Mit anregenden Vorträgen, Diskussionen, Networking und Einblicken in die neuesten Entwicklungen im Bereich AI im Gesundheitswesen bringt die KI-MED Connect Fachleute aus Unternehmen, Universitäten und Krankenhäusern zusammen, um verschiedene Themen rund um KI im Gesundheitswesen zu diskutieren. Dabei geht es unter anderem um Datenakquise, Compliance/Normen und Richtlinien, ethische Aspekte, Explainable KI, Anonymisierung, Validierung und Verifikation sowie Transparenz und High Performance Computing.

Fraunhofer MEVIS wird in diesem Jahr mit folgendem Beitrag vertreten sein:

Vortrag

Johannes Lotz

"Überlebenszeitvorhersage beim Prostatakarzinom durch föderierte Foundation-Modelle"

Session: KI-basierte Prognose-modelle

Donnerstag, 19. September, 9 Uhr – 10:30 Uhr

Mit der steigenden Arbeitsbelastung von PathologInnen wird der Bedarf an Automatisierung zur Unterstützung diagnostischer Aufgaben und der quantitativen Bewertung von Biomarkern immer offenkundiger. Foundation-Modelle haben das Potenzial, die Generalisierbarkeit sowohl innerhalb eines Zentrums als auch zwischen verschiedenen Zentren zu verbessern, und können eine entscheidende Rolle bei der effizienten Entwicklung spezialisierter KI-Modelle spielen. Das Training dieser Modelle erfordert jedoch oft eine enorme Menge an Daten, Rechenleistung und Zeit. Wir stellen einen überwachten Multitasking-Lernansatz vor, der diese Anforderungen deutlich reduziert und mit dem wir das Tissue-Concepts-Foundation-Modell trainiert haben.

Im Projekt ProSurvival erweitern wir die Anwendung des Foundation-Modells auf die Vorhersage des Überlebens von Prostatakrebspatienten basierend auf histopathologischen Bilddaten. Durch föderiertes Lernen ermöglichen wir die kooperative Nutzung von Patientendaten aus mehreren klinischen Standorten, ohne dass die Daten die Klinik verlassen. Diese Infrastruktur wurde entwickelt, um Datenschutzbedenken zu reduzieren und ein globales Modell aus lokalen Daten zu trainieren. Das Tissue-Concepts-Foundation-Modell wurde an Whole-Slide-Images von Brust-, Darm-, Lungen- und Prostatakrebs getestet und erreichte mit nur 6% der Trainingsdatenmenge eine mit anderen Modellen vergleichbare Leistung. Projekt-Website: prosurvival.org.