KI-Projekte »Life Sciences & Health Care«

Fokussierte Ultraschalltherapie

Die fokussierte Ultraschalltherapie (FUS) ist eine der am wenigsten invasiven Chirurgieverfahren in Tumorfällen. Dabei wird das Tumorgewebe durch Ultraschall-Erhitzung zerstört. Bisher findet es nur im Kopfbereich Anwendung, wo es keine Bewegungen des Zieles gibt. Bei Bewegungen des Zielorgans wird gesundes Gewebe verletzt. Das Projekt ESWT der Fraunhofer-Institute FOKUS, MEVIS, EMI, ITWM und SCAI zielte darauf ab, fokussierte Ultraschalltherapie sicherer zu machen. FOKUS entwickelte eine Software für die Vorhersage der Organbewegungen, basierend auf MRT-Bildern und Atmungssensoren. So ist es möglich beim Einsatz der FUS die Bewegungen des Körpers auszugleichen: Die Strahlen folgen den Bewegungen und treffen zielsicher den Tumor.

Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS

• Extrakorporale Stoßwellentherapie - ESWT

Optimierung der selektiven internen Radiotherapie von Lebertumoren

Entscheidungen in der selektiven internen Radiotherapie (SIRT) der Leber beruhen wesentlich auf der Auswertung von Bilddaten. Um einen effizienten und standardisierten Workflow im klinischen Alltag zu ermöglichen, werden in SIRTOP neue Methoden zur Optimierung wesentlicher Teilschritte erforscht. Automatisierte und auf Methoden des maschinellen Lernens beruhende Verfahren werden entwickelt, um die globale und lokale Tumorlast zu bestimmen und die darauf beruhende Dosimetrie der SIRT-Partikel zu verbessern. Multimodale Daten (CT, MRT, PET, SPECT, CBCT) werden durch neue Algorithmen analysiert, kombiniert und in Softwaresysteme integriert, die die Intervention selbst, aber auch die postinterventionelle Kontrolle unterstützen.

Fraunhofer-Institut für Bildgestützte Medizin MEVIS

• SIRTOP: Optimization of Selective Internal Radiation Therapy in the Liver

Assistenzsysteme für die minimal-invasive Chirurgie und Endoskopie

Endoskope finden seit vielen Jahren Anwendung bei der Diagnose und Therapie im Körperinneren. Die Interpretation der endoskopischen Bilder und Bildsequenzen basiert weitgehend auf Erfahrungswerten der Ärzte und ist somit sehr subjektiv. Systeme und Verfahren zur automatischen Charakterisierung und Klassifikation auffälliger Gewebe oder zur echtzeitfähigen und robusten Detektion von Darmpolypen und anderen suspekten Läsionen verbessern die Diagnose. Für die minimal-invasive Chirurgie entwickelt das Fraunhofer IIS echtzeitfähige Verfahren für eine verbesserte Orientierung und Navigation im Körperinneren: zum Beispiel sensorgestützte Systeme zur Bildaufrichtung bei Distalchip-Endoskopen, echtzeitfähige Bildpanoramen zur Blickfelderweiterung und Dokumentation, sowie Verfahren zur Erkennung, Verfolgung und Dokumentation von Instrumentarien während chirurgischer Eingriffe.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Assistenzsysteme für die minimal-invasive Chirurgie und Endoskopie - Chirurgie

Parkinson-Früherkennung

Parkinson ist eine der häufigsten neurodegenerativen Erkrankungen. In frühen Stadien werden die Symptome häufig leicht übersehen, insbesondere da sie mit klassischen Diagnosetechniken (Biomarker, Bildgebung) nicht oder nur schwer zu erkennen sind. Jedoch ist eine frühe Intervention wichtig und hat einen großen Einfluss auf den Krankheits- und Behandlungsverlauf. Eine App, welche vom Nutzer auf dem Smartphone bzw. der Smartwatch installiert wird, nutzt deren Sensoren um Anzeichen von Tremor, Veränderungen in der Sprechweise, der Mimik und der allgemeinen körperlichen Verfassung zu erfassen. Bei Hinweisen auf eine Parkinsonerkrankung meldet die App, dass ein Arzt konsultiert werden sollte.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Parkinson Früherkennung - i-PROGNOSIS

Früherkennung von Parkinson und Prädiktion von Krankheitsverläufen

Unter der Bezeichnung »PCompanion« entwickelt das Fraunhofer ISST ein Screening- und Monitoringsystem zur Frühdiagnostik von Parkinsonerkrankungen. Der Fokus liegt auf der sensorbasierten Früherkennung von Störungen des REM-Schlafes und anderer unterschwelliger Veränderungen von Körperfunktionen, wie verlangsamte Bewegungen oder Haltungsinstabilität. Über eine körpernahe Sensorik werden Daten aufgezeichnet, die über eine intuitiv zu bedienende App ausgewertet werden können. Prädiktive Algorithmen ermöglichen eine automatische Datenauswertung. Das System schließt eine Lücke im Screening und Monitoring der Parkinsonerkrankung und soll Früherkennung, Diagnosesicherheit, Behandlungs- und Lebensqualität von Patienten verbessern.

Fraunhofer-Institut für Software- und Systemtechnik ISST

• Früherkennung von Parkinson und Prädiktion von Krankheitsverläufen -
  Pcompanion

Einfühlsame Unterstützung in den eigenen vier Wänden

Künstliche Intelligenz wird den Menschen zukünftig in vielen Lebenslagen unterstützen – auch in den eigenen vier Wänden. Der KI-Assistent, den Fraunhofer-Forscher als Partner in einem multinationalen Projekt entwickeln, soll Senioren als Dialog-Partner und Service-Kraft im Wohnumfeld zur Hand gehen. Die Künstliche Intelligenz ist nicht nur tatkräftig, sondern auch einfühlsam: Sie interpretiert das Verhalten und den emotionalen Zustand des Nutzers und stellt sich darauf ein. Der Bedarf ist enorm, denn selbstbestimmtes Wohnen ist einer der wichtigsten Wünsche alter Menschen.

Fraunhofer-Institut für Graphische Datenverarbeitung IGD

• Miraculous Life

Interaktionssystem für Menschen mit Lähmungs- und Nervenerkrankungen

Menschen mit schwerer körperlicher Behinderung sind in ihren Kommunikations- und Interaktionsmöglichkeiten stark eingeschränkt. Brain-Computer-Interfaces (BNCI) sind ein Ansatz, die Handlungsspielräume der Betroffenen zu erweitern. Sie schaffen eine direkte Verbindung zwischen Gehirnströmen und intelligenter Software. Das ermöglicht es den Betroffenen zum Beispiel, elektronische Geräte zu bedienen. Das Fraunhofer FIT hat einen innovativen BNCI-Prototyp entwickelt, auf Basis neuester Erkenntnisse in den Bereichen Affective Computing und Machine Learning.

Fraunhofer-Institut für Angewandte Informationstechnik FIT

• Augmented BNCI Communication - ABC

Sicherheit und Unterstützung für Senioren durch Integration von Technik und Dienstleistung

Die Wohnung des Seniors wird mit funkbasierter Sensorik (Schaltkontakte und Bewegungsmelder) ausgestattet. Die IT-Plattform aggregiert die eingehenden Sensordaten und schließt, nach einer Anlernphase, auf die gerade stattfindende Aktivität des Seniors (z.B. Zubereitung des Frühstücks). Senioren haben mit zunehmendem Alter einen sehr geregelten und strukturierten Tagesablauf, den sich die Software hierbei zunutze macht. Bei akuter Hilflosigkeit wird die nächste DRK Rettungswache alarmiert, schleichende Veränderungen in den ADL’s werden anonymisiert an den zugeordneten Pflegestützpunkt übermittelt, der dann ggf. ein Gesprächsangebot macht, um gemeinsam mit dem Senior über mögliche Ursachen und verfügbaren Lösungen zu sprechen. 

Fraunhofer-Institut für Experimentelles Software Engineering IESE

• Sicherheit und Unterstützung für Senioren durch Integration von Technik und Dienstleistung - SUSI TD

Unterstützung des Selbstmanagements bei Krebserkrankungen

Nach der Diagnose Krebs stehen Betroffene und ihr Umfeld vor der großen Herausforderung, die Krankheit zu bewältigen und sich neu zu organisieren. In einem Forschungsprojekt entstand der »iManageCancer«. Es ist eine Gesundheitsapp, die das Selbstmanagement der Patienten und ihren Einfluss auf die Behandlung stärken möchte. Bei Medikamentverordnungen warnt sie vor Wechselwirkungen und Gegenanzeigen, hilft klinische Dokumente zu verstehen und zu verwalten, wertet die psychische Belastung des Patienten und seines Umfelds aus, stellt passgenaue Informationen zu Therapieentscheidungen bereit, erkennt und warnt vor Komplikationen oder berät bei der Schmerzbehandlung und einer notwendigen Anpassung des Lebensstils.

Fraunhofer-Institut für Biomedizinische Technik IBMT

• Unterstützung des Selbstmanagements bei Krebserkrankungen - iManageCancer

Maschinelle Optimierung therapeutischer Trainingspläne

»FitPit« unterstützt Therapeuten dabei, effektive Trainingspläne zu erstellen und eine hohe Qualität bei Präventions- und Rehabilitationsmaßnahmen sicherstellen. Die Informationen aus der Anwendung von FitPit zeigen dem Trainer Abweichungen der Vitalparameter während des Trainings und helfen ihm, das Training zu bewerten. Der Trainingserfolg kann mit FitPit festgehalten werden.  FitPit liefert einen Überblick über erreichte Ziele des Trainingsplans und macht Verbesserungsvorschläge.
Die Forscher am ISST kombinieren für FitPit Methoden des Data Mining, Maschinellen Lernens und des Complex Event Processing.

Fraunhofer-Institut für Software- und Systemtechnik ISST

• Maschinelle Optimierung therapeutischer Trainingspläne- FitPit

Optimierung der Versorgung von Epilepsiepatienten

Epilepsie zählt zu den häufigsten neurologischen Erkrankungen weltweit. Sowohl die Unvorhersehbarkeit der epileptischen Anfälle als auch die Bewusstseinsstörungen und der Kontrollverlust über verschiedene Körperfunktionen tragen dazu bei, dass sich der Betroffene schwerwiegende Verletzungen zuziehen kann, die eine Pflege verkomplizieren. Durch die Erhebung und regelbasierte Auswertung von Sensordaten können lebensbedrohliche Situationen rechtzeitig erkannt und die Patienten alarmiert präventiv werden. In dem Projekt »EPItect« entwickeln die Fraunhofer-Forscher einen fallbezogenen Analysedienst, der Entscheidungen zur individuellen Therapiefindung unterstützt. Ein fallübergreifender Dienst zur Analyse pseudonymisierter Patientendaten hilft, generell die Therapie von Epilepsiepatienten zu optimieren.

Fraunhofer-Institut für Software- und Systemtechnik ISST

• Optimierung der Versorgung von Epilepsiepatienten - EPItect

High Content Analyse von medizinischen und biologischen Daten

Automatisierte Experimente in der translationalen Forschung, Diagnostik und Therapiebegleitung können mit supervisierten Lernverfahren ausgewertet werden. Fachnutzer geben anwendungsspezifische Erkennungen oder Klassifikationen vor. Fraunhofer FIT hat modulare Verfahren für verschiedene Bilder entwickelt (Zellkulturen, Gewebe, Zeitserien). Zeta ist ein Rahmenwerk, das die inkrementelle Anwendungsentwicklung erleichtert und in industriellen Anwendungen im Einsatz ist. Anhand von Beispielen können Bakterien zur Sepsisfrüherkennung erkannt, gezählt und klassifiziert werden, Zellen nach Zellzyklusphase eingeteilt (Krebsforschung) oder pathologische Proben nach Gewebeklassen eingeteilt und quantifiziert werden (klin. Forschung). Eine weitere Anwendung ist die Signalanalyse von Spektren (Massenspektren, Raman-Spektren, CHIP-seq), und kontinuierlichen Signalen. Ein dritter Anwendungsbereich ist die Auswertung komplexer Datensätze.

Fraunhofer-Institut für Angewandte Informationstechnik FIT

High Content Analyse von medizinischen und biologischen Daten - ZETA

Quantitative Medizin

Quantifizierbares medizinisches Wissen, das aus Bilddaten (CT, MRT, Ultraschall), Labordaten (z.B. Blut, Liquor) und Biosensordaten systematisch erzeugt, angehäuft und validiert wird, kann klinische Entscheidungen zuverlässiger, genauer und effizienter machen. Es ermöglicht robuste, nachvollziehbare und korrigierbare klinische Softwarelösungen, die datengetriebene und interaktive Wissensgenerierung mit medizinischem Leitlinienwissen kombinieren. Patientenindividuelle Daten werden im Sinne der disziplinübergreifenden Extraktion morphologischer und physiologischer Merkmale (Phänotypisierung) mit Wissen und Informationen über relevante Populationen verknüpft. Dazu werden sowohl unüberwachte Verfahren des maschinellen Lernens zur Reduktion der Datenmenge und zur Identifikation häufig auftretender Muster eingesetzt, als auch überwachte und verstärkende Lernverfahren in Bezug zu klinischen Parametern bzw. iterativen Benutzereingaben.

Fraunhofer-Institut für Bildgestützte Medizin MEVIS

Quantitative Medizin - QuantMed

Automatisierung Bildgebender Verfahren in der Medizin

Bildgebende Verfahren sind unverändert wichtig in der Medizin – als Diagnosewerkzeug, zur Therapieentscheidung und begleitend zu therapeutischen Maßnahmen. Klinische Applikationen mit Deep-Learning-Algorithmen verarbeiten CT-Scans, histopathologische und ophthalmologische Bilder und Volumen in großen Mengen, um Mikrometastasen schon in einem sehr frühen Wachstumsstadium automatisch zu erkennen und für die onkologische Verlaufskontrolle zu quantifizieren. Dabei sind sie in der Lage, aus den Korrekturen der Ärzte zu lernen.

Fraunhofer-Institut für Bildgestützte Medizin MEVIS

• Automation in Medical Imaging – AMI

Bildanalyse für radiologische Bilddaten

Ein System zur Unterscheidung von gut- und bösartigen Läsionen in der Brust ermöglicht die Analyse von Herdbefunden und Mikroverkalkungen in 2D- und 3D-Mammographien. Dazu werden bildbasiert ähnliche, histologisch gesicherte Fälle aus einer Referenzdatenbank ermittelt, visualisiert und Diagnosehinweise erstellt. In einer vorklinischen Studie wurde eine deutliche Verbesserung der Befundungsleistung bei der Diagnose von gruppiertem Mikrokalk nachgewiesen. Erweiterte Verfahren sind inzwischen auch für die Charakterisierung von Brustgeweben aus digitalen Tomosynthesedaten verfügbar. Aktuelle Forschungen und Entwicklungen zielen in Richtung »Radiomics«, um aus radiologischen Bilddaten direkt abzuleiten, wie der bestmögliche Behandlungspfad für einen Patienten zu gestalten ist.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Bildanalyse für radiologische Bilddaten - MammoCad

Bildanalyse für die computer-assistierte Mikroskopie  

Laboranalysen sind ein Schlüsselbereich der modernen Medizin. Das Fraunhofer IIS nutzt Methoden des maschinellen Lernens, um Mediziner bei der Auswertung komplexer Labordaten zu unterstützen. Zum Beispiel hilft die Künstliche Intelligenz dabei, mikroskopisch oder endoskopisch aufgenommene Bilder von Zellen, Geweben oder Schleimhautoberflächen auf verdächtige Merkmale hin zu untersuchen. Hier kommen Methoden der wissensbasierten Bilderkennung und Mustererkennung zum Einsatz.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Bildanalyse für die computer-assistierte Mikroskopie - AutoMorLeu, Digitale Patholo

Fusion und Auswertung von Biosignalen

Biosignale – meist handelt es sich dabei um elektrische Spannungen, wie sie etwa beim EKG gemessen werden – liefern Medizinern wichtige diagnostische Hinweise. Mit Hilfe von adaptiven Algorithmen lassen sich diese körperbezogenen Daten intelligent auswerten. Besonders das geschickte Verknüpfen unterschiedlicher Parameter erlaubt sehr viel zuverlässigere und aussagekräftigere Befunde. Ein Forschungsfeld, mit dem sich das Fraunhofer IIS intensiv beschäftigt.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Biosignalverarbeitung

Computer-assistiertes Mikroskopiesystem zur Detektion von Malariaerregern in Blutausstrichen

Malaria ist eine weit verbreitete Infektionskrankheit in tropischen und subtropischen Regionen. Laut WHO gab es im Jahr 2012 weltweit ca. 630 000 Todesfälle. Weil die mikroskopische Untersuchung in Blutausstrichen zum Nachweis des Parasiten sehr schwierig und zeitaufwändig ist, arbeitet das Projekt »MCube« an einem System, das die Blutausstriche automatisch aufnimmt und auswertet. Der digitale Blutausstrich ist ein virtuelles 3D-Abbild der Mikroskopansicht. Er vereinfacht nicht nur den Malarianachweis, sondern bietet auch die Möglichkeit, das Blutergebnis am Computer genauer zu untersuchen und dient so der Qualitätssicherung im Labor.

Fraunhofer-Institut für Integrierte Schaltungen IIS

• Mcube

Analyse und Prognose des Einflusses von Licht auf Therapieverläufe

Äußere Faktoren wie Tageszeit, Temperatur oder Licht – die sogenannte Therapiestimmung – können den Erfolg der Behandlung eines Patienten sowohl positiv als auch negativ beeinflussen. Das Fraunhofer ISST hat die Software »AtmoTrain« entwickelt, welche die Zusammenhänge zwischen Lichtparametern und einem Therapieerfolg automatisch erkennt und persistiert. AtmoTrain trifft außerdem Vorhersagen darüber, wie Lichtparameter geändert werden können, um den Therapieerfolg zu steigern. Zum Einsatz kommen dabei Methoden der Mustererkennung und des Maschinellen Lernens.

Fraunhofer-Institut für Software- und Systemtechnik ISST

Textextraktion und semantische Integration in der Biomedizin

Für die Interpretation von molekularen Patientendaten wird es immer wichtiger, personalisierte Daten aus elektronischen Patientenakten direkt mit dem aktuellen Wissen zu vergleichen. Dieses ‚a priori’ Wissen ist meist nur in der aktuellen Fachliteratur, Patenten, Beipackzetteln etc. vorhanden. Text-Mining-Methoden verschaffen schnell einen Überblick, extrahieren relevante Zusammenhänge und erleichtern Aufbau und Pflege hoch strukturierter Wissensressourcen zur Interpretation von Patientendaten. Anwendungsbeispiele sind die semantische Suchmaschine SCAIView, die einen schnellen Überblick über die Medline Publikationen gibt, und der Informationsextraktionsworkflow BELIEF, der die Extraktion von kausalen Netzwerken unterstützt und zusätzlich ein Kurierungsinterface zur Bewertung und Korrektur der Daten gibt.

Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI

Textextraktion und semantische Integration in der Biomedizin - BIO

Integrative Daten-Semantik für die Neurodegenerationsforschung

Ziel des Forschungsprojekts »IDSN« ist es, durch die Gesamtsicht auf große Datensätze aus verschiedenen Forschungsbereichen Personen zu identifizieren, die ein erhöhtes Risiko tragen, an Demenz zu erkranken. Weiterhin sollen Untergruppen von Patienten definiert werden, die auf bestimmte Therapien ansprechen. Semantische Standards machen es möglich, Primärdaten von unterschiedlichen Modellsystemen und Technologieplattformen zu pseudonomisieren und mit Sekundärdaten von öffentlichen Datenbanken und Publikationen zu verknüpfen. Fraunhofer SCAI nutzt dafür Maschine-Learning-Methoden und neuronale Netzwerke. Anschließend können diese Daten multimodal analysiert werden, etwa durch den Einsatz von Predictive Modelling (Gradient Boost) und Bayesian Network modeling.

Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI

Integrative Daten-Semantik für die Neurodegenerationsforschung - IDSN

Integrative Daten-Semantik für die Neurodegenerationsforschung

Das Projekt EFA (Elektronische Fallakte) arbeitet an der Entwicklung einer EFA-Komponente zur maschinellen Auswertung von Metadaten und Statusänderungen der Fallakte. Ziel ist der Erkenntnisgewinn über den Nutzungsprozess der Fallakte und den Behandlungsprozess von Patienten durch die Anwendung von Process Mining zur Optimierung organisatorischer und medizinischer Prozesse.

Fraunhofer-Institut für Software- und Systemtechnik ISST