Zum Inhalt springen

KI im Gesundheitswesen: Warum ist es besser, klein statt groß zu denken?

Dortmund, 31. Oktober 2024

Prof. Dr. Yiyu Shi hat eine Professur für Informatik und Ingenieurwesen an der University of Notre Dame, USA, und ist Direktor des dortigen Sustainable Computing Laboratory. Seine Forschung konzentriert sich auf Deep Learning, Hardwarebeschleunigung und medizinische Anwendungen. Shi ist auch „Visiting Scientist“ am Boston Children's Hospital, dem primären pädiatrischen Programm der Harvard Medical School, und daher mit der Schnittstelle zwischen Wissenschaft und Klinik bestens vertraut. Der 40-jährige Forscher ist der korrespondierende Autor eines Perspective-Artikels in Nature Machine Intelligence zum Thema Ressourcenbewusstseins in der künstlichen Intelligenz für das Gesundheitswesen. Ein Bericht zum Artikel, zu dessen Autor:innen auch ISAS-Forscher Dr. Jianxu Chen zählt, ist am 21. Oktober hier auf ISAS Kompakt erschienen.

Portrait von Prof. Dr. Yiyu Shi.

Prof. Dr. Yiyu Shi kennt die Schnittstelle zwischen Wissenschaft und Klinik besonders gut. Shi lehrt an der University of Notre Dame (USA) und forscht am bosten Children's Hospital.

© ISAS / Hannes Woidich

Lesetipp

Jia, Z., Chen, J., Xu, X., Kheir, J., Hu, J., Xiao, H., Peng, S., Hu, X.S., Chen, D., Shi, Y.
(2023) The importance of resource awareness in artificial intelligence for healthcare. Nature Machine Intelligence (5): 687-698. https://doi.org/10.1038/s42256-023-00670-0

Professor Shi, glauben Sie, dass sich Krankenhäuser angesichts der Energiekosten nicht nur darauf konzentrieren sollten, die Kosten für die Gebäude und medizinischen Geräte wie MRT zu senken, sondern auch darüber nachdenken sollten, wie sie mit ihren Daten umgehen?

Shi: Ja, natürlich. Energie ist immer ein Problem, weil viele Krankenhäuser ihre Daten lokal speichern müssen. Und das kann in Zukunft ein noch größeres Problem werden, weil nicht jedes Krankenhaus über alle Einrichtungen verfügt, die für ein umfassendes Datenzentrum erforderlich wären. Was die Nutzung der Daten angeht, so möchte man sie analysieren oder modernste Modelle des maschinellen Lernens oder andere fortgeschrittene Techniken anwenden. Aber auch diese verbrauchen eine große Menge an Energie. Deshalb befassen wir uns mit der Nachhaltigkeit dieser Art von KI-Techniken. Wir wollen dazu beitragen, den Energiebedarf für die Datenspeicherung und -analyse gleichzeitig zu verringern.

Wenn Sie an die technologischen Aspekte denken, warum plädieren Sie und Ihre Co-Autor:innen für Recycling und „thinking small“, indem man Algorithmen verwendet, die für winzige Netzwerke entwickelt wurden, oder indem man die Größe der Modelle reduziert?

Shi: Es erfordert eine Menge Ressourcen, ein Modell von Grund auf zu trainieren. Ich verstehe die Idee, denn jedes einzelne Krankenhaus hat seine eigenen spezifischen Daten. Es besteht zwar die Notwendigkeit, ein personalisiertes Modell für jedes einzelne Zentrum oder Krankenhaus zu erarbeiten, aber ich denke, es ist mehr oder weniger Verschwendung, jedes Modell von Grund auf zu trainieren. Man kann von einem vortrainierten Modell ausgehen, das ein gewisses Wissen über ein bestimmtes Problem hat, und es anschließend auf der Grundlage der spezifischen Bedürfnisse feinabstimmen. Das würde eine Menge Ressourcen sparen. Also ja, bis zu einem gewissen Grad können wir recyceln. Auch die Größe des Modells spielt eine Rolle, denn selbst wenn man ein Modell nimmt, das bereits für ein bestimmtes Krankenhaus trainiert wurde, wird jedes Mal, wenn man Inferenzen für diesen Teil durchführen muss, ein großer Energieverbrauch entstehen. Ein kleineres Modell würde nicht unbedingt die gleiche Leistung wie ein Modell regulärer Größe erbringen, aber je kleiner es ist, desto besser ist es im Hinblick auf den Ressourcenverbrauch. Um es auf den Punkt zu bringen: Am besten ist es, ein Modell zu finden, das gerade groß genug ist, um den Bedarf zu decken, und gleichzeitig nicht zu groß, um die Ressourcen zu sehr zu beanspruchen.

Dr. Jianxu Chen (links) und Prof. Dr. Yiyu Shi im Foyer des ISAS.

Dr. Jianxu Chen (links) von der ISAS-Forschungsgruppe AMBIOM und Prof. Dr. Yiyu Shi von der University of Notre Dame (USA) gehören zu den Autor:innen der Publikation in Nature Machine Intelligence. Das Foto entstand bei einem Gastvortrag am ISAS.

© ISAS / Hannes Woidich

Sie schreiben, dass die Netzwerkinfrastruktur in Krankenhäusern und anderen Einrichtungen des Gesundheitswesens derzeit für große Datenmengen, wie sie zum Beispiel für Deep Learning erforderlich sind, nicht ausgelegt ist. Was wäre nötig, um tiefe neuronale Netze kollaborativ zu trainieren?

Shi: Um beispielsweise die Daten zum Trainieren eines Modells zu teilen, müssen alle persönlichen Patienten-informationen entfernt werden, was immer noch eine Menge Arbeit mit sich bringt. Es gibt allerdings öffentlich zugängliche Datensätze. Es wäre sinnvoll, ein Modell auf irgendeinem öffentlich zugänglichen Datensatz vorzutrainieren. Von diesem Modell ausgehend könnte man es dann an die individuellen Daten eines bestimmten Krankenhauses anpassen. Zumindest in den USA ist es verhältnismäßig einfach, zusammenzuarbeiten und Daten gemeinsam zu nutzen, wenn die Krankenhäuser demselben Träger angehören. Wenn es um Kliniken in verschiedenen Bundesstaaten geht, ist es aufgrund von Datenschutz- und Sicherheitsbedenken viel schwieriger. Meine Vision und die meiner Co-Autor:innen ist, dass es – nicht nur aus wissenschaftlicher Sicht, sondern auch aus der Sicht der Öffentlichkeit und der politischen Entscheidungsträger – Möglichkeiten für eine übergreifende Vereinbarung geben wird, die eine einfachere gemeinsame Nutzung von Daten oder zumindest eine bestimmte Art von Experimenten zulässt.

Sie fordern mehr medizinische Expert:innen vor Ort, um mit der zunehmenden Zahl medizinischer Bilder, die für das Training der KI-Modelle benötigt werden, Schritt halten zu können und um ein gutes Training zu gewährleisten. Welchen Vorteil haben KI-Modelle gegenüber der Telemedizin, bei der Ärzt:innen die Patient:innen weiterhin aus der Entfernung „sehen“ und die Diagnose stellen?

Shi: Die Telemedizin macht die Gesundheitsversorgung für eine breitere Bevölkerung zugänglich, insbesondere in ländlichen Gebieten. Dennoch gibt es immer noch eine begrenzte Anzahl von Ärzt:innen mit begrenzter Zeit für die Teilnahme. Es gibt also eine Einschränkung, wie stark die Bevölkerung wirklich von der Telemedizin profitieren kann. Mithilfe künstlicher Intelligenz sind zumindest einige Screenings für einfache Gesundheits- probleme unbegrenzt verfügbar. Mein Team und ich arbeiten am Boston Children's Hospital an einer Diag- nose-App für häufige Hauterkrankungen. Unser Ziel ist es, dass wir anhand von KI-Modellen – mithilfe von me- dizinischer Expertise – die App zumindest so trainieren können, dass sie Patient:innen mit hoher Genauigkeit sagen kann, ob sie sofort eine:n Mediziner:in aufsuchen sollten oder ob es sich um Symptome handelt, die nicht dringlich sind und auf einen geplanten Termin warten können. Jeder Mensch, der ein Mobiltelefon besitzt, wird Zugang zu der App haben.

(Das Interview führte Sara Rebein.)

Teilen

Weitere Beiträge

8. November 2024

Das Matroschka-Prinzip zur Analyse biologischer Strukturen

Im Projekt »KI-assistierte Bildgebung von großen Geweben« arbeiten mehrere ISAS-Forschungsgruppen an der Kombination verschiedener mikroskopischer und massenspektrometrischer Verfahren. Wie bei einer Matroschka-Puppe blickt das Team mit jedem Schritt tiefer in die biologischen Strukturen einer Probe hinein.

Flora Weber am Lichtblattfluoreszenzmikroskop.
25. Oktober 2024

Wertvolle Verbindungen: Dr. Saskia Venne

Dr. Saskia Venne hat von 2012 bis 2016 am ISAS promoviert. Heute ist sie Teamleiterin bei Boehringer Ingelheim Pharma. In diesem Interview gibt sie als Erste einen Einblick in die wertvollen Verbindungen innerhalb und außerhalb des Instituts, über die aktuelle und ehemalige ISAS-Forschende in den kommenden Wochen bei ISAS Kompakt berichten werden.

Dr. Saskia Venne.
21. Oktober 2024

Zwischen Fortschritt & Fußabdruck: Künstliche Intelligenz im Gesundheitswesen

Die Einsatzgebiete von Künstlicher Intelligenz im Gesundheitswesen nehmen kontinuierlich zu. Doch mit immer besseren und schnelleren Modellen drängt sich auch die Frage nach der Nachhaltigkeit auf. Eine Gruppe von internationen Forschenden, darunter Dr. Jianxu Chen vom ISAS, hat sich mit dem erhöhten Ressourcenverbrauch und möglichen Lösungsmöglichkeiten für das bevorstehende Nachhaltigkeitsproblem beschäftigt.

Dr. Jianxu Chen (links) und Prof. Dr. Yiyu Shi im Foyer des ISAS.
15. Oktober 2024

Wissenschaft trifft auf Kunst: Eintauchen in die geheime Welt des Immunsystems

Mithilfe von Mikroskopbildern in die kleinsten Strukturen des Herzenz eintauchen? Das war möglich bei der ersten Dortmunder Science Night. "Die geheime Welt des Immunsystems", das immersive 3D-Erlebnis des storyLab kiU der Fachhochschule Dortmund und des ISAS, ermöglichte Besucher:innen Immunzellen nach einem Herzinfarkt hautnah mitzuerleben.

Das Foto zeigt (v.l.n.r.) Dr. Malte Roeßing, Dr. Ali Ata Tuz, Lara Janz, Flora Weber, Sara Regein und Cheyenne Peters vor dem Stand des ISAS bei der Science Night 2024.
20. September 2024

„Book a Scientist“: Jetzt für virtuelles Gespräch mit Forschenden anmelden

Beim Format "Book a Scientist" können Wissenschaftsinteressierte individuelle Gesprächstermine mit Forschenden innerhalb der Leibniz-Gemeinschaft buchen. Mit dabei sind auch zwei ISAS-Forschende. Ihre Themen sind "übereifrige" Immunzellen nach einem Herzinfarkt sowie Tierversuche und ihre Alternativen.

Book a Scientist.
10. September 2024

Faszinierende Einblicke: virtuelle Welt im Klassenzimmer

Was ist eigentlich Realität? Wie nehmen wir unsere Umwelt wahr? Und wie kann erweiterte Realität Forschende bei ihrer Arbeit unterstützen? Gemeinsam mit der Klasse 3a der Don-Bosco-Grundschule in Bochum sind zwei ISAS-Forschende diese Fragen auf den Grund gegangen.

Marie steht im Klassenzimmer und trägt eine VR-Brille. In den Händen hält sie jeweils einen Controller.
29. August 2024

Wechselspiel von Proteinen legt jungen Patienten lahm

Zwei Mutationen im Erbgut eines Jungen führen zu der seltenen neuromuskulären Erkrankung NEDHFBA. Untersuchungen der Proben des jungen Patienten von Forschenden des Universitätsklinikums Essen und des ISAS geben Aufschluss über die bis dato unerkannten Mechanismen hinter den Beschwerden: Proteine beeinflussen die Entstehung der seltenen Erkrankung.

Bild von Dr. Andreas Hentschel, Mitarbeiter in der Arbeitsgruppe Translationale Analytik.
16. August 2024

„Wir wollen das Grundlagenverständnis für Krankheitsmodelle verbessern.“

Wieso ist es spannend die Lipidsignatur einzelner Zellen zu entschlüsseln? Und welche Zellart eignet sich besonders, um dieses Verfahren möglich zu machen? Die Antworten liefert Prof. Dr. Sven Heiles im Interview.

Portrait von Jun.-Prof. Dr. Sven Heiles.
15. August 2024

Jetzt online: ISAS Jahresbericht 2023

Woran haben unsere Wissenschaftler:innen 2023 geforscht? Welche Geschichten und Menschen verbergen sich hinter den Ergebnissen? Antworten auf diese Fragen und viele weitere liefert unser Jahresbericht 2023. Dieser ist ab sofort als deutsche Online-Ausgabe verfügbar.