Federated Learning: Verbundlernen für die KI in der Medizin

Federated Learning: Verbundlernen für die KI in der Medizin
Hirn-Perfusionskarte eines Patienten mit akutem Schlaganfall – oben mit Convolutional Neural Network (CNN) und unten mit der klassischen Methode (©Insel Gruppe)

Gemeinsame Nutzung von Trainingsdaten soll die KI-basierte Schlaganfall-Prognostik verbessern.

  • Datum:
    11.03.2021
  • Autor:
    M. Wyler (mh/ktg)
  • Quelle:
    Wissenschaftskommunikation Universitätsspital Bern

Der KI-Entwicklung fehlen Trainingsdaten

Aktuelle Anwendungsbereiche der künstlichen Intelligenz (KI) liegen in der Interpretation von Bild- und Analysedaten zur Unterstützung von Diagnostik und Prognostik. Eine Massive Hürde für die Entwicklung KI-basierter Algorithmen sind die nur begrenzt verfügbaren Datensets für das Training. Oft sind nur ungenügende Datenmengen aus einzelnen Zentren vorhanden, die nicht übertragbar sind, oder Probleme der Anonymisierung verhindern den wirksamen Einsatz von KI.

Um hier Abhilfe zu schaffen verbindet das Projekt 'Advanced Stroke Analysis Platform' (ASAP) die Datenbanken zweier schweizerischer Spitalzentren: Die des Inselspitals Bern und die des 'Centre Hospitalier Universitaire Vaudois' in Lausanne.

Föderativ: Dezentrales Arbeiten

Dabei findet das Training der KI-Algorithmen im Verbund unterschiedlicher Datenbanken "föderativ" an dezentralen Standorten, an separaten Geräten und Plattformen statt.

"Bisherige Ansätze basieren auf einem zentralisierten Zugriff auf die Daten", erläutert der Berner KI-Experte Richard McKinley. "Neu schlagen wir vor, die Zuordnung zwischen Standorten mithilfe der Bildübersetzung mit verteilten generativen kontradiktorischen Netzwerken zu lernen. Die Rohdaten werden so weder vom Server noch von den anderen Standorten gesehen."

Ein großer Teil der Erfassung und Auswertung wird dabei dezentral geführt. Nur vorbearbeitete, anonymisierte und normalisierte Daten werden zentral für den Lernprozess verwertet.

Pilotprojekt 'Advanced Stroke Analysis Platform' (ASAP)

Bisher existierte keine klinisch etablierte KI-Anwendung zur Prognosestellung für StrokepatientInnen. Prognosen wurden in der Praxis aufgrund relativ ungenauer Daten auf der Basis sogenannter Volumendiffusions- bzw. Perfusionskarten erstellt. Deren Ungenauigkeit ergibt sich aus dem sehr hohen Zeitdruck beim Schlaganfall und aus der Fehleranfälligkeit automatisierter Bildinterpretationsmethoden.

Das Pilotprojekt ASAP arbeitet nun an der Entwicklung prognostischer Algorithmen für den Schlaganfall, die auf MRT-Bildern trainiert wurde. Das Projekt ASAP wird im ersten Quartal 2021 gestartet. Resultate sind per Ende 2023 zu erwarten.