Münchener Expertise zur Anwendung von KI in Forschung und Medizin
In München ballen sich medizinische Forschungseinrichtungen wie kaum sonst wo in Deutschland. Die TUM und die LMU mit ihren Unikliniken, das Helmholtz Zentrum für Gesundheit und Umwelt und das Fraunhofer Institut sind Vorreiter für die Erforschung von KI Anwendungen in der Medizin. Dabei dürfen die Themen Datensicherheit und Datenrecht nicht ausbleiben. Hier stellen wir nur ein paar ausgewählte Experten und Expertinnen vor.
Zell-Atlanten
Die Industrie bezeichnet Big Data als das Öl der Zukunft, denn Big Data hilft uns, unsere Gesundheit zu verstehen und zu beherrschen. Prof. Fabian Theis und sein Team nutzen komplexe genomische und biochemische Daten, um die Funktionsweise zellulärer Prozesse zu erforschen und wie durch Fehler Krankheiten entstehen.
Sie entwickeln Algorithmen des unüberwachten maschinellen Lernens, die auf Basis von Sequenzierungsdaten einzelner Körperzellen Modelle gesunder und kranker Organe bauen. Ähnlich wie Landkarten oder Atlanten die Welt geografisch darstellen, beschreiben diese Modelle die Biologie menschlicher Zellen und Gewebe. Sie ermöglichen es uns, herauszufinden, wann und warum Krankheiten entstehen und wie sie behandelt werden können.
→ Mehr zur wissenschaftlichen Forschung von Fabian Theis
Big Data in der translationalen Genomik
Prof. Eleftheria Zeggini entfesselt die Macht von KI, um aus genomischen Daten (den Sequenzen und Modifikationen von DNA, RNA und Proteinen) Krankheitsrisiken vorherzusagen und Medikamente und Präventionsansätze zu entwickeln. Um sinnvolle KI Algorithmen überhaupt erst zu trainieren, müssen die Sequenzen hunderttausender individueller Genome eingesetzt werden – je mehr und je diverser, desto besser.
Der Verarbeitung genomischer Daten zu Forschungszwecken stehen datenschutzrechtliche Hürden im Weg. Prof. Zeggini ist deshalb begeistert über die Gründung der M1 Münchener Medizin Allianz. Diese will ihr und anderen Forschenden den Weg ebnen, um künftig ohne bürokratische Hürden zu kollaborieren, Daten zu Forschungszwecken auszutauschen und standardisierte klinische Studien durchzuführen. Dadurch soll das enorme Potential genomischer Big Data noch besser ausgeschöpft werden.
→ Mehr zur wissenschaftlichen Forschung von Eleftheria Zeggini
Medizinische Bildgebung
Gemeinsam mit Radiologen des Uniklinikums der TUM entwickelt Prof. Julia Schnabel KI Algorithmen, um alle Schritte der medizinischen Bildgebung zu verbessern. Dabei wendet sie maschinelles Lernen dazu an, die eigentliche Bilderstellung zu unterstützen, das Ausmessen von Bilddaten zu automatisieren und letztendlich Diagnosen und Prognosen zu verfeinern.
Anhand von Bilddaten gesunder Menschen können KI Modelle auf die Erkennung kleinster Anomalien in Verfahren wie Ultraschall, Magnetresonanztomografie und Computertomografie trainiert werden. Diese arbeiten so präzise, dass Krankheitsbilder wie Lungenkrebs in den frühesten Stadien diagnostiziert und damit Behandlungsmöglichkeiten verbessert werden können.
→ Mehr zur wissenschaftlichen Forschung von Julia Schnabel
Technische Universität München (TUM)
-Omics und Genexpression
Prof. Julien Gagneur vereint -Omics Analysen (Genomik, Transkriptomik, Proteomik) mit KI, um zu verstehen, wie Zellen das Ablesen des DNA Codes und damit ihre Aktivität regulieren. Dieses grundlegende Wissen wird es ermöglichen, Krankheiten zu diagnostizieren und zu therapieren, die aufgrund fehlerhafter Genexpression entstehen.
Um auch die genetischen Ursachen seltener Krankheiten oder von Krebs zu ergründen, die manchmal durch die Mutation von nur einer einzigen Base in einem Genom von gut drei Milliarden Basenpaaren entstehen, ist eine umfangreiche Sammlung genomischer Patientendaten erforderlich. Deshalb engagiert sich Prof. Gagneur für die Gründung einer Cloud, die das Speichern und Bereitstellen klinischer Daten zu Forschungszwecken erlaubt.
→ Mehr zur wissenschaftlichen Forschung von Julien Gagneur
Radiologie und Datensicherheit
Prof. Daniel Rückert und sein Team am Institut für KI und Informatik in der Medizin arbeiten in unmittelbarer Nähe des Uniklinikums der TUM. Diese Nähe zu Patienten und zu medizinischem Fachpersonal ist extrem förderlich für die Entwicklung, Anpassung und Überführung von KI Anwendungen in die klinische Praxis. Dabei konzentriert sich Prof. Rückert vor Allem auf die Weiterentwicklung von Methoden medizinischer Bildgebung.
Das Trainieren effektiver KI Algorithmen hängt von einer umfangreichen Menge an Patientendaten ab. Um dabei eine sichere Datennutzung zu gewährleisten, entwickeln Prof. Rückert und Kollegen KI Modelle, die „privacy preserving AI“ genannt werden und dafür sorgen, dass Patientendaten das Krankenhaus nicht verlassen. Stattdessen werden KI Modelle in den jeweiligen Krankenhäusern trainiert, sodass diese statt Patientendaten unter Forschenden geteilt werden.
→ Mehr zur wissenschaftlichen Forschung von Daniel Rückert
Konstruktiver Datenschutz
Prof. Dirk Heckmann betreibt interdisziplinäre Forschung in verschiedenen Bereichen der Digitalisierung, insbesondere im Gesundheitswesen. Dabei verfolgt er den Ansatz des konstruktiven Datenschutzes, um Brücken hin zur Datensolidarität zu schlagen.
Ein solcher Ansatz soll das Vertrauen zwischen Ärzten und Patienten stärken und ermöglichen, dass wir die unterstützende Funktion von KI zur Förderung der menschlichen Gesundheit optimal nutzen.
Ein Mangel an Datenaustausch im Gesundheitswesen kann verheerende Folgen haben; beispielsweise sterben jährlich Zehntausende von Menschen aufgrund von Wechsel- und Nebenwirkungen von Medikamenten, die durch einen verbesserten Informationsaustausch verhindert werden könnten.
Prof. Heckmann bringt seine juristischen Kenntnisse in interdisziplinäre Analysen zur Datensicherheit ein, um Sicherheit auf dem Weg zur Digitalisierung zu gewährleisten und gleichzeitig das immense Potenzial von KI-Anwendungen in der Medizin zu erschließen. Mit diesem Ziel leitet er als Geschäftsführer des wissenschaftlichen Beirats der AOK Nordost die digitale Transformation des Gesundheitswesens an.
Ludwig-Maximilians-Universität München (LMU)
Krebsforschung und Pathologie
Prof. Frederick Klauschen begann an der Berliner Charité, Maschinelles Lernen zur Erforschung von Krebs anzuwenden. Seit seinem Umzug an die LMU strebt er es noch mehr an, Verfahren der KI nicht nur in der Forschung einzusetzen, sondern auch in der klinischen Diagnostik zu etablieren.
Prof. Klauschen sieht auch ein großes Potential von KI darin, die Lücke zwischen biomedizinischer Grundlagenforschung und datenbasierter klinischer Forschung zu überbrücken. Verfahren des erklärbaren Maschinellen Lernens (Explainable AI „XAI“) können aus komplexen klinischen Datensätzen mechanistische bzw. kausale Zusammenhänge vorhersagen. Daraus können Hypothesen gebildet werden, die dann im Experiment oder weiteren klinischen Studien validiert werden. Diese Herangehensweise soll zum Beispiel bei der Entwicklung personalisierter Therapien zur Behandlung von Krebs helfen.
→ Mehr zur wissenschaftlichen Forschung von Frederick Klauschen