KI ermöglicht sekundenschnelle Diagnose von Lungenverletzungen



Teilen: 

11.10.2023 09:04

Literature advertisement

Plötzlich gesund

Fortschreitende Naturerkenntnis, ganz allgemein gesprochen, ‘Wissenschaft’, ist der stärkste Feind des medizinischen Wunders. Was unseren Vorfahren als Wunder erschien, was einfache Naturvölker heute noch in heftige Erregung versetzt, das berührt den zivilisierten Menschen längst nicht mehr.
Doch es gibt einen Gegensatz, der jedem Denkenden sofort auffällt: der unerhörte, durchaus nicht abgeschlossene Aufstieg der wissenschaftlichen Heilkunde und die ebenso unerhörte Zunahme der Laienbehandlung und der Kurpfuscherei. Man schätzt die Zahl der Menschen, die der Schulmedizin kein Vertrauen schenken, auf immerhin 50 Prozent.
Wie kann es sein, daß Laienbehandler und Kurpfuscher immer wieder spektakuläre Erfolge aufweisen, von denen die Sensationspresse berichtet?
Der Autor geht dieser Frage nach und kommt zu interessanten Erkenntnissen, aus denen er Vorschläge für eine bessere Krankenbehandlung durch seine ärztlichen Standesgenossen ableitet.

Hier geht es weiter …

KI ermöglicht sekundenschnelle Diagnose von Lungenverletzungen

Die Segmentierung von Lungen-CT-Bildern ist ein essenzieller Schritt in der Diagnostik schwerer Lungenverletzungen. Das herkömmliche Verfahren kann bis zu drei Stunden beanspruchen. Forschern der Westsächsischen Hochschule Zwickau (WHZ) ist es nun gelungen, das Procedere in Sekunden zuverlässig durchzuführen.

Das Forscherteam der Data Science Research Group an der WHZ, angeführt von Prof. Mike Espig, hat in enger Zusammenarbeit mit Prof. Andreas Reske, Chefarzt am Heinrich-Braun-Klinikum Zwickau, einen innovativen Ansatz zur Diagnostik von Lungenverletzungen vorgestellt. Mittels modernster KI-Methoden wurde ein Algorithmus entwickelt, der die Segmentierung von Lungen-CT-Bildern in nur neun bis 14 Sekunden ermöglicht und dabei die erforderliche Präzision gewährleistet.

„Die künstliche Intelligenz arbeitet sehr zuverlässig. Sie versucht, die Fähigkeit des Arztes auf Grundlage von medizinischen Daten zu imitieren und so seinen Arbeitsalltag zu erleichtern. Sie ist, war und bleibt aber immer nur eine Verlängerung der Fähigkeiten des Menschen. Die finale Entscheidung über die Behandlung trifft immer der Arzt“, erklärt Prof. Mike Espig. „Die KI erlaubt uns, das anatomische Wissen, das man benötigt, um CT-Bilder zu segmentieren mit Erfahrungen und Informationen aus vorangegangenen Segmentierungen zu verbinden, was die Diagnostik enorm beschleunigt“, erklärt Prof. Andreas Reske.

Hintergrund
Die wissenschaftliche Arbeit wurde im Rahmen des “Saxony⁵”-Verbundprojekts realisiert. Verbundprojekte, insbesondere auf regionaler Ebene, sind von entscheidender Bedeutung, da sie das Zusammenführen von Expertise und Ressourcen verschiedener Institutionen ermöglichen und somit effizientere und zielgerichtete Lösungsansätze für spezifische Herausforderungen bieten. “Saxony⁵” stellt ein Paradebeispiel dafür dar, indem es fünf sächsische Hochschulen – Hochschule Zittau/Görlitz, HTW Dresden, Hochschule Leipzig, WHZ und Hochschule Mittweida – vereint, um Lösungen für regionale wirtschaftliche und gesellschaftliche Fragestellungen zu entwickeln.


Wissenschaftliche Ansprechpartner:

Prof. Dr. rer. nat. Mike Espig
Gründungsleiter der Data Science Research Group
Westsächsische Hochschule Zwickau
Tel.+49 375 536 2123 oder -1381
Mike.Espig@fh-zwickau.de
https://dsrg.fh-zwickau.de/


Weitere Informationen:

http://Zur weiterführenden Darstellung empfehlen wir ein Video über das Forschungsprojekt in deutscher Sprache: https://youtu.be/Xa7rivGy6WQ?si=pgMoUCJVK8xOjp5P
http://Eine englischsprachige Version kann hier eingesehen werden: https://youtu.be/Lue2dVs5Tn4?si=JlAaWeF3K7BozlSL


Bilder

Ein Patient wird im Zwickauer Heinrich-Braun-Klinikum behandelt

Ein Patient wird im Zwickauer Heinrich-Braun-Klinikum behandelt
HBK/Laura Kruckenmayer
HBK/Laura Kruckenmayer

Segmentierung einer Lunge mit Hilfe von KI

Segmentierung einer Lunge mit Hilfe von KI
Visualisierung: WHZ/Espig
Visualisierung: WHZ/Espig


Merkmale dieser Pressemitteilung:
Journalisten
Medizin
überregional
Forschungs- / Wissenstransfer, Forschungsergebnisse
Deutsch


 

Quelle: IDW