Effizientes Screening wäre ein entscheidender Schritt im Kampf gegen die Krankheit COVID-19. Jüngste Ergebnisse zeigen, dass Infizierte repräsentative Anomalien in der Brustradiographie aufweisen. COVID-19-Infektionen könnten sich also auf diesem Weg effektiv nachweisen lassen. Die Initiative KIPOLY verfolgt diesen Ansatz mit Hilfe künstlicher Intelligenz.
Über KIPOLY
Die Initiative KIPOLY verfolgt das Ziel, mit Hilfe künstlicher Intelligenz (KI) ein effektives Screening von COVID-19-Infizierten zu ermöglichen. Vor diesem Hintergrund entwickelt sie Detektions-Mark-up-Tools und neuronale Netze, die auf den Nachweis von COVID-19 und anderen Lungenerkrankungen zugeschnitten sind. Die neuronalen Netze basieren auf einer Deep-Learning-KI, die als Datenquelle auf Röntgenbilder der Brust zugreift. Eingesetzt werden die neuronalen Netze mit der eigens dafür konzipierten Software PolyNet.
Die Idee: Nach Eingabe des Röntgenbildes eines Patienten über eine entsprechend konzipierte Plattform gibt PolyNet die Wahrscheinlichkeit einer Lungenentzündung zusammen mit einer Heatmap aus, die die Bildbereiche lokalisiert, die am ehesten auf eine Lungenentzündung hindeuten. Diese Informationen ermöglichen dann, eine der folgenden vier Vorhersagen zu treffen:
a) keine Infektion (normal),
b) bakterielle Infektion,
c) nicht-COVID-Virusinfektion oder
d) COVID-19-Virusinfektion.
Durch die Vorhersagen erhält der behandelnde Arzt Hilfe für die Entscheidung, ob der Patient für einen PCR-Test priorisiert werden sollte.
Nach ihrer Fertigstellung soll die KIPOLY-Plattform für Krankenhäuser über eine Cloud-basierte Anwendung zugänglich gemacht werden. Auf dieser Basis kann eine hervorragende medizinische Unterstützung weltweit und speziell in Ländern oder Regionen mit einem unterentwickelten medizinischen Versorgungsniveau zur Verfügung gestellt werden.
„Unser Ziel ist es, eine medizinisch bewährte Plattform zu entwickeln, die von medizinischen Fachkräften genutzt wird, um praktische Deep-Learning-Lösungen zur Erkennung von COVID-19-Fällen zu nutzen und die Behandlung derjenigen zu beschleunigen, die sie am dringendsten benötigen.“
Dr. Rolf Henning, Managing Director von KIPOLY
Unterstützer der Inititative
Eine der ersten nationalen Unterstützerinnen von KIPOLY war die Medizinische Hochschule Hannover (MHH). Zwischen den beiden Institutionen besteht ein Kooperationsvertrag. Daneben konnten auch Prof. Dr. med. Jens Vogel-Claussen und Dr. med. Hinrich Winther vom Institut für Diagnostische und Interventionelle Radiologie der MHH für die Mitarbeit im KIPOLY-Team gewonnen werden.
Internationale Unterstützung erhält KIPOLY von der IPAG Universität in Paris. Prof. Hans-Jörg von Mettenheim konnte als Experte für Künstliche Intelligenz und Prof. Maria-Guiseppina Bruna als Spezialistin für Ethik und Nachhaltigkeit gewonnen werden.
Darüber hinaus entsteht aktuell ein nationales und internationales Netzwerk von medizinischen Kliniken, um einerseits die Datenbasis und den Datenaustausch und andererseits den Erfahrungsaustausch weiter skalieren zu können.
Sämtliche Programmieraufgaben werden von der Firma edicos aus Hannover ausgeführt.
An KIPOLY teilnehmen
Die Erstellung eines präzisen Deep-Learning-Modells erfordert eine beträchtliche Datenmenge. Da sich COVID-19 erst seit einigen Monaten ausbreitet, gibt es nur sehr wenige öffentlich verfügbare Daten. Forscher, Ärzte, Kliniken und Organisationen des Gesundheitswesens sind daher herzlich eingeladen sich an KIPOLY zu beteiligen.
KIPOLY sammelt für das Training der KI-Modelle neben Daten aus Open-Source-Projekten insbesondere Daten aus Krankenhäusern. Angestrebt wird ein Datensatz von mindestens 1.000 COVID-19-Fällen und mehreren tausend NON-COVID-19-Fällen.
Die Teilnahme ist über die Website von KIPOLY möglich. Dort finden sich auch detailliertere Informationen über die Initiative und ihren Forschungsansatz.
„Wir hoffen, dass unsere Bemühungen einen Grundstein für den Einsatz von KI in der medizinischen Diagnostik bilden können.„
Dr. Rolf Henning, Managing Director von KIPOLY
