Anwendung von künstlicher Intelligenz und Deep Learning in der Medizin.
Was lerne ich in diesem Kurs?
Die Anwendung künstlicher Intelligenz ist im medizinischen Bereich auf großem Vormarsch. Egal ob in der Analyse von Bilddaten wie Röntgen-Bilder, CT- oder MRT-Aufnahmen oder Ultraschall-Bildern, künstliche Intelligenz auf Basis von deep learning Technologien hat im medizinischen Umfeld bereits großen Einfluss.
In diesem Spezialkurs widmen wir uns der Implementierung von KI-Software für die Medizin* und programmieren Schritt für Schritt einen Klassifizierer, der in der Lage ist, Röntgen-Bilder der Lunge korrekt zu klassifizieren.
Um möglichst vielen Teilnehmern einen leichten Einstieg zu ermöglichen, besprechen wir in der Einleitung Basisthemen aus den Bereichen neuronaler Netze, deep learning und künstlicher Intelligenz und erläutern, wie ein KI-Klassifizierer für Bilder im Allgemeinen aufgebaut ist.
Danach gehen wir auf verschiedene frei verfügbare Datensets mit medizinischen Bilddaten ein, die für das Training von KI-Algorithmen für medizinische Anwendungen eingesetzt werden können. Wir stellen Datensets mit Röntgenbilder, CT-Aufnahmen und Ultraschallbildern vor und gehen auf die Spezifika der einzelnen Datensets ein.
Allen diesen Bilddatensets ist gemein, dass die medizinischen Bilder im DICOM Format vorliegen. DICOM steht für Digital Imaging and Communication und ist ein defacto-Standard für die Speicherung und den Austausch von Bilddaten in der Medizin - egal ob Bilddaten vom CT, MRT, Röntgen oder Ultraschallgerät stammen, sie werden von praktisch allen Geräten im DICOM Format gespeichert. Nicht zuletzt ist das DICOM Format auch deshalb so wichtig, weil die Gerätehersteller mit einer Konformitätserklärung festlegen können, dass ihre Geräte teilweise oder vollständig die Funktionen von DICOM unterstützen. Aus diesem Grund ist es auch für die Entwicklung von KI-Anwendungen in der Medizin wichtig, sich intensiv mit diesem Dateiformat auseinander zu setzen.
Nachdem wir also die Grundlagen für die KI-Anwendung in der Medizin erarbeitet haben, können wir uns der Programmierung unseres Bildklassfizierers für Röntgenbilder widmen. Diese KI-Anwendung für die Medizin wird in der Lage sein, Röntgenbilder zu analysieren und festzustellen, ob auf dem Röntgenbild ein Pneunomothorax vorliegt oder nicht. Wir implementieren also mithilfe von künstlicher Intelligenz und deep learning einen binären Bildklassifizierer für die Medizin. Technisch setzen wir, wie bei unseren anderen KI online Kursen auch, auf das fastai deep learning Framework.
Doch wie bei anderen Anwendungen auch, hilft uns das beste deep learning Modell wenig, wenn wir es nicht zu unseren Anwendern bringen. Gerade bei der Entwicklung von KI-Anwendungen, wollen wir unserer Zielgruppe (in diesem Fall wahrscheinlich Mediziner / Ärzte) so schnell wie möglich, einen Prototypen unseres Modells präsentieren, damit wir mithilfe der Fachexpertise unser Modell weiterentwickeln können.
Dazu setzen wir auf das Python Voila Framework und ipyWidgets. Die Kombination aus Voila und ipyWidgets ermöglicht uns, aus einem Jupyter Notebook in nur wenigen Minuten eine vollständige Javascript basierte Webapplikation zu bauen, die wir unseren Anwendern direkt mithilfe von myBinder zur Verfügung stellen.
Den Abschluss dieses Spezialkurses bildet ein individuelles Kursprojekt, in dem jeder Teilnehmer eine KI-Anwendung für die Medizin auf Basis eines frei gewählten Datensets programmiert.
Lernziele in diesem Kurs zu künstlicher Intelligenz in der Medizin
Die Teilnehmer in diesem Kurs erhalten einen Einblick in die Funktionsweise von künstlicher Intelligenz hinsichtlich der Verarbeitung von Bilddaten mithilfe von deep learning Technologien.
Die Teilnehmer lernen die erforderlichen Basiskenntnisse zur Umsetzung und Implementierung eines Bildklassifizierers mithilfe vom deep learning Framework fastai.
Der Kurs vermittelt Hintergrundwissen über den Aufbau und die Struktur des DICOM Standards für Bilddaten in der Medizin. Die Teilnehmer lernen die technische Spezifikation kennen und warum der DICOM Standard ein wesentliches Hilfsmittel für das Management von Bilddaten in der Medizin darstellt.
Die Teilnehmer lernen verschiedene - kostenfrei verfügbare - Bilddatensets für die Entwicklung von KI-Anwendungen in der Medizin kennen.
Die Teilnehmer programmieren eine KI-Anwendung zur Klassifizierung von Röntgenbilder aus dem SIIM Pneumothorax Datenset mithilfe des deep learning Frameworks fastai.
Die Teilnehmer lernen mithilfe der Python Bibliotheken ipyWidgets und voila, wie man in kurzer Zeit aus einem Jupyter Notebook eine voll funktionsfähige Javascript Webapplikation bauen kann. Die fertige Webapplikation kann dann mithilfe von mybinder.org auch öffentlich zur Verfügung gestellt werden.
Im Abschlußprojekt sind die Teilnehmer gefragt, das erworbene Wissen rund um die Implementierung von KI-Anwendungen in der Medizin selbst anzuwenden und eine eigen KI-Anwendung zu programmieren, die in der Lage ist, Bilddaten aus der Medizin zu verarbeiten.
Für wen ist dieser KI Spezialkurs interessant?
Dieser Kurs richtet sich zum einen an Ärzte / Mediziner mit technischem Hintergrund, die ihr medizinisches Fachwissen für die Programmierung von KI-Anwendungen einsetzen möchten. Andererseits richtet sich der Kurs an Softwareentwickler / Programmierer, die künstliche Intelligenz auf Basis von deep learning in der Medizin einsetzen wollen.
Welche Vorkenntnisse sollte ich für diesen Kurs mitbringen?
Für diese Kurs solltest du neben Programmierkenntnissen mit der Programmiersprache Python auch Kenntnisse über künstliche Intelligenz und die Umsetzung von KI-Algorithmen mithilfe von deep learning Frameworks wie PyTorch oder fastai mitbringen.
Eine gute Grundausbildung zum Thema künstliche Intelligenz und Programmierung von ersten Anwendungen für KI-Algorithmen bietet unsere Kursreihe “welcome2ki”:
Wie kann ich mich für den Kurs einschreiben?
Dieser Kurs wird über die Online-Lernplattform Udemy angeboten. Gleich Kurs buchen
Wie lange habe ich Zeit, den Kurs zu absolvieren?
Der Kurs ist für dich lebenslang zugänglich. Du kannst den Kurs in individuellen Tempo absolvieren und auch nach erfolgreichem Abschluß jederzeit wieder auf die Unterlagen und Videos zugreifen.
Hintergrund Infos zu den Kursinhalten
Die Anwendung künstlicher Intelligenz in der Medizin ist ein Anwendungsgebiet für KI, das insbesondere in den letzten Jahren immer größere Bedeutung erlangen hat.
Künstliche Intelligenz und deep learning spielt in der Medizin etwa im Bereich der bildgebenden Diagnostik eine wesentliche Rolle. Ärzte - insbesondere Radiologen - werden durch Entscheidungsunterstützungssystem bei der Findung einer Diagnose durch die künstliche Intelligenz unterstützt. Bei der Erkennung von Krebszellen ermöglicht die künstliche Intelligenz eine Präzision, die oftmals mit freiem Auge nicht erkennbar ist.
Künstliche Intelligenz in der Onkologie
Auch bei der Diagnose von Typen von Krebszellen oder Biopsien ohne Intervention ermöglicht künstliche Intelligenz einen weitaus schnellere und schonendere Diagnose, als das mit herkömmlichen Methoden möglich wäre.
Die Unterscheidung von Hautkrebs in bösartige Tumore und gutartige Wucherungen war eine der ersten durchschlagenden Erfolgsmeldungen vom Einsatz künstlicher Intelligenz in der Medizin. In der begleitenden wissenschaftlichen Studie zeigte sich, dass KI-Anwendungen auf Basis von CNN (Convolutional Neural Nets) eine im Durchschnitt bessere Erkennungsleistung als die beteiligten Mediziner erreichte. (Für alle, die sich noch intensiver mit der CNN Modellarchitektur auseinandersetzen wollen, sei unser Kurs “CNN - hinter den Kulissen)” empfohlen.
Ähnlich wie bei klassischen bildgebenden Untersuchungsverfahren kann die künstliche Intelligenz in der Medizin auch für die Erkennung vom Darmkrebs im Rahmen einer Darmspiegelung eingesetzt werden. Bei der klassischen Darmspiegelung entfernt der Chirurg sämtliche Polypen aus dem Darm. Erst die darauffolgende Biopsie schafft Klahrheit darüber, ob der Polyp gut- oder bösartig war. Ein neuartiges KI-System aus Japan kann innerhalb einer Sekunde einen Polyp analysieren und mit 93%iger Genauigkeit in gutartig oder bösartig einteilen.
Natürlich muss bei all diesen Erfolgen, die dem Einsatz künstlicher Intelligenz in der Medizin zuzuschreiben sind, auch unterstrichen werden, dass es viele sehr unklare Fälle gibt, bei denen auch Mediziner selbst den Rat und Austausch mit Kollegen (Konzil) einholen. Für diese schwierig zu diagnostizierenden Fälle kann der Einsatz künstlicher Intelligenz in der Medizin helfen, den Medizinern und Ärzten ausreichend Freiraum zu verschaffen. Die KI-Anwendung kann Standardfälle automatisch diagnostizieren und ermöglicht den Ärzten auf diese Weise, sich mehr um die komplizierten Fällen zu kümmern.
Künstliche Intelligenz in der Neurologie
In der Neurologie wird künstliche Intelligenz bislang hauptsächlich zur Analyse von Gehirn-Scans (CT-Bilder) eingesetzt. Hier kann die KI Frühstadien der Alzheimer-Erkrankung mit hoher Genauigkeit aufgrund von Veränderungen der Gewebestruktur im Gehirn analysieren. Auf diese Weise ermöglicht der Einsatz von künstlicher Intelligenz eine frühe Diagnose und Behandlung der Alzheimer-Erkrankung bereits zu einem Zeitpunkt, an dem noch keine erkennbaren Symptome beim Patienten auftreten.
Künstliche Intelligenz in der Pneumologie
Gerade im Jahr 2020 wurde in Wien ein KI-System entwickelt, das die Aufnahmen von Lungen dahingehend analysiert, ob eine Erkrankung durch das Covid19 Virus oder eine anderweitige Erkrankung der Lunge vorliegt.
Künstliche Intelligenz in der Opthalmologie
In der Augenheilkunde kann künstliche Intelligenz zur Analyse des Augenhintergrunds (bzw. der Netzhaut) eingesetzt werden. Hierbei kann vor allem eine für Diabetiker sehr gefährliche Erkrankung des Auges - die (teilweise) Ablösung der Netzhaut - mithilfe einer künstlichen Intelligenz (neuronales Netz) analysiert und erkannt werden.
Wir von we-make.ai haben hierzu einen Prototypen entwickelt, der das Potential vom Einsatz künstlicher Intelligenz in der Medizin aufzeigt: Prototyp Analyse der Netzhaut mithilfe künstlicher Intelligenz.