ARTEMIS - Künstliche Intelligenz bei muskuloskelettalen Erkrankungen

Der interdisziplinäre Forschungsverbund ARTEMIS hat sich zum Ziel gesetzt, das enorme Potenzial der Künstlichen Intelligenz (KI) zusammen mit fortschrittlichen Bildverarbeitungsmethoden für die radiologische Diagnostik und die Modellierung des Erkrankungsrisikos auf dem Gebiet der muskuloskelettalen Erkrankungen (MSK) auszuschöpfen. Die Bildgebung erfolgt mittels Computertomographie (CT) insbesondere für Osteoporose. Hierbei erfolgt auch eine differenzialdiagnostische Abklärung gegenüber degenerativen Erkrankungen. Konkret sollen mit den KI-Techniken die folgenden spezifischen Ziele im Verbund verfolgt werden:

1. CT-Scans sollen ausgewertet werden, um zu überprüfen, ob der Patient bzw. die Patientin ein hohes Osteoporose-bedingtes 10-Jahres-Frakturrisiko hat (Konzept der opportunistischen Früherkennung).

2. Die diagnostische und differentialdiagnostische Beurteilung von MSK-Erkrankungen soll verbessert werden, indem eine KI-Unterstützungssoftware „i4 ReaderAssistant“ für Radiologen und Kliniker erstellt wird. Diese KI-Unterstützungssoftware soll den Arzt auf relevante Krankheitsmerkmale hinweisen. Damit soll es möglich sein, Hinweise auf a) osteoporotische Knochenbrüchigkeit der thorakolumbalen Wirbelsäule und des proximalen Femurs (Oberschenkelknochen) und b) eine differenzialdiagnostische Abgrenzung zu degenerativen Veränderungen an der Wirbelsäule zu erhalten. Der entstehende Datensatz bei der Aufnahme eines CTs ist groß und komplex, so dass Krankheitsanzeichen leicht übersehen werden können. Eine automatisierte Bewertung mit Hilfe von KI kann demzufolge die Sicherheit bei der Diagnose-Erstellung wesentlich erhöhen.

Teilprojekt Prof. M. Heinrich:
Visualisierung, Interpretierbarkeit und Vertrauenswürdigkeit von KI-basierten Merkmalen zur Charakterisierung von Muskel- und Skeletterkrankungen

Der ARTEMIS-Verbund hat sich zum Ziel gesetzt, das enorme Potenzial der künstlichen Intelligenz zusammen mit fortschrittlichen Bildverarbeitungsmethoden für die Bildgebung und die Modellbildung im Bereich der Erkrankungen des Bewegungsapparates zu nutzen. Die Methoden der künstlichen Intelligenz werden eingesetzt insbesondere bei Osteoporose, aber auch bei degenerativen Erkrankungen der Lendenwirbelsäule und des Hüftgelenks, die mit der Computertomographie (CT) beurteilt werden. In diesem Teilvorhaben sollen folgende fortschrittliche KI-Lernmethoden entwickelt und evaluiert werden: 1) Visualisierungstechniken, die Bereiche der Aufmerksamkeit und der Aktivierung neuronaler Netze hervorheben, um ihre Interpretierbarkeit zu verbessern, 2) robuste KI-Modelle, die aus begrenzten Annotationen lernen können, wobei teilweise Selbstüberwachung in großen Bilddaten-Banken verwendet wird und 3) Reduzierung der Berechnungskosten, um leichtere Modelle zu trainieren, die für hochauflösende 3D-CT-Scans in der klinischen Praxis anwendbar sind.