Diese Webseite nutzt Cookies

Diese Webseite nutzt Cookies zur Verbesserung des Erlebnisses unserer Besucher. Indem Sie weiterhin auf dieser Webseite navigieren, erklären Sie sich mit unserer Verwendung von Cookies einverstanden.

Einige dieser Cookies sind technisch zwingend notwendig, um gewissen Funktionen der Webseite zu gewährleisten.

Darüber hinaus verwenden wir einige Cookies, die dazu dienen, Informationen über das Benutzerverhalten auf dieser Webseite zu gewinnen und unsere Webseite auf Basis dieser Informationen stetig zu verbessern.

Skip to main content

Bildgebende Diagnostik: Der Computer ist besser als der Mensch


Viele Mediziner sind zunehmend mit den Massen an Daten, die sie zu bearbeiten haben, hoffnungslos überfordert. Daher arbeiten Expertenteams aus Industrie und Forschung an Lösungen, um die Flut der immer komplexer werdenden medizinischen Daten automatisiert zu erkennen und auf dieser Grundlage Unterstützung bei der Diagnosefindung zu leisten. Für den Fraunhofer MEVIS-Forscher Dr. Markus Harz ist das Interesse an Ansätzen zur automatischen Bilderkennung keineswegs überraschend. „Dank Deep-Learning-Methoden befinden wir uns in einer neuen Zeit von automatisierter Diagnostik und sie kommt gerade zur rechten Zeit.“

Bereits 2016 haben wir das Projekt ‚Automation in Medical Imaging‘ (AMI) vorgestellt. Welche Fortschritte gibt es?

Zusammen mit der Diagnostic Image Analysis Group (DIAG) in Nijmegen entwickeln wir eine selbstlernende Software, die tatsächliche klinische Probleme lösen soll. Erst vor wenigen Wochen haben wir unser Halbzeit-Meeting mit Vertretern aus Industrie und Forschung durchgeführt. Dort haben wir aktuelle Ergebnisse sowie Marktpotenziale vorgestellt. Das Interesse an diesem Projekt ist enorm. Zur Verhandlung steht alles von der Lizensierung über den Verkauf von Lösungen bis hin zur Ausgründung eines eigenen Unternehmens. Wir können kaum die Anfragen befriedigen, die wir von überall her bekommen.


Datenrechte: Asklepios-Klinik Barmbeck, Hamburg. Bildrechte (c) 2017 Fraunhofer MEVIS

Woran liegt das große Interesse an künstlicher Intelligenz?

Wann immer Forscher feststellen, dass der Computer dem Menschen unterlegen ist, stecken sie ihre volle Energie hinein, um zu nachzuweisen, dass der Computer es am Ende auch kann. Mittlerweile sind Computer in vielen Domänen auf dem Weg, schneller und genauer zu urteilen, als wir Menschen. Das gilt nicht nur für die Medizin. Computer erlernen heute Fähigkeiten, die bis vor kurzer Zeit noch unvorstellbar waren. So können sie kreativ sein, lügen oder Humor zum Ausdruck bringen. Auch können sie inzwischen dichten oder Musik komponieren.

Manches davon funktioniert inzwischen beim Computer so gut, dass wir seine Leistungen nicht mehr von denen des Menschen unterscheiden können. Der Computer blufft beim Pokern besser als der Mensch; er kann sogar ein echtes von einem falschen Lachen präziser unterscheiden, natürlich nur auf Bildern, die Computern und Menschen zum Vergleich vorgelegt werden und die sonst keinen Kontext liefern. Menschen sind nicht so gut darin, ein statisches Gesicht zu beurteilen. Wir brauchen dafür Kontext und Mimik.

Gibt es heute schon Fälle, bei denen der Computer Auffälligkeiten entdeckt, die dem Radiologen entgehen und die er dann auch einordnen kann?

Unsere Kollegen in Nijmegen haben eine Studie durchgeführt, bei der 13 Experten in Lungen-CTs Läsionen suchen und klassifizieren sollten. Die gleiche Aufgabe haben sie einem Computer gestellt. Im Ergebnis war der Computer besser als jeder der einzelnen Experten. Damit ein solches Ergebnis zustande kommt, muss der Computer Entscheidungen besser getroffen haben als der Mensch. Entweder haben die Experten Dinge übersehen oder sie haben, was sie sahen, falsch beurteilt. Der Computer konnte es in dieser Aufgabenstellung besser als der Mensch. Das führt manche Experten zu der Vorhersage, dass zukünftig die Diagnose von Tumoren eine Aufgabe des Computers sein könnte, selbstverständlich mit abschließender Validierung durch den Radiologen.

Wo sehen Sie die Grenzen der automatisierten Diagnostik?

Grundsätzlich sind mit Deep-Learning-Methoden gefütterte Computer derzeit noch sehr schlecht darin zu abstrahieren, also beispielsweise Erkenntnisse von einer Domäne auf eine andere zu übertragen. Auch können sie bislang nur in sehr wenigen Fällen Konzepte erlernen und übertragen. Darum brauchen sie viel mehr Beispiele als Menschen, um das Gleiche zu erlernen.

Eine weitere Grenze liegt dort, wo dem Computer das Vorwissen oder der Kontext fehlt. In einem hypothetischen Szenario, bei dem der Computer alle Information wie Geschlecht, Alter, Laborwerte, Patienten- und Familienhistorie digital zur Verfügung hat, sehe ich wichtige Grenzen beim Patienteneinverständnis und der Aufarbeitung der Daten. Denn lege ich die Daten einfach nur ab, reicht das nicht aus, um Computerunterstützung zu generieren. Die Daten müssen nach Erkenntniszielen aufarbeitet werden, es bedarf vieler Datensätze und angereichertem Mehrwissen, damit es funktioniert. Das geht bislang nicht automatisch und wird noch lange ein limitierender Faktor sein. Doch sobald Menschen dem Computer auch diese Informationen zugänglich gemacht haben werden, wird er auch dabei sicherere Entscheidungen treffen können. Die Vorhersage ist also klar: Der Computer wird irgendwann auf der kognitiven Ebene alles können, was der Mensch auch kann - nur besser und schneller.

Profil: 

Dr. Markus Harz ist Informatiker und arbeitete sechs Monate lang in einem Brustkrebszentrum in den USA und hat seinen Arbeitsplatz derzeit in der Radiologischen Abteilung eines großen Krankenhauses in Hamburg, wo er an Deep-Learning-basierten Methoden zur Unterstützung der Radiologie forscht. Dr. Harz verfügt nicht nur über umfangreiche Kenntnisse in der klinischen Praxis, sondern bringt auch sieben Jahre Erfahrung im Projektmanagement und zehn Jahre Erfahrung in der Analyse medizinischer Bildgebungsdaten mit. In seiner Dissertation entwickelte Dr. Harz Methoden für die Computerunterstützung komplexer bildgebungsbasierter klinischer Aufgaben.

Lassen Sie sich inspirieren