aisencia: Für schnellere Diagnosen

Wie gut eine regelmäßige Vorsorge ist, das stellen zum Glück immer mehr Menschen fest. Auch in punkto Hautkrebs hat sich hier in den vergangenen Jahren einiges getan – umso stärker ist die Nachfrage nach schnellen Diagnosen bei Auffälligkeiten. Entdeckt ein Arzt eine merkwürdig aussehende Stelle, beispielsweise einen vergrößerten Leberfleck, dann wird hier mittels Biopsie eine Gewebeprobe entnommen. Ist diese Wucherung nun gut- oder bösartig? Um diese Frage noch schneller beantworten zu können, haben Studenten der Hochschule Bremen bereits vor fünf Jahren eine künstliche Intelligenz (KI) entwickelt. Modernste Technik unterstützt die Pathologie bei der histologischen Untersuchung im Labor. Dies ermöglicht ein schnelleres Verfahren und damit auch ein zügiges Ergebnis – und erspart so auch dem Patienten eine oft quälend lange Wartezeit. Unter dem Firmennamen aisencia wurde die KI inzwischen optimiert und zur Marktreife geführt.

Perfektes Zusammenspiel

Was kann ein Arzt erkennen, was eine KI? „Wenn beide auf ein Objekt schauen, ist es ein hervorragendes Zusammenspiel“, so Dr. Max Schmidt, Mitgründer von aisencia. „Die KI kann bei solchen Routineaufgaben unterstützen und sehr schnelle, präzise Analysen liefern.“ Automatisch kann sie Dinge vermessen, Abstände und Größen bestimmen. Wie groß ist der Tumor? Wie weit ist er vom Rand entfernt? Muss man nach einer vorangegangenen OP vielleicht noch einmal operieren, um noch eventuell bestehendes risikoreiches Gewebe zu entfernen? Der visuelle Vorschlag und der Diagnosebericht durch die KI werden vom Arzt überprüft und bei Bedarf ergänzt. „Jeder Fall wird durch ein zusätzliches Paar künstlicher Augen gesehen – ein Effizienzgewinn und qualitativer Vorteil.“

Informatik und Pathologie

Doch wie kam diese KI-Entwicklung, die auch international für Aufsehen gesorgt hat, eigentlich zustande? „Damals haben wir uns tatsächlich noch gar nichts Besonderes dabei gedacht“, erinnert sich Max Schmidt an die Anfänge 2019. Gemeinsam hatte man in einem Pathologieprojekt geforscht und dann etwas entdeckt, was Ärzten und Patienten gleichermaßen helfen könnte: Eine spezielle KI war in der Lage, zuverlässig hellen Hautkrebs in Gewebeschnitten zu erkennen. 2021 stellte sich dann die Frage: Bleibt es ein Uni-Projekt, das vielleicht sogar in der Schublade verschwinden würde, oder könnte man ein richtiges Produkt daraus entwickeln. Schnell war klar: Es sollte eine eigene Firma sein.

Mit Hilfe von EXIST, dem Forschungstransfer für technologische Innovationen, fiel im April 2022 der offizielle Startschuss für die Ausgründung. Zum Thema Patentanmeldung beriet die InnoWi. Mit im Boot neben KI-Forscher Max Schmidt die Software-Entwickler Dr. Daniel Otero Baguer und Jean Le‘Clerc Arrastia, die extra aus Kuba anreisten, um hier Promotion zu schreiben. Weiterhin als Mentor zur Seite stand Dr. Peter Maaß, ein Professor aus der Industriemathematik. Doch auch der wirtschaftliche Aspekt durfte nicht außer Acht gelassen werden. Daher ergänzt Betriebswirt Dietrich Schreiber das aus Mathe- und Informatikexperten bestehende Team.

Optimistisch in die Zukunft

Noch ist aisencia spezialisiert auf die Diagnostik von Hautproben. „Wir können derzeit 40 verschiedene Erkrankungen erkennen“, so Max Schmidt. 80 Prozent der Routinearbeiten in dieser speziellen Labordiagnostik lassen sich durch die KI unterstützen. „Es ist ein Tool, das sich ziemlich breit einsetzen lässt.“ Derzeit ist die Technologie noch auf den Bereich Haut begrenzt – quasi als Eintrittsmarkt. „Erweiterungen sind aber auf alle Fälle geplant.“ Dass das kleine Unternehmen weiterhin auf Erfolgskurs zu sein scheint, bestätigt auch die schnell gewachsene Anzahl der Mitarbeitenden: Inzwischen besteht das Team aus zehn Experten verschiedenster Bereiche.

Das Grundkonzept der künstlichen neuronalen Netze

Künstliche neuronale Netze sind ein Schlüsselelement der künstlichen Intelligenz. Sie sind von der Funktionsweise des menschlichen Gehirns inspiriert und bestehen aus miteinander verbundenen künstlichen „Neuronen“ oder Knoten. Diese Neuronen nehmen Eingaben auf, verarbeiten sie und geben dann Ergebnisse aus.

Wie funktioniert KI in der Pathologie?

Datenerfassung: Um ein künstliches neuronales Netzwerk in der Pathologie zu trainieren, werden zunächst große Mengen histopathologischer Bilder benötigt. Diese Bilder dienen als Eingabe für das neuronale Netzwerk, das sie analysieren und Muster erkennen wird.
Training des neuronalen Netzes: Das künstliche neuronale Netzwerk wird mit den histopathologischen Bildern trainiert. Während des Trainings lernt das Netzwerk, verschiedene Merkmale und Muster in den Bildern zu identifizieren, die bei der Diagnose von Krankheiten wichtig sein könnten.
Diagnoseunterstützung: Nach dem erfolgreichen Training kann das neuronale Netzwerk nun neue, nicht gesehene histopathologische Bilder analysieren. Es erkennt Muster und Merkmale, die auf bestimmte Krankheiten oder Zustände hindeuten können. Pathologen können diese Analyse nutzen, um ihre Diagnose zu unterstützen und zusätzliche Informationen zu erhalten.

Von Melanie Jülisch