Zum Inhalt springen

Zwischen Fortschritt & Fußabdruck: Künstliche Intelligenz im Gesundheitswesen

Dortmund, 21. Oktober 2024

Nachhaltigkeit ist ein zentrales Thema unserer Zeit und durchdringt alle wissenschaftlichen Disziplinen. Ob in der Energiegewinnung oder Mobilität – viele Forschende suchen nach Wegen, Prozesse ressourcenschonender und dennoch effizienter zu gestalten. Im Gesundheitswesen unterstützt Künstliche Intelligenz (KI) bereits bei der Auswertung medizinischer Bildaufnahmen und dem kontinuierlichen Monitoring von Gesundheitsdaten. Die möglichen Einsatzgebiete, insbesondere von Machine Learning, nehmen stetig zu. Doch mit steigender Größe und Komplexität benötigen die KI-Modelle mehr Ressourcen – darunter nicht nur Energie, Rechenleistung und Speicher, sondern beispielsweise auch Fachwissen. Dieser erhöhte Ressourcenverbrauch wird einige Krankenhäuser und Forschungsinstitute schon bald vor ernsthafte Nachhaltigkeitsprobleme stellen, warnt ein Team aus Forschenden aus den USA, China und Deutschland (ISAS). Ihre Begründung und Lösungen für eine nachhaltige KI im Gesundheitswesen haben die KI-Expert:innen im Fachjournal Nature Machine Intelligence vorgestellt.

Die Ressourcenanforderungen von KI-Systemen variieren über den gesamten Lebenszyklus, von der Entwicklung bis zur Nutzung. Die Autor:innen, darunter Dr. Jianxu Chen vom ISAS, wollen den Aspekt der Nachhaltigkeit daher ganzheitlich betrachten. Dazu setzen sie an, noch bevor ein KI/ML-Modell überhaupt zum Einsatz kommt. Denn für dessen Leistungsfähigkeit sei vor allem die sorgfältige und zeitintensive Vorbereitung der Trainingsdaten ent- scheidend. Bei der wachsenden Menge medizinischer Aufnahmen bleibe die Zahl des medizinischen Fachpersonals jedoch begrenzt, was bereits zu Engpässen in der Datenaufbereitung führe. Auch technische und strukturelle Faktoren spielen eine Rolle. So ließen sich etwa die häufig begrenzten Budgets in Krankenhäusern kaum mit der notwendigen Aufrüstung und Wartung der vorhandenen Speicherinfrastrukturen vereinen. Auch die Netzwerkstrukturen zur Datenübertragung, die in der Regel auf die Datenmengen von KI-Modellen gar nicht ausgerichtet sind, könnten zu Verzögerungen oder Datenverlusten führen. Gleichzeitig ermögliche der Zugang zu leistungsstarken Servern und Supercomputern Forschenden zwar das nötige Grundgerüst, stelle sie dafür aber vor das Problem eines nahezu unhaltbaren Energieverbrauchs.

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

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

Modelle schrittweise optimieren

Um diesen Herausforderungen so schnell wie möglich zu begegnen, gibt es bereits jetzt Möglichkeiten, bestehende Modelle anzupassen. Statt Systeme von Grund auf neu zu entwickeln, könnten Forschende beispielsweise bereits vortrainierte Modelle aus ähnlichen medizinischen Systemen auf neue Domänen anwenden und anpassen. Ein solches Vorgehen würde nicht nur vergleichsweise wenige Trainingsdaten und Fachwissen benötigen, sondern auch weitaus schneller und einfacher gewünschte Ergebnisse liefern. Eine weitere Möglichkeit besteht laut der Autor:innen darin, bereits bestehende KI/ML-Modelle zu komprimieren. Dabei verringern bestimmte Algorithmen die Menge der Berechnungen in den Modellen, während diese eine vergleichbare Vorhersagegenauigkeit beibehalten. So lässt sich der ökologische Fußabdruck über reduzierte Energiekosten und Speicherplatzbedarf langfristig verringern.

Proaktiver Umgang mit Fragen der Ressourcennachhaltigkeit

Langfristig empfehlen die Forschenden allerdings einen proaktiven Ansatz, der verschiedene Aspekte der Nachhaltigkeit in den Fokus rückt. In Zukunft sei es wichtig, Hardware, Algorithmen und Modelle von Anfang an aufeinander abzustimmen und so die besten Konfigurationen für ressourcenschonende Lösungen zu ermitteln. Im besten Fall sollte ein Kostenmodell die Nachhaltigkeit eines Systems genau vorhersagen und die notwendigen Ressourcen für Modellaktualisierungen sowie Anpassungen im Laufe der Zeit abschätzen. Darüber hinaus könnten ML-Modelle Expert:innen bei der Datenaufbereitung durch eine Art transparente „Eigenständigkeit“ entlasten. Die Autor:innen schlagen vor, vermehrt auf das sogenannte selbstüberwachte Lernen zu setzen, bei dem das Modell die Trainingsdaten vor der Lernphase ohne menschliche Hilfe annotiert. Bei einigen Prozessen, wie der Segmentierung, ist das nicht nur deutlich schneller, sondern beispielsweise auch objektiver. Hierbei setzt das Team auf Transparenz und Nachvollziehbarkeit: Kontinuierliche Rückmeldungen durch medizinische Expert:innen sollen die Effizienz und Genauigkeit der Modelle verbessern und das Vertrauen in die Technologie stärken.

Das Bundesministerium für Bildung und Forschung (BMBF) fördert die MSCoreSys-assoziierte Nachwuchgruppe AMBIOM – Analysis of Microscopic BIOMedical Images unter dem Förderkennzeichen 161L0272.

(Cheyenne Peters)

Teilen

Weitere Beiträge

30. April 2025

Humboldt-Stipendiat Prof. Dr. Xiaowei Xu forscht seit März am ISAS

Prof. Dr. Xiaowei Xu vom chinesischen Guangdong Cardiovascular Institute forscht an der klinischen Anwendung von Künstlicher Intelligenz (KI) im Kontext kardiovaskulärer Erkrankungen. Für insgesamt 18 Monate forscht er als Humboldt-Stipendiat am ISAS an verschiedenen KI-Methoden für die Analyse von Zellaufnahmen.

Prof. Dr. Xiaowei Xu vor dem ISAS Gebäude am Standort City.
22. April 2025

Wertvolle Verbindungen: Dr. Mohammad Ibrahim AlWahsh

Dr. Mohammad Ibrahim AlWahsh arbeitete während seiner Promotion als wissenschaftlicher Mitarbeiter am ISAS. Mittlerweile ist er Prodekan der Fakultät für Pharmazie und Assistenzprofessor für Toxikologische Pathologie an der Al-Zaytoonah University in Jordanien. In der Komapkt-Reihe "Wertvolle Verbindungen" berichtet er von seiner Zeit am ISAS und der anhaltenden Vernetzung mit dem Institut.

Mohammad Alwahsh.
9. April 2025

Bakterien & Bonbons: Schülerinnen untersuchen beim Girls‘ Day ihre Atemluft

Beim Girls' Day 2025 haben zwölf Schülerinnen die Arbeit der Forscherinnen und Technischen Assistentinnen am Institut kennengelernt. Sie haben sich mit der Ursache und Bekämpfung von Entzündungen beschäftigt, sind auf die Jagd nach Bakterien gegangen und haben mittels Ionenmobilitätsspektrometrie Duftstoffe verschiedener Bonbons in ihrer Atemluft analysiert.

Luisa Speicher erklärt drei Mädchen den Vortexmischer.
27. März 2025

Wertvolle Verbindungen: Dr. Jianxu Chen

Dr. Jianxu Chen leitet seit 2021 die Nachwuchsgruppe AMBIOM – Analysis of Microscopic BIOMedical Images am ISAS. Zuvor war er am Allen Institute for Cell Science in Seattle, USA tätig. In der ISAS Kompakt Reihe „Wertvolle Verbindungen“ berichtet der Computerwissenschaftler von seinem Wechsel in die Gesundheitsforschung und nach Deutschland.

Portrait von Dr.  Jianxu Chen.
12. März 2025

Innovative Massenspektrometrie erspart doppelte Analysegänge

Unpolare Stoffe wie Cholesterin zusammen mit polaren Substanzen zielgenau und schnell massenspektrometrisch nachweisen? Und das in nur einem Analysedurchgang? Das ermöglicht eine neue Kombinationsmethode, welche zwei Ionisierungsquellen in einem Aufbau vereint.

Daniel Foest steht im Labor und hält ein Papier mit einer Leberprobe, die er am Massenspektrometer untersucht.
26. Februar 2025

Was machst du am ISAS, Leon?

Was haben Marshmallows und Schokolade mit der Analyse von Zellen zu tun? Das darf Leon bei seinem Schülerpraktikum am ISAS herausfinden. Was der 15-jährige außerdem während seiner Zeit am Institut lernt, berichtet er bei ISAS Kompakt.

Leon hält Marshmallows, Schokolade und die Hardware für sein Projekt zur Bilderkennung.
14. Februar 2025

Valentinstag: Perfekte Paare im Labor

Was die Herzen unserer Forschenden höherschlagen lässt, wollte die Redaktion von ISAS Kompakt am Valentinstag wissen. Die Beispiele aus den Laboren der Forschungsgruppen Bioimaging und NMR Metabolomics zeigen: besondere Verbindungen gibt es nicht nur in der Liebe, sondern auch in der Wissenschaft.

Porträt von Dr. Themistoklis Venianakis.
4. Februar 2025

Wertvolle Verbindungen: Adrian Sebuliba

Adrian Sebuliba ist seit 2023 als Software-Ingenieur in der ISAS-Nachwuchsgruppe AMBIOM tätig. Zuvor arbeitete er für eine Digital-Commerce-Plattform für die chemische Industrie in Uganda. In der ISAS Kompakt Reihe „Wertvolle Verbindungen“ berichtet er unter anderem von seinem Wechsel in die Gesundheitsforschung.

Portrait von Adrian Sebuliba.
28. Januar 2025

Ein kleiner, aber sehr wichtiger Schritt

Susmita Ghosh forscht seit Oktober 2021 in der Arbeitsgruppe Biofluoreszenz am ISAS. Für ihr Pilotprojekt »Dissecting the neutrophil-tumor cell interactome using SILAC-labelling« hat die Doktorandin nun die erste Förderung ihrer Karriere erhalten.

Portrait Susmita Ghosh.