Auszeichnungen

„Swarm Learning“ – erfolgreiches Training künstlicher Intelligenz bei der Histopathologie von Darmkrebs

23.09.2022 - Für seine Forschungsarbeiten zum Schwarmlernen (Swarm Learning) beim Einsatz der künstlichen Intelligenz bei der Histopathologie von Darmkrebs wurde Professor Dr. Jakob Nikolas Kather vom Else Kröner-Fresenius-Zentrum (EKFZ) für Digitale Gesundheit der TU Dresden mit dem diesjährigen Thannhauser-Preis der Deutschen Gesellschaft für Gastroenterologie, Verdauungs- und Stoffwechselkrankheiten (DGVS) ausgezeichnet.

Prof. Kather erhielt den von der Falk Foundation e.V. gestifteten und mit 10.000 Euro dotierten Preis beim Kongress „Viszeralmedizin 2022“ in Hamburg. Mittels künstlicher Intelligenz (KI) lassen sich molekulare Veränderungen direkt aus Standardpräparaten von Tumorgewebe aus dem Dickdarm vorhersagen. Das Training robuster KI-Systeme erfordert jedoch große Datensätze, deren Sammlung mit praktischen, ethischen und rechtlichen Hindernissen verbunden ist. Diese Hindernisse können durch sogenanntes Schwarmlernen (SL) überwunden werden, wie Prof. Kather anhand der Daten von mehr als 5.000 Patienten zeigen konnte.

Beim Schwarmlernen handelt es sich um ein Konzept, das Algorithmen der KI darauf trainiert, spezielle Strukturen in dezentral gelagerten Datenbeständen zu identifizieren. Durch den dezentralen Ansatz bleiben dabei die Datensicherheit, der Datenschutz und die Datenvertraulichkeit gewahrt. Die beteiligten Partner trainieren gemeinsam KI-Modelle ohne einen Datentransfer untereinander vorzunehmen und vermeiden somit eine monopolistische Datenverwaltung.

Konkret hat die Arbeitsgruppe um Prof. Kather ein multizentrisches Datenset histopathologischer Bilder von mehr als 5000 Patienten untersucht. Es konnte dabei gezeigt werden, dass sich KI-Modelle erfolgreich mittels SL trainieren lassen um beispielsweise BRAF-Mutationen und eine Mikrosatelliteninstabilität in kolorektalen Tumoren zu identifizieren. Die Wissenschaftler*innen haben hierzu KI-Modelle an drei Kohorten von Patient*innen aus Deutschland, Nordirland und den Vereinigten Staaten trainiert.

Die Daten belegen, dass mit SL KI-Modelle trainiert werden können, die die meisten lokal trainierten Modelle übertreffen und gleich gut abschneiden wie die Modelle, die zentral auf zusammengeführten Datensätzen trainiert wurden.

Darüber hinaus konnte Prof. Kather dokumentieren, dass die SL-trainierten KI-Modelle dateneffizient sind. Das Schwarmlernen zum Training von KI-Algorithmen kann somit künftig möglicherweise genutzt werden, um KI-Modelle auch bei anderen histopathologischen Bildern und wahrscheinlich sogar generell bei beliebigen Bildanalyseaufgaben in der Medizin ohne die Notwendigkeit der Datenübertragung zu trainieren.

Thannhauser-Preis

Der in Hamburg verliehene Preis ist nach Siegfried Thannhauser (1885–1962) benannt, der in München, Heidelberg, Düsseldorf und Freiburg tätig war. Der Internist beschäftigte sich wissenschaftlich mit Stoffwechselkrankheiten und lieferte grundlegende Kenntnisse zum Purin- und Cholesterinmetabolismus sowie zur Entstehung der Gicht. Wegen seiner jüdischen Herkunft emigrierte Thannhauser 1935 in die USA und konnte an der Universität Boston seine biochemischen Arbeiten fortsetzen. Zusammen mit dem ebenfalls emigrierten Wissenschaftler Alfred Hauptmann beschrieb er 1941 erstmals eine autosomal dominant vererbte Myopathie, die nach den beiden Erstbeschreibern als Hauptmann-Thannhauser-Muskeldystrophie bezeichnet wird.

Der Thannhauser-Preis wird von der Falk Foundation e.V. gestiftet und seit 1973 alle zwei Jahre von der DGVS im Rahmen ihrer Jahrestagung verliehen. Ausgezeichnet werden hervorragende wissenschaftliche Arbeiten auf dem Gebiet der Verdauungs- und Stoffwechselerkrankungen.

Kontakt

Deutsche Gesellschaft für Gastroenterologie, Verdauungs- und Stoffwechselkrankheiten

Olivaer Platz 7
10707 Berlin

Folgen Sie der
Management & Krankenhaus

 

 

MICROSITE Gesundheits-technologie

Lesen Sie hier

MICROSITE Digitale Identität

Lesen Sie hier

Folgen Sie der
Management & Krankenhaus

 

 

MICROSITE Gesundheits-technologie

Lesen Sie hier

MICROSITE Digitale Identität

Lesen Sie hier