02.03.2020 - contextflow GmbH

Künstliche Intelligenz für medizinische Diagnosen

Startup revolutioniert die radiologische Diagnostik

Auch wenn sich ärztliches Einfühlungsvermögen wohl nie durch Computerprogramme ersetzen lassen kann – beim Erstellen von Diagnosen wird intelligente Software schon bald eine ganz zentrale Rolle spielen.

Das österreichische Startup contextflow, mit Wurzeln an der TU Wien und der Medizinischen Universität Wien, entwickelt künstliche Intelligenz, die ärztliche Befunde und Bilder aus dem Computertomographen blitzschnell mit anderen, ähnlichen Fällen vergleicht und dadurch die Diagnose deutlich einfacher, zuverlässiger und sicherer macht. Begleitet und unterstützt wird contextflow vom Innovation Incubation Center der TU Wien. Nun wurde contextflow offiziell vom TÜV zertifiziert und kann damit als Medizinprodukt verwendet werden.

Bildsuche und Textsuche

„Begonnen haben wir schon im Jahr 2010“, erzählt Markus Holzer, Mitbegründer und Geschäftsführer von contextflow. Finanziert durch eine EU-Forschungsförderung entwickelte ein Team von Alumni der TU Wien ein Konzept für die automatisierte Bildersuche in der Radiologie. „Ganz entscheidend war für uns, auf große medizinische Bild-Datenbanken zugreifen zu können, daher führten wir dieses Projekt an der Medizinischen Universität durch“, sagt Markus Holzer.

Wie sich bald zeigte, lässt sich die Grundidee tatsächlich umsetzen: Zu einem bestimmten Bild sucht der Computer automatisch andere ähnliche Bilder aus der Computertomographie-Datenbank. Man kann bestimmte Bildregionen markieren und bekommt ähnliche Fälle angezeigt, ohne mühsam händisch Archive durchstöbern zu müssen.

Doch damit nicht genug: contextflow durchsucht nicht nur Bilddatenbanken, sondern auch die Diagnose-Texte, die dazu erstellt wurden. Automatisch bringt die Software die medizinischen Begriffe der radiologischen Befunde mit den Bilddaten in Verbindung und kann somit von sich aus eine Diagnose für ein bestimmtes Bild vorschlagen. Einfache Fälle sollen auf diese Weise viel schneller als bisher bearbeitet werden können. Bei schwierigen Fällen, für die dann mehr Zeit bleibt, erhöht der Computercode durch Anzeigen passender Vergleichsfälle die Sicherheit und Genauigkeit der Diagnose.

Neuronale Netze

Die Technik dahinter ist höchst komplex: „Mit gewöhnlichen statistischen Methoden ist das kaum zu machen“, sagt Markus Holzer. „Wir arbeiten daher mit neuronalen Netzen, die gezielt trainiert werden und sich selbst verbessern – man spricht von deep learning.“ Ähnlich wie unser Gehirn aus einem Netz von Nervenzellen besteht, deren Verbindungen beim Lernen umgebaut werden, simuliert man am Computer ein virtuelles Netz, das sich verändert und anpasst, bis es nach ausreichendem Training so konfiguriert ist, dass es schwierige Aufgaben lösen kann.

„Das funktioniert ausgezeichnet – aber natürlich bedeutet es auch, dass man kein klassisches Computerprogramm hat, sondern eine hochkomplizierte Struktur, die ihrerseits nicht einfach zu verstehen ist“, erklärt Holzer. Was ein klassisches Computerprogramm macht, lässt sich Programmzeile für Programmzeile nachvollziehen – die Vorgänge in einem neuronalen Netz sind viel schwieriger zu verstehen. „Aber auch daran arbeiten wir“, sagt Holzer. „Die Software soll auch Auskunft darüber geben, wie sie zu ihrem Ergebnis gekommen ist.“

In den letzten Jahren wurden Pilotprojekte mit Wirtschaftspartnern und Uni-Kliniken durchgeführt, die Software hat sich bewährt. Nun gelang der nächste entscheidende Schritt:  Die contextflow-Software wurde offiziell vom TÜV Süd nach ISO 13485:2016 zertifiziert. „Damit erfüllen wir alle Anforderungen an ein umfassendes Qualitätsmanagementsystem für das Design, die Herstellung und die Inverkehrbringung von Medizinprodukten“, erklärt Markus Holzer.

Ein besonderes Augenmerk beim Design des Qualitätsmanagementsystems wurde auf Sicherheitsvorkehrungen beim Verarbeiten und der Speicherung von personenbezogenen Daten von Patienten gelegt.

Fakten, Hintergründe, Dossiers
  • künstliche Intelligenz
  • Diagnostik
  • Diagnosesoftware
  • Computertomographie
  • Deep Learning
Mehr über TU Wien
  • News

    Neuronale Hardware für Bilderkennung in Nanosekunden

    Automatische Bilderkennung ist heute weit verbreitet: Es gibt Computerprogramme, die mit großer Zuverlässigkeit Hautkrebs diagnostizieren, selbstfahrende Autos navigieren oder Roboter steuern. Bisher beruhte das alles auf der Auswertung von Bilddaten, wie sie von ganz normalen Kameras gelie ... mehr

    Wein, Blut und Motoröl – ein Sensor für viele Flüssigkeiten

    Der Fehrer-Preis der TU Wien geht an den Elektrotechniker Georg Pfusterschmied. Er entwickelte einen Sensor, mit dem man die Dichte und die Viskosität von Flüssigkeiten messen kann. Einen Löffel aus einem Glas Wasser herauszuziehen, ist kein Problem. Befindet sich der Löffel in einem Honig ... mehr

    Eine Fernsteuerung für alles Kleine

    Atome, Moleküle oder sogar lebende Zellen lassen sich mit Lichtstrahlen manipulieren. An der TU Wien entwickelte man eine Methode, die solche „optischen Pinzetten“ revolutionieren soll. Sie erinnern ein bisschen an den „Traktorstrahl“ aus Star Trek: Spezielle Lichtstrahlen werden heute dafü ... mehr