Krebserkennung im Computer
Das Start-up Enlitic hat eine Software entwickelt, die besser als Menschen Tumore auf medizinischen Bildaufnahmen erkennen können soll.
- Caleb Garling
Das Start-up Enlitic hat eine Software entwickelt, die besser als Menschen Tumore auf medizinischen Bildaufnahmen erkennen können soll.
Rechner erledigen bekanntlich immer häufiger Aufgaben, die bislang vom Menschen übernommen wurden. Das Diagnostizieren von Krankheiten könnte demnächst dazukommen: Eine junge US-Firma namens Enlitic hat ein Verfahren entwickelt, mit dem sich per Bilderkennung medizinische Aufnahmen vorauswerten lassen.
Der Chef des Start-ups, Jeremy Howard, war zuvor als Forschungsleiter bei der Data-Mining-Firma Kaggle beschäftigt. Die Grundidee ist es, Gewebeverletzungen, Störungen des Organismus und Krankheiten zu erkennen, indem einem Algorithmus zunächst Hunderte von Röntgenbildern, Kernspinaufnahmen, Computertomographiescans und andere medizinische Darstellungen präsentiert werden. Howard glaubt, dass eine Software mit "genügend Erfahrung" rechtzeitig Probleme erkennen kann, um sie dann in einer Bildaufnahme zu markieren und einem Arzt zur weiteren Untersuchung vorzulegen. Das soll vor allem Zeit sparen, denn Fachpersonal müsste nicht mehr alle Bilder von Hand begutachten.
Die Verwendung von Algorithmen aus dem Bereich des maschinellen Lernens explodiert in den vergangenen Jahren regelrecht. Rechner werden leistungsfähiger und Software immer besser darin, ihnen eine Mustererkennung beizubringen. Mittlerweile versuchen Forscher schon, die physische Arbeitsweise des Gehirns in per Algorithmus nachzubauen. Das Grundprinzip des sogenannten Deep Learning klingt einfach: Einem Rechner werden beispielsweise so viele Bilder gelber Taxis auf der Straße vorgesetzt, dass er sie später auch in anderen Zusammenhängen erkennen kann, etwa auf einer Wiese oder auf einem Parkplatz. Diese Strategie verfolgt auch Enlitic.
Doch obwohl Bilderkennungsverfahren in den letzten Jahren deutlich weitergekommen sind, werden sie in der Medizin nur relativ wenig verwendet. Enlitic will das nun ändern. Die Firma plant unter anderem, Computern anonymisierte Bilder von Krankheitsbildern wie Hirntumoren zu präsentieren. Danach könnten sie dann automatisch markiert werden.
Howard zufolge sehen die bildlichen Darstellungen vieler Krankheiten relativ gleichförmig aus, was den Lernprozess vereinfacht. Ein gelbes Taxi kann in allen möglichen Umgebungen auftauchen, während Winkel, Abbildungsposition und Farbe einer Röntgenaufnahme des Brustkorbs normalerweise ähnlich aussehen. Das macht es einfacher, kritische Unterschiede zwischen Bildern zu isolieren – etwa solche, die einen Tumor zeigen.
Da eine vollständige Diagnose aus mehr besteht als der reinen Bildanalyse, will Enlitic eine sich ständig vergrößernde Datenbanken anlegen, die zu bestimmten Krankheitsbildern weitere Fakten enthält. "Es geht hier nicht nur um ähnlich aussehende Bildpunkte. Basierend auf Deep-Learning-Algorithmen lassen sich Krankheitsverläufe und Therapiemöglichkeiten bestimmen", sagt Howard.
Hinzu kommt, dass aktuelle Algorithmen aus dem Bereich des maschinellen Lernens theoretisch auch Informationen aus dem Verhalten eines Patienten ableiten können. Dazu gehört etwa die Stimmlage bei der Beschreibung seiner Symptome oder ein Stöhnen beim Betasten des Körpers. Howard glaubt, dass diese Daten zusammen mit Bilderkennungstechniken eine noch genauere und schnellere Diagnose erlauben.
Elitic begibt sich damit nicht auf ein vollständig neues Territorium. 2011 zeigten Forscher aus Stanford bereits, dass ein Computer mikroskopische Aufnahmen von Brustkrebs genauer analysieren kann als ein Mensch.
Verschiedene große IT-Firmen arbeiten zudem daran, medizinische Daten besser zu organisieren. Das IBM-System Watson hilft Ärzten am MD Anderson Cancer Center der University of Texas, Muster in den medizinischen Diagrammen und Krankheitsgeschichten von mehr als 100.000 Patienten zu analysieren. Microsoft hat mit InnerEye zudem ein Forschungsprojekt gestartet, bei dem Veränderungen im Krankheitsverlauf über medizinische Bildaufnahmen erkannt werden sollen.
Noch brauchen all diese Rechner menschliche Unterstützung. Enlitic hofft aber, dass sich so zumindest schneller gefährliche Krankheiten detektieren lassen. "Wir wollen die Radiologen nicht ersetzen", sagt Howard, "wir wollen ihnen die notwendigen Informationen nur zehnmal so schnell geben". (bsc)
