Medizinische Bildgebung durch KI verbessern – wie das möglich wird | Mit Daniel Wolf

Kann KI die Medizin revolutionieren? Unseren Ärzt:innen helfen,
schneller zu arbeiten oder sogar bessere Diagnosen zu stellen?


Darüber spricht Christof Layher, Host des ChaosHacker-Talks, in
der neuen Folge mit Daniel Wolf, der am Uniklinikum Ulm forscht.


Sein Thema: Künstliche Intelligenz in der medizinischen
Bildgebung.


Medizinische Bildgebung bedeutet, dass aufgrund von Aufnahmen von
Patient:innen, z.B. Aufnahmen der Haut, CT oder MRT-Bildern
Befunde erstellt werden.


Bisher schauen sich Ärzt:innen diese Bilder an, in Zukunft sollen
sie von KI unterstützt werden.


Die Hoffnung dieser Forschung ist, dass die Bildgebung in der
Radiologie verbessert werden kann und der Workload von Radiologen
verringert werden kann. Denn tendenziell haben wir immer weniger
Radiolog:innen, aber eine immer älter und kränker werdende
Gesellschaft.


Außerdem sind wir alle nur Menschen und können Fehler machen, da
soll die KI „besser“ sein.


Daniel forscht mit seinem Team, trainiert Algorithmen und KIs.
Dafürbenötigt er große Datensätze, zu denen Radiolog:innen
ihre„Meinung“ sagen.


Die KI wird dann entweder mit diesen Daten gefüttert und ist
damit genauso gut wie die Daten, mit denen sie trainiert wurde.


Eine andere Methode ist das Self-Supervised Pre-Training, bei dem
die KI einfach nur mit Bildern gefüttert wird – ohne Labels. Das
Zielist, dass die KI dann selbst Anomalien entdeckt.


Hierzu ist das Quertesten mit Radiolog:innen natürlich besonders
wichtig.


Das große Ziel sind sogar multimodale KI-Modelle, die komplette
Befunde ausgeben und sogar Operationen planen können.


Daniel hat auch mal an den gängigen Modellen (ChatGPT, Gemma
etc.) getestet, wie gut diese darin sind, anatomische Strukturen
in CT-Bildern zu lokalisieren und relative Positionen zu
bestimmen. Allerdings scheitern die gängigen Modelle daran
völlig, da sie sich teilweise mehr auf ihr Vorwissen als auf das
vorliegende Bild beziehen.


Zum Schluss sprechen die beiden noch über den Bias, denn auch der
ist ein „Problem“ in der Forschung. Schließlich liegen
mehrRöntgenaufnahmen von kranken Menschen vor als von gesunden –
man lässt sich ja auch nur röntgen, wenn etwas nicht in Ordnung
ist. Besonders ins Uniklinikum kommen nur Menschen, die wirklich
große Probleme haben.


Zudem gibt es eine neue Studie vom MIT, bei der die KI bei
Röntgenbildern von der Brust bei Frauen und dunkelhäutigen
Personen öfter Dinge übersehen hat als bei weißen Männern. Im
Trainingsdatensatz waren einfach zu wenig Bilder dafür!


Ein weiteres Thema ist, dass Modelle auch infiltriert werden
können, besonders wenn sie mit Daten aus dem Internet trainiert
werden.











Studien:


Vision-Language Models Fail to Identify Relative Positions in
Medical Images":https://wolfda95.github.io/your_other_left/


Evaluating the Explainability of Attributes and Prototypes for a
Medical Classification
Modelhttps://link.springer.com/chapter/10.1007/978-3-031-63787-2_3Demographic
bias of expert-level vision-language foundation models in
medicalimaging


https://www.science.org/doi/10.1126/sciadv.adq0305Weitere
Artikel:https://www.newsguardrealitycheck.com/p/a-well-funded-moscow-based-globalhttps://the-decoder.de/umstrittenes-ki-manipulationsexperiment-der-universitaet-zuerich-auf-reddit-endet-ohne-paper/


https://www.watson.ch/international/wissen/389202255-forscher-warnen-in-neuer-mit-studie-chatgpt-veraendert-gehirnaktivitaet





Content-Empfehlung:
https://barbaraoakley.com/books/a-mind-for-numbers/





00:00:00 Vorstellung Daniel Wolf


00:01:15 Medizinische Bildgebung


00:06:17 Ethische Entscheidungen


00:09:52 Ab wann ist die KI besser als wir?


00:12:09 Trainieren der KI


00:17:51 Trainieren ist Ausprobieren


00:20:21 Multimodale KI-Modelle


00:22:09 Gängige Modelle für Medizin


00:28:21 Was ist überhaupt Intelligenz?


00:32:20 Bias durch Trainingsdaten


00:38:35 Datenschutz und unstrukturierte Daten


00:47:53 Zwei Fragen an Daniel