KI‑Maschinenvision, die unser Gesundheitswesen revolutionieren soll

Maschinenvision & Gesundheit

Zusammen mit LLMs (großen Sprachmodellen) wie ChatGPT ist die Maschinenvision eine der wichtigsten jüngsten Entwicklungen im Bereich KI. Die verschiedenen dafür eingesetzten Methoden, wie neuronale Netze und Deep Learning, ermöglichen es Computern nun, ihre Umgebung wirklich zu sehen.

Eine Anwendung dieser Idee besteht darin, Computern Aufgaben von Menschen zu übernehmen, wie das Fahren, oder Robotern volle Autonomie in der realen Welt zu geben, anstatt sie auf Fabrikböden zu beschränken.

Es ist einer der Haupttreiber für die Einführung von Maschinenvision, ein schnell wachsender Markt, der bis 2029 voraussichtlich 9,2 Mrd. $ erreichen wird.

Quelle: EPAM

Aber eine ebenso wichtige Aufgabe ist die Beurteilung unserer Gesundheit. Viele medizinische Diagnosen basieren auf den visuellen Einschätzungen von Ärzten. Dazu gehören die direkte Untersuchung und die fachkundige Analyse von Röntgenaufnahmen, Scannern und anderen medizinischen Bildern.

In den meisten Fällen sind diese visuellen Untersuchungen etwas subjektiv. Ein Arzt benötigt viele Jahre Erfahrung, um seiner Einschätzung wirklich vertrauen zu können. Und bis jetzt machte die leichte Unterschiedlichkeit jedes Patienten die automatisierte Messung zu komplex.

Das ändert sich nun endlich, und viele Unternehmen erforschen derzeit den Einsatz von KI‑Maschinenvision, um überlegene Analysen medizinischer Bilder zu erstellen.

Direkte visuelle Untersuchung

Wir haben kürzlich den Fall untersucht, bei dem KI Ohrinfektionen besser als ein menschlicher Arzt erkennt, in unserem Artikel „KI bereit, ein unverzichtbares medizinisches Diagnosewerkzeug zu werden“

Dies kann auf viele andere Pathologien ausgeweitet werden; zum Beispiel kann Googles KI‑Bildgebung zur Diagnose von 26 verschiedenen Hautkrankheiten (80 % der Fälle in der Grundversorgung) verwendet werden, diabetische Retinopathie erkennen oder sogar das Risiko einer zukünftigen Entwicklung diabetischer Retinopathie vorherzusagen.

Noch überraschender ist, dass KI offenbar Gesundheitsprobleme aus visuellen Inspektionen erkennen kann, die Menschen nicht nutzen können; zum Beispiel Anämie (normalerweise erfordert ein Bluttest) anhand eines Blicks auf die Netzhaut des Auges zu erkennen. Die gleiche Methode könnte auch verwendet werden, um Herzinfarktrisiken vorherzusagen.

Sie kann auch Läsionen erkennen, die das menschliche Auge übersehen würde; zum Beispiel kann die höhere Genauigkeit von Iterative Healths KI dabei helfen, Magen- und Darmkrebs zu entdecken.

Medizinische Bildanalyse

Je raffinierter die medizinischen Bildgebungen von Röntgen, Tomographie, CT-Scans, Sonographie und anderen werden, desto komplexer wird die Bildanalyse.

Fortschrittliche KI kann nun dabei helfen, die Bildqualität, Datenverarbeitung und Datenanalyse zu verbessern.

Zum Beispiel nutzt Cleery KI, um Daten der Koronaren Computertomographie‑Angiographie (CCTA) zu analysieren und „ ein 3D‑Modell der Koronararterien des Patienten zu erzeugen, deren Lumen und Gefäßwände zu identifizieren, Stenosen zu lokalisieren und zu quantifizieren sowie Plaque zu identifizieren, zu quantifizieren und zu kategorisieren.“

Butterfly Network verändert die Art und Weise, wie die Sonographie durchgeführt wird, dank Halbleiterchips, die piezoelektrische Sensoren ersetzen, und KI, um mobile 3D‑Modelle der inneren Organe des Patienten zu erstellen.

Quelle: Butterfly Network

Verisound AI, ein Tochterunternehmen von GE Healthcare bietet Echtzeit‑Anleitungen für den Praktiker, automatisierte Bildaufnahme und spezialisierte KI‑Lösungen für allgemeine Bildgebung, Kardiologie, Brustultraschall, Frauengesundheit, Nerven, Nieren, Leber usw.

Googles KI wird auch eingesetzt, um Brustkrebs zu erkennen und Onkologen Zeit zu sparen, was hilft, Arbeitskräftemangel zu lindern.

ChestEye und ChestLink von Oxipit überprüfen Röntgenbilder, um potenziell übersehene Lungentumoren zu finden.

Chirurgie

KI kann Chirurgen auf vielfältige Weise unterstützen.

Eine davon ist die Operationsführung, insbesondere bei robotergestützter Chirurgie, bei der die KI dem Chirurgen in Echtzeit zusätzliche Informationen oder Ratschläge geben kann.

Basierend auf seiner Analyse von Millionen chirurgischer Videos hat die KI die Fähigkeit, die nächsten 15 bis 30 Sekunden einer Operation vorherzusehen und zusätzliche Aufsicht während der Operation zu bieten

Dr. Eckhoff – Stipendiat für künstliche Intelligenz und Innovation am Surgical Artificial Intelligence and Innovation Laboratory des Massachusetts General Hospital

Ein Beispiel ist das französische Pixee Medical, das 3D‑Tracking mit einem Smartphone oder einer Smart‑Brille für die orthopädische Chirurgie ermöglicht.

KI kann auch den entscheidenden Vorgang der Operationsaufzeichnung automatisieren, insbesondere bei wiederholenden und fehleranfälligen Aufgaben. Da Chirurgen in den USA bei etwa 1500 Operationen pro Jahr Instrumente im Patienten vergessen, könnte die Computer‑Vision dieses Problem vollständig beseitigen, indem sie automatisch alles, was während der Operation verwendet wird, nachverfolgt.

Datenmanagement

Patientendaten

Obwohl es weniger spektakulär ist, als einen Tumor zu entdecken, eine Diagnose ohne menschliches Eingreifen durchzuführen oder Chirurgen zu unterstützen, kann das Management von Patientendaten für die Genesung der Patienten ebenso wichtig sein.

Der erste Teil, bei dem KI helfen kann, ist die Gesichtserkennung und deren Verknüpfung mit Patienten‑ID und medizinischen Akten. Es besteht stets das Risiko, dass im Hochgeschwindigkeits‑ und Hochstress‑Arbeitsumfeld der meisten Krankenhäuser Identitäten verwechselt werden. Diese Technologie ist allgemeiner Natur und kann von Anbietern von Gesichtserkennungssoftware, wie zum Beispiel Facia, eingesetzt werden.

Der zweite Schritt besteht darin, alle möglichen Daten eines Patienten in ein System zu integrieren. Zum Beispiel könnten Bilder aus der Radiologieabteilung (und der zugehörigen Software), allgemeine Patientenakten, Dokumente früherer Behandlungen in einem anderen Krankenhaus, Apothekenrezepte usw. enthalten sein.

Die Integration all dieser Daten kann sehr komplex sein, und KI‑Tools wie CloudMedxHealth könnten helfen, das gesamte Potenzial medizinischer Digitaldaten zu realisieren.

Quelle: CloudMedxHealth

Medizinische Daten können auch auf einer höheren Ebene aggregiert werden, wie es Komodo Health tut, um einen Überblick über das gesamte US‑Gesundheitssystem zu schaffen.

Überwachung

Ein weiterer Bereich, in dem KI helfen kann, ist die Überwachung des Krankenhausumfelds. Dies kann die Einhaltung guter Hygienestandards (Reinigung, Masken usw.) oder grundsätzlich jede Prozedur umfassen, die automatisch überwacht werden muss.

Ähnliche Überwachung kann Patienten zu Hause bereitgestellt werden, um ihre Genesung zu überprüfen. Das ermöglicht beispielsweise Physiotherapie zu Hause, was nicht nur praktischer für Patienten und Ärzte ist, sondern auch das Gesundheitssystem insgesamt kostengünstiger macht.

Die Heimüberwachung kann auch die Sturzerkennung umfassen, wobei bei Bedarf automatisch der Notruf gewählt wird.

Telemedizin kann allgemein von KI profitieren, zum Beispiel durch die Lösung von Corti.AI.. Wir haben dieses Thema auch in unserem Artikel „Heal From Home: Top 5 Telemedizin‑Aktien“ untersucht.

Verbesserung der medizinischen Forschung

Biologie wird oft als das „weichste“ der wissenschaftlichen Felder beschrieben, weil medizinische und biologische Daten tendenziell viel „unordentlicher“ sind als in Chemie oder Physik.

Zum Teil ist das unvermeidlich, da biologische Proben extrem komplex sind und voneinander variieren können.

Es liegt auch daran, dass das Feld immer noch häufig auf manuelle Zählungen für Dinge wie Zellzählungen unter dem Mikroskop angewiesen ist. Das Gleiche gilt für medizinische Analysen wie Blutzählungen. Natürlich werden 2 verschiedene Personen ein komplexes Sample leicht unterschiedlich zählen.

Dies kann mit KI‑Maschinenvision gelöst werden, wobei Produkte wie Shonit von Sigtuple nun zuverlässige und standardisierte Zählungen aller Arten von Blutzellen ermöglichen.

Quelle: Sigtuple

Medizinische Bilder erhalten ebenfalls standardisierte Klassifizierung und Annotation durch Werkzeuge wie Enlitic, was Forschern den Zugriff auf hochwertigere Datensätze ermöglicht.

Während die medizinische Forschung damit kämpft, eine Flut neuer Daten zu bewältigen, die aus Fortschritten in den analytischen Wissenschaften in Genomik, Transkriptomik, Proteomik und der gesamten „Multiomics“-Revolution resultieren, die wir in „Multiomics sind der nächste Schritt in der Biotechnologie“ beschrieben haben.

KI‑gestützte Genbearbeitung ermöglicht durch ‘OpenCRISPR-1’

Ersatz fehlender Sinne

Eine weitere Möglichkeit, wie Maschinenvision das Gesundheitswesen verändern kann, besteht darin, Dinge für uns zu sehen. Blinde Menschen oder Personen mit anderen Beeinträchtigungen können KI nutzen, um Gegenstände in ihrer Umgebung zu identifizieren.

KI kann auch Text in Sprache umwandeln, der normalerweise nicht zugänglich wäre.

Schließlich kann Maschinenvision Menschen mit Behinderungen dabei helfen, Geräte über Gesichtsausdrücke oder Gesten zu steuern.

Maschinenvision Unternehmen

1. Alphabet

Google ist ein führendes Technologieunternehmen in vielen Bereichen, wobei natürlich die Suche und das Android‑Smartphone‑Betriebssystem gute Beispiele sind.

Es ist gleichermaßen ein Vorreiter im Bereich KI, mit einer starken Präsenz in der Maschinenvision für das Gesundheitswesen, von der Erkennung von Krebs und Krankheiten bis hin zu Prävention und Verbesserung von Behandlungen.

KI wird auch in anderen Bereichen als der Maschinenvision genutzt. Zum Beispiel kann Googles AlphaFold KI die 3D‑Konfiguration von Proteinen vorhersagen, ein Schlüssel für die Entwicklung neuer Medikamente, und die Effizienz und das Sicherheitsprofil neuer Moleküle prognostizieren. Wir haben diskutiert, wie AlphaFolds Vorhersagen sich als zuverlässig und äußerst hilfreich für die Medikamentenentwicklung erwiesen haben, in „Zukünftige Modellierung weist auf eine vielversprechende Zukunft für KI‑basierte Medikamentenentwicklung hin“.

Quelle: News Medical

Googles Health KI umfasst Med-PaLM, das erste große Sprachmodell, das Expertenleistung bei medizinischen Prüfungsfragen erreicht, den Open‑Source-Open Health Stack für Entwickler, DeepVariant für Genomanalysen und Deep Learning für elektronische Patientenakten.

Natürlich hat Googles Vision KI viele weitere Anwendungen über das Gesundheitswesen hinaus, einschließlich Transport, Inhaltserstellung (Text, Bild und Video), Dokumenteninterpretation usw.

Insgesamt ist Alphabet/Google ein Riese nicht nur im Technologiebereich, sondern auch in der KI, einschließlich im Gesundheitswesen und den Anwendungen der Maschinenvision im Gesundheitswesen.

2. Butterfly Network

Butterfly ist sowohl Entwickler eines fortschrittlichen ultra‑portablen Ultraschall‑Diagnosetools als auch einer integrierten Software, die KI zur Unterstützung der Diagnose nutzt, genannt „Compass“.

Quelle: Butterfly Network

Das Unternehmen befindet sich nun in der 3^rd Generation der Ultraschallsonde, mit der Veröffentlichung des iQ3 im Jahr 2024, mit einer höheren Datenübertragungsrate und dem Doppelten der Verarbeitungsgeschwindigkeit der Vorgängerversion. Wie alle vorherigen Butterfly‑Ultraschallsonden basiert es auf der überlegenen Halbleiter‑„Ultrasound‑on‑Chip“-Technologie anstelle klassischer piezoelektrischer Sensoren.

iQ3 bietet ein überlegenes Benutzererlebnis, einschließlich der Möglichkeit, sowohl 3D‑ als auch Mehrflächen gleichzeitig zu visualisieren, integrierte Cloud‑Software und einen schnellen Start, alles zu einem günstigeren Preis.

Das Unternehmen nutzt KI, um die Bilder zu verbessern, diagnosespezifische Messungen automatisch zu erzeugen und Schulungs‑/Lehrpraxis bereitzustellen.

Quelle: Butterfly Network

Butterfly expandiert schnell in neue Märkte in Asien (Singapur, Indonesien, Philippinen usw.) und auch in den Veterinärmärkten, zum Beispiel zur Überprüfung der Gesundheit von Mastvieh und durch die Nutzung der Ultra‑Portabilität seines Ultraschallgeräts.