T5.6 Use Case “Radiomics / Imaging AI”

Der Use Case “Radiomics / Imaging AI” wird vom Fraunhofer MEVIS geleitet. Als weitere Partner sind das BIPS, das Fraunhofer FIT, die Universität Köln und die Universität Leipzig beteiligt.

Die biomedizinische Bildgebung hat sich zu einem wichtigen Bereich der Datenerfassung in epidemiologischen und klinischen Studien entwickelt, da sie sowohl lokale als auch systemische Veränderungen erkennen kann, eine hohe Informationsdichte aufweist und breit verfügbar ist. Radiomics ist eine Methode, die mithilfe von Algorithmen zur Mustererkennung und zum maschinellen Lernen große Mengen quantitativer Merkmale aus medizinischen Bildern extrahiert.

Moderne maschinelle Lernverfahren, speziell Deep Learning, kombiniert mit der konventionellen Datenanalyse multidisziplinären Gesundheitsdaten, versprechen, die medizinische Bildgebung durch die Integration klinischer, struktureller und bildbasierter Merkmale dem Verständnis komplexer Krankheiten auf quantitative Weise näher zu bringen.

Radiomics deckt Zusammenhänge zwischen Bildern und klinischen Daten auf. Copyright: Fraunhofer MEVIS

In Zusammenarbeit mit TA3 „Services“ werden in diesem Use Case Infrastrukturkomponenten für NFDI4Health als prototypisches KI-Analyse-Testbett entlang des Radiomics-Paradigmas implementiert, mit dem letztendlichen Ziel, KI in die Standardisierung und Validierung für eine breitere Nutzung zu überführen. Soweit möglich wird der DICOM-Standard verwendet, um Bilddaten und zugehörige Metadaten gemäß TA2 „Standards for FAIR Data“ zu harmonisieren.

Insbesondere wird im Rahmen von NFDI4Health ein Proof-of-Concept für die automatisierte KI-gestützte Qualitätssicherung von DICOM-Bilddaten implementiert und in Sub-Kohorten heterogener MR-Volumenbilddaten evaluiert. Darüber hinaus wird ein Demonstrator erstellt, der eine prädiktive Mustererkennung in kombinierten bildgebenden und strukturierten epidemiologischen Daten ermöglicht.

Langfristiges Ziel ist im Rahmen der NFDI4Health, eine KI-basierte Pilot-Radiomics-Plattform für die automatisierte Qualitätssicherung und Analyse biomedizinischer (Bild-)Daten als Service für die Community bereitzustellen. Dabei erlaubt der Einsatz von KI eine einfache Anpassbarkeit auf neue Anwendungskontexte sowie eine kontinuierliche Optimierung insbesondere durch föderiertes Lernen.

Fraunhofer MEVIS kooperiert mit Grand Challenge (Grand-challenge.org), der weltweit größten Plattform für den Austausch von Benchmark-Datensätzen und KI-Modellen für die biomedizinische Bildgebung. Ziel ist es, der Community einen deutschen Spiegelknoten von Grand-challenge.org unter dem Dach von NFDI4Health anzubieten.