützpunkt übermittelt, der dann ggf. ein Gesprächsangebot macht, um gemeinsam mit dem Senior über mögliche Ursachen und verfügbaren Lösungen zu sprechen. 

    Fraunhofer-Institut für Experimentelles Software Engineering IESE

     

     

    © Fraunhofer IESE
  • High Content Analyse von medizinischen und biologischen Daten

     

    Automatisierte Experimente in der translationalen Forschung, Diagnostik und Therapiebegleitung können mit supervisierten Lernverfahren ausgewertet werden. Fachnutzer geben anwendungsspezifische Erkennungen oder Klassifikationen vor. Fraunhofer FIT hat modulare Verfahren für verschiedene Bilder entwickelt (Zellkulturen, Gewebe, Zeitserien). Zeta ist ein Rahmenwerk, das die inkrementelle Anwendungsentwicklung erleichtert und in industriellen Anwendungen im Einsatz ist. Anhand von Beispielen können Bakterien zur Sepsisfrüherkennung erkannt, gezählt und klassifiziert werden, Zellen nach Zellzyklusphase eingeteilt (Krebsforschung) oder pathologische Proben nach Gewebeklassen eingeteilt und quantifiziert werden (klin. Forschung). Eine weitere Anwendung ist die Signalanalyse von Spektren (Massenspektren, Raman-Spektren, CHIP-seq), und kontinuierlichen Signalen. Ein dritter Anwendungsbereich ist die Auswertung komplexer Datensätze.

    Fraunhofer-Institut für Angewandte Informationstechnik FIT

    High Content Analyse von medizinischen und biologischen Daten - ZETA

     

     

    © Fraunhofer FIT

    Quantitative Medizin

     

    Quantifizierbares medizinisches Wissen, das aus Bilddaten (CT, MRT, Ultraschall), Labordaten (z.B. Blut, Liquor) und Biosensordaten systematisch erzeugt, angehäuft und validiert wird, kann klinische Entscheidungen zuverlässiger, genauer und effizienter machen. Es ermöglicht robuste, nachvollziehbare und korrigierbare klinische Softwarelösungen, die datengetriebene und interaktive Wissensgenerierung mit medizinischem Leitlinienwissen kombinieren. Patientenindividuelle Daten werden im Sinne der disziplinübergreifenden Extraktion morphologischer und physiologischer Merkmale (Phänotypisierung) mit Wissen und Informationen über relevante Populationen verknüpft. Dazu werden sowohl unüberwachte Verfahren des maschinellen Lernens zur Reduktion der Datenmenge und zur Identifikation häufig auftretender Muster eingesetzt, als auch überwachte und verstärkende Lernverfahren in Bezug zu klinischen Parametern bzw. iterativen Benutzereingaben.

    Fraunhofer-Institut für Bildgestützte Medizin MEVIS

    Quantitative Medizin - QuantMed

     

     

    Automatisierung Bildgebender Verfahren in der Medizin

     

    Bildgebende Verfahren sind unverändert wichtig in der Medizin – als Diagnosewerkzeug, zur Therapieentscheidung und begleitend zu therapeutischen Maßnahmen. Klinische Applikationen mit Deep-Learning-Algorithmen verarbeiten CT-Scans, histopathologische und ophthalmologische Bilder und Volumen in großen Mengen, um Mikrometastasen schon in einem sehr frühen Wachstumsstadium automatisch zu erkennen und für die onkologische Verlaufskontrolle zu quantifizieren. Dabei sind sie in der Lage, aus den Korrekturen der Ärzte zu lernen.

    Fraunhofer-Institut für Bildgestützte Medizin MEVIS

     

     

    © Fraunhofer MEVIS

    Bildanalyse für radiologische Bilddaten

     

    Ein System zur Unterscheidung von gut- und bösartigen Läsionen in der Brust ermöglicht die Analyse von Herdbefunden und Mikroverkalkungen in 2D- und 3D-Mammographien. Dazu werden bildbasiert ähnliche, histologisch gesicherte Fälle aus einer Referenzdatenbank ermittelt, visualisiert und Diagnosehinweise erstellt. In einer vorklinischen Studie wurde eine deutliche Verbesserung der Befundungsleistung bei der Diagnose von gruppiertem Mikrokalk nachgewiesen. Erweiterte Verfahren sind inzwischen auch für die Charakterisierung von Brustgeweben aus digitalen Tomosynthesedaten verfügbar. Aktuelle Forschungen und Entwicklungen zielen in Richtung »Radiomics«, um aus radiologischen Bilddaten direkt abzuleiten, wie der bestmögliche Behandlungspfad für einen Patienten zu gestalten ist.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    © Fraunhofer IIS/Kurt Fuchs

    Bildanalyse für die computer-assistierte Mikroskopie  

     

    Laboranalysen sind ein Schlüsselbereich der modernen Medizin. Das Fraunhofer IIS nutzt Methoden des maschinellen Lernens, um Mediziner bei der Auswertung komplexer Labordaten zu unterstützen. Zum Beispiel hilft die Künstliche Intelligenz dabei, mikroskopisch oder endoskopisch aufgenommene Bilder von Zellen, Geweben oder Schleimhautoberflächen auf verdächtige Merkmale hin zu untersuchen. Hier kommen Methoden der wissensbasierten Bilderkennung und Mustererkennung zum Einsatz.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    © Fraunhofer IIS

    Fusion und Auswertung von Biosignalen

     

    Biosignale – meist handelt es sich dabei um elektrische Spannungen, wie sie etwa beim EKG gemessen werden – liefern Medizinern wichtige diagnostische Hinweise. Mit Hilfe von adaptiven Algorithmen lassen sich diese körperbezogenen Daten intelligent auswerten. Besonders das geschickte Verknüpfen unterschiedlicher Parameter erlaubt sehr viel zuverlässigere und aussagekräftigere Befunde. Ein Forschungsfeld, mit dem sich das Fraunhofer IIS intensiv beschäftigt.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

    © Fraunhofer IIS
  • Textextraktion und semantische Integration in der Biomedizin

     

    Für die Interpretation von molekularen Patientendaten wird es immer wichtiger, personalisierte Daten aus elektronischen Patientenakten direkt mit dem aktuellen Wissen zu vergleichen. Dieses ‚a priori’ Wissen ist meist nur in der aktuellen Fachliteratur, Patenten, Beipackzetteln etc. vorhanden. Text-Mining-Methoden verschaffen schnell einen Überblick, extrahieren relevante Zusammenhänge und erleichtern Aufbau und Pflege hoch strukturierter Wissensressourcen zur Interpretation von Patientendaten. Anwendungsbeispiele sind die semantische Suchmaschine SCAIView, die einen schnellen Überblick über die Medline Publikationen gibt, und der Informationsextraktionsworkflow BELIEF, der die Extraktion von kausalen Netzwerken unterstützt und zusätzlich ein Kurierungsinterface zur Bewertung und Korrektur der Daten gibt.

    Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI

    Textextraktion und semantische Integration in der Biomedizin - BIO

    © Fraunhofer SCAI