KI-assistierte Krebsdiagnostik durch Bilderkennung
| Steckbrief | |
|---|---|
| Firma | Mindpeak GmbH |
| Produkte & Dienstleistungen | Produkte für die Krebsdiagnostik |
| Business Model Canvas | Wertangebote, Schlüsselressourcen, Schlüsselaktivitäten |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 25 |
| Zielgruppe | Entwickler |
| Hauptsitz | Hamburg |
| Use Cases | Wissensbasierte Expertensysteme, Medizinisches Diagnosesystem |
Ausgangssituation & Herausforderungen
Eine genaue und frühzeitige pathologische Krebsdiagnostik ist in Zeiten stetig steigender Diagnosen entscheidend für eine erfolgreiche Behandlung. Die mittelständische Firma Mindpeak GmbH hat es sich zum Ziel gemacht, die Krebsdiagnostik zu verbessern. Die Erkennung von Mitosen (Zellen im Teilungsstadium) spielt eine zentrale Rolle bei der Diagnose von Tumorerkrankungen. Diese Zählung wurde bisher fehleranfällig und zeitaufwändig manuell unter einem Mikroskop durchgeführt. Mindpeak hat eine KI-basierte Software wie „BreastIHC“ entwickelt, die Pathologen, Arztpraxen und Labore darin unterstützt Tumorzellen schneller und zuverlässiger zu identifizieren. Die KI-Anwendung ist im Institut für Hämatopathologie Hamburg aktiv im Einsatz.
Ziele
Das Vorhaben bestand darin, Tumorzellen schneller und zuverlässiger identifizieren zu können und so Fachkräfte qualitativ und zeitlich zu unterstützen.
Lösung/Maßnahmen/Projekt
Mindpeak kooperiert mit verschiedenen Partnerlaboren, darunter der Charité in Berlin und der Universität Bern. Dadurch erhält das Unternehmen Zugang zu mehr als 20 Millionen anonymisierten Gewebeproben. Anhand dieser Datengrundlage wird ein KI-System trainiert, das Mitosen auch unter herausfordernden Bedingungen (z.B. Bildunschärfe, Farbvariationen) korrekt identifizieren kann.
Umsetzung
Was wurde benötigt?
Gewebeproben wurden gescannt und digitalisiert. Die KI analysiert hochauflösende Bilder auf Auffälligkeiten wie Tumorzellen, um Pathologen bei der Krebsdiagnose zu unterstützen. Die Software „BreastIHC“ erkennt und klassifiziert krebsartiges und gutartiges Gewebe. Mithilfe von Algorithmen, insbesondere neuronalen Netzen, werden Mitosen in den digitalisierten Schnittbildern lokalisiert. Die endgültige Diagnose der lokalisierten Stellen erfolgt durch Ärzte, die Korrekturen verwenden, um das KI-System weiter zu trainieren und die Genauigkeit zu verbessern. Die Software ist mit verschiedenen Scannern und Kameras kompatibel und kann in Laboren problemlos integriert werden.
Was wurde erreicht?
Das KI-gestützte Verfahren entlastet Fachexperten von zeitintensiven, wiederholenden Aufgaben wie der Zählung von Mitosen und der Zellquantifizierung. Dadurch stehen Zeiten wieder vermehrt für weitere Aufgaben mit benötigten Fachkenntnissen zur Verfügung. Die Verarbeitung großer Mengen von Bilddaten durch das KI-System führt zur Erhöhung der diagnostischen Effizienz, bei gleichzeitiger Reduktion von manuellem Zeit- und Arbeitsaufwand von bis zu 90 Prozent.
Lessons Learned
Der Zugang zu umfangreichen und vielfältigen Datensätzen für das Training von KI-Systemen war von zentraler Bedeutung, da die Datenqualität direkt die Systemgenauigkeit beeinflusst. Die Zusammenarbeit von Mensch und Maschine zeigt sich hierbei als besonders wirkungsvoll, da KI die menschliche Expertise ergänzt und optimiert.