Ein vielversprechendes Einsatzszenario für Künstliche Intelligenz (KI) in der Medizin ist die Diagnostik mit Hilfe bildgebender Verfahren. Hier kann KI Ärztinnen und Ärzte bei der Bildauswertung sowie bei den darauf basierenden Einschätzungen und Entscheidungen unterstützen.

KI in der Osteoporose-Diagnostik: Konkret geht es dabei um die Einstufung von Wirbelfrakturen. Der Einsatz von Prototype Learning, einer Methode des Maschinellen Lernens (ML), hilft Ärztinnen und Ärzten bei der Bildauswertung: Der Ansatz des Fraunhofer-Instituts für Kognitive Systeme IKS erleichtert die Nachvollziehbarkeit und Interpretierbarkeit der KI-Entscheidung für Ärzte, u.a. indem der ausschlaggebende Bildbereich auf dem CT-Bild markiert wird.

KI optimiert Blutzellen-Klassifikation: Das Fraunhofer IKS zeigt ein Verfahren, das zuerst typische Merkmale für die Klassifikation durch Ärzte abfragt und dieses Expertenwissen als Input für das Training des KI-Modells nutzt. Dieser Ansatz kann Ärztinnen und Ärzten bei der Erkennung von Blutkrebs (z.B. Leukämie, Lymphdrüsenkrebs) Hilfestellung leisten.

KI-basierte Brustkrebs-Erkennung in histopathologischen Bildern: Basierend auf dem Lernen von Teilaufgaben haben die Forscherinnen und Forscher des Fraunhofer IKS einen KI-Ansatz entwickelt, welcher bereits mit wenigen Daten Ärzte in der Brustkrebs-Diagnostik unterstützt.

Gemeinsam stärker: Quantencomputing und KI: Vorgestellt wird ein hybrider Quantum-KI-Algorithmus (QCNN), welcher, ähnlich dem vorherigen Fall, bereits mit wenigen verfügbaren Bilddaten eine verlässliche Erkennung von Brustkrebs auf CT-Bildern ermöglicht.

Diese Anwendungsfälle zeigen Forscherinnen des Fraunhofer IKS auf der DMEA vom 9. bis 11. April auf dem Berliner Messegelände am Fraunhofer-Gemeinschaftsstand, Halle 2.2 / Stand D-108.