Startseite > Medizintechnik > E-Health > KI trifft Bioinformatik

Für eine bessere Patientenversorgung

KI trifft Bioinformatik

27. Januar 2023, 11:34 Uhr | Fuse-AI

Computermodelle helfen Ärzten mit Voraussagen, die richtige Therapie für Patienten auszuwählen. Sie berechnen z.B. Komplikationsrisiken und den möglichen Behandlungserfolg. Fuse-AI aus Hamburg bietet dafür Expertise zu Biochemie, Molekularbiologie sowie der KI-Entwicklung für neuronale Netzwerke.

Maßgeschneiderte Therapien für eine personalisierte Medizin anzubieten, ist der Wunsch eines jeden Arztes. Hier kommt die Bio- und Medizininformatik ins Spiel. Sie beschäftigt sich mit den komplexen Grundlagen biologischer Prozesse von Krankheiten und soll den Medizinern helfen, diese besser zu verstehen.

Statistische Methoden reichen jedoch nicht immer aus, daher bedienen sich die Informatiker intelligenter Algorithmen. »Die Potenziale Künstlicher Intelligenz für die Biomedizin und die Humangenetik betreffen mittlerweile nicht mehr nur die Grundlagenforschung. KI kann ebenso die Medikamentenentwicklung und die Anwendung in der medizinischen Versorgung, speziell die personalisierte Medizin, voranbringen«, sagt Matthias Steffen, Geschäftsführer des Hamburger KI-Anbieters Fuse-AI.

So unterstützt KI die personaliserte Medizin
Das 2017 gegründete Hamburger Start-up Fuse-AI verfolgt das Ziel, mit KI- basierten Software-Lösungen zu einer besseren medizinischen Versorgung beizutragen. Für die medizinische Bildanalyse setzt Fuse-AI vor allem Deep- Learning-Methoden ein, die den technologischen Kern der KI-Software bilden. Die Hamburger unterstützen MedTech-Firmen bezüglich Biochemie und Molekularbiologie sowie der KI-Entwicklung für neuronale Netzwerke. »Konkret entwickeln wir Konzepte und etablieren Standards zur Speicherung von Datensets in Datenbanken als Grundlage für die Datenanalyse. Dabei unterstützen wir den Wissenstransfer zwischen Biotechnologie, Medizin, Informatik und Künstlicher Intelligenz«, erläutert Anne Wesche, Biologin und Medical Affairs bei Fuse-AI, das Tätigkeitsfeld des Unternehmens. »Zudem führen wir Datenanalysen zu Fragestellungen aus der Onkologie und Pharmazie mit Methoden der Statistik und des Machine Learnings durch. Zur intelligenten Bildanalyse von medizinischen Aufnahmen, etwa aus der Mikroskopie oder Radiologie, entwickeln wir Computervision-Systeme anhand Deep Learning-Modellen«. www.fuse-ai.de

So unterstützt KI die personaliserte Medizin

Das 2017 gegründete Hamburger Start-up Fuse-AI verfolgt das Ziel, mit KI- basierten Software-Lösungen zu einer besseren medizinischen Versorgung beizutragen. Für die medizinische Bildanalyse setzt Fuse-AI vor allem Deep- Learning-Methoden ein, die den technologischen Kern der KI-Software bilden. Die Hamburger unterstützen MedTech-Firmen bezüglich Biochemie und Molekularbiologie sowie der KI-Entwicklung für neuronale Netzwerke. »Konkret entwickeln wir Konzepte und etablieren Standards zur Speicherung von Datensets in Datenbanken als Grundlage für die Datenanalyse. Dabei unterstützen wir den Wissenstransfer zwischen Biotechnologie, Medizin, Informatik und Künstlicher Intelligenz«, erläutert Anne Wesche, Biologin und Medical Affairs bei Fuse-AI, das Tätigkeitsfeld des Unternehmens. »Zudem führen wir Datenanalysen zu Fragestellungen aus der Onkologie und Pharmazie mit Methoden der Statistik und des Machine Learnings durch. Zur intelligenten Bildanalyse von medizinischen Aufnahmen, etwa aus der Mikroskopie oder Radiologie, entwickeln wir Computervision-Systeme anhand Deep Learning-Modellen«. www.fuse-ai.de

Wissensgenerierung und Mustererkennung

Liegen große Datensätzen vor, lassen sich Muster erkennen und daraus Erkenntnisse gewinnen. Unsupervised Learning-Methoden ermöglichen zum Beispiel ein Clustering von Merkmalen, die Dimensionsreduktion großer Datensätze, eine Extraktion relevanter Informationen und mehr. »Wir können hier Methoden wie Principal Component Analysis (PCA), k-means Clustering, hierarchisches Clustering, Erkennung von Anomalien, Manifold Learning und neuronale Netze einsetzen«, nennt Fabian Hielscher, Machine Learning & Medical Engineer, ein paar Ansätze.

Vorhersagen berechnen

Für die Erstellung von Prognosen kann das sogenannte Supervised Learning zum Einsatz kommen. Typisch dafür sind Fragen zur Vorhersage von Klassifikation oder Regression. Dazu zählen zum Beispiel die Vorhersagen eines anormalen Befundes, von Heilungsaussichten oder der Vorhersage von Medikamenten-Nebenwirkungen. Dafür werden beispielsweise lineare Modelle, Ensemble-Methoden, Decision Trees, Random Forest und Feature Selection eingesetzt.

»Wir entwickeln für diese Problemstellungen qualitätsgesicherte Datenbanken, führen damit Datenanalysen durch, entwickeln intelligente Mustererkennung und zeigen damit bislang unbekannte Zusammenhänge in biomedizinischen und pharmazeutischen Daten auf«, so Ruben Schulze, Machine Learning & Medical Engineer bei Fuse-AI.

Patientenversorgung in der Zukunft

Die Themen der biomedizinischen Informatik für die Patientenversorgung reichen von der Modellierung von 3D-Genomanalysen, Bildanalysen wie Fluoreszenzmikroskopie und Krebsdiagnostik über die Vorhersage von antimikrobiellen Resistenzen.

Es ist ein spannendes Feld und verschiedene Experten sind sich einig, dass sich in den nächsten fünf bis zehn Jahren die Patientenversorgung durch den Einsatz von Künstlicher Intelligenz nachhaltig verbessern wird. (uh)