Donnerstag, 22.07.2021

Campus

SPD-Vorsitzender zu Gast an der Universität zu Lübeck

Norbert Walter-Borjans informierte sich über das Thema Künstliche Intelligenz

Die Universität zu Lübeck und das Universitätsklinikum Schleswig-Holstein (UKSH), Campus Lübeck, haben sich in den vergangenen Jahren mit zahlreichen Projekten und Aktivitäten zu einem norddeutschen Mittelpunkt für„Künstliche Intelligenz und Medizin" etabliert, dessen Kräfte im Zentrum für Künstliche Intelligenz Lübeck (ZKIL) gebündelt werden.

Höhepunkte dieser bisherigen Aktivitäten stellen dabei die Gründung einer norddeutschen Außenstelle des Deutschen Zentrums für Künstliche Intelligenz (DFKI) und das neue Fraunhofer Institut für Individualisierte und Zellbasierte Medizintechnik (IMTE) dar. Grund genug für den SPD-Parteivorsitzenden Norbert Walter-Borjans, um sich bei einem Besuch auf dem Lübecker Campus am 22. Juli über die neusten Forschungsarbeiten aus den Bereichen Künstliche Intelligenz (KI) und Medizin zu informieren. 

Exzellente Entwicklung

In ihrem Grußwort betonte die Präsidentin der Universität zu Lübeck, Prof. Dr. Gabriele Gillessen- Kaesbach, die exzellente Entwicklung des Standorts Lübeck und die damit verknüpften Ambitionen der Universität: „Die Corona-Pandemie hat uns die immense Bedeutung von Digitalisierung und Informatik als Schlüsseldisziplin gezeigt. In den letzten Jahren sind die Informatik und die Medizin auf dem Campus durch die erfolgreiche Einwerbung von Anträgen zum Thema „KI und Medizin“ eng zusammengewachsen, was nicht zuletzt durch die Außenstelle des DFKI am Standort dokumentiert wird. Die Universität zu Lübeck hat den Anspruch das KI-Zentrum des Nordens zu werden.“

Prof. Dr. Thomas Martinetz, Sprecher des ZKIL, ergänzte: „Unser Zentrum für Künstliche Intelligenz Lübeck mit 34 Instituten und Kliniken aus Informatik und Medizin bietet eine bundesweit einmalige Möglichkeit, KI und Medizin zusammen zu bringen. Das hat auch das Deutsche Forschungszentrum für Künstliche Intelligenz erkannt und ist nun mit ihrem neuen Lübecker DFKI-Standort ein wichtiger Partner“.

Signale werden mit KI ausgewertet

Von den Lübecker DFKI-Aktivitäten konnten sich Norbert Walter-Borjans und der Lübecker SPD- Bundestagskandidat Tim Klüssendorf direkt auf der ersten Station ihrer Besichtigungstour überzeugen. Prof. Dr. Alfred Mertins, Direktor des Instituts für Signalverarbeitung und Leiter des DFKI- Forschungsbereichs für „Künstliche Intelligenz in der biomedizinischen Signalverarbeitung“, erläuterte das Prinzip und die Vielfalt bei der Verarbeitung von Biosignalen. Der Doktorand Philipp Koch erklärte dies am Beispiel einer Handgestensteuerung. Dabei werden unterschiedliche Signale am Unterarm gemessen und mittels KI ausgewertet, um auf die Handbewegung eines Probanden zu schließen. Handamputierte profitieren davon, indem sie durch KI ihre Handprothese besser steuern können. Mehr als 50 unterscheidbare Handbewegungen sind so möglich.

Prof. Dr. Heinz Handels, Direktor des Institut für Medizinische Informatik und Leiter des DFKI- Forschungsbereichs Künstliche Intelligenz in der medizinischen Bildverarbeitung, sowie Prof. Dr. Ralf Möller, der sowohl das Institut für Informationssysteme als auch den DFKI-Forschungsbereich Stochastische Relationale KI im Gesundheitswesen leitet, stellten weitere Bereiche vor. Ralf Möller und seine Doktorandin Mareike Stender demonstrierten, wie mit grafischen Modellen, die mit Wahrscheinlichkeiten arbeiten können, Aktivitäten auf der Basis von sEMG Signalen erkannt werden. sEMG bezeichnet das Verfahren der Oberflächen-Elektromyographie (engl. surface Electromyography), welche mittels Elektroden die Messung von elektrischen Signalen ermöglicht. Somit lässt sich feststellen, ob ein Muskel angespannt oder locker ist beziehungsweise aktiv oder inaktiv. Diese Erkennung ist eine essentielle Grundlage für die Entwicklung einer innovativen Prothesensteuerung, welche ein enormes Potential hat, um Menschen mit einer entsprechenden körperlichen Beeinträchtigung im Alltag zu unterstützen. Personen mit einer Handprothese können somit Objekte einfach greifen und abstellen. Des Weiteren könnte durch so ein intelligentes System ein Mensch vor Überlastung seiner Muskeln gewarnt werden.

Medizinische Roboter sind heutzutage weltweit im klinischen Einsatz. Zahlreiche Anwendungen ergeben sich in der Onkologie, Chirurgie, Kardiologie oder Neurologie. Am Institut für Robotik und Kognitive Systeme wird in einem interdisziplinären Team intensiv an der medizinischen Robotik der Zukunft gearbeitet und Dr. Maria Henke vom Offenen Labor für Robotik und Bildgebung in Industrie und Medizin (OLRIM), nutzt gemeinsam mit Doktorand Jonas Osburg die Gelegenheit, den neusten Stand in der robotergeführten Ultraschallbildgebung zu demonstrieren. Dabei soll Künstliche Intelligenz auf zwei verschiedene Arten eingesetzt werden. Zum einen zur Erkennung und Verfolgung von bestimmten Strukturen in Ultraschallaufnahmen, um einen Ultraschallkopf automatisch zu führen. Zum anderen soll der Roboter sensomotorische Fähigkeiten erlernen, sodass ein Ultraschallkopf automatisch an einem Patienten positioniert werden kann. Dies schließt auch die Fähigkeit ein, Bewegungen eines Patienten zu kompensieren.

Von den vielfältigen Einsatzmöglichkeiten von Künstlicher Intelligenz in der Medizin konnten sich die SPD-Politiker auch auf der letzten Station ihrer Tour an der Klinik für Neurochirurgie des UKSH überzeugen. Dr. Matteo Mario Bonsanto demonstrierte die Idee eines intelligenten Operationsinstruments, eines sogenannten Ultraschallaspirators, und meint zum Projektvorhaben: "In einer neurochirurgischen Studie untersuchen wir gemeinsam mit unseren Projektpartnern vom Institut für Robotik und Kognitive Systeme und der Söring GmbH den Einsatz von KI zur Analyse regelungstechnischer Parameter eines Ultraschallaspirators. Dabei soll durch Künstliche Intelligenz das Erreichen von gesundem Gewebe erkannt werden, um dessen Beschädigung während einer Operation zu vermeiden.“ Wie stark der Praxisbezug dieses Projekts ist, zeigt, dass die entsprechende Studie bereits durch die Ethikkomission genehmigt ist. Dies schließt auch einwilligungsfähige PatientInnen über 18 Jahren mit diagnostizierten, supratentoriellen Hirntumoren (Gliome, Meningeome, Metastasen) ein. Gute Voraussetzungen, damit das Vorhaben erfolgreich umgesetzt werden kann und ein intelligenter Ultraschallaspirator zukünftig zum Standardinstrument für Neurochirurgen wird.

Ein Fortschritts-Motor

Abschließend resümierte der SPD-Parteivorsitzende Norbert Walter-Borjans zu seinem Besuch an der Universität zu Lübeck und deren Zentrum für Künstliche Intelligenz Lübeck: „Das Zentrum für Künstliche Intelligenz der Universität zu Lübeck ist ein Fortschritts-Motor für unsere Wirtschaft und unseren Alltag - in Lübeck und weit über diesen Standort hinaus. Mit dieser Spitzentechnologie können wir unser Leben ganz konkret verbessern und unsere Wettbewerbsfähigkeit erhalten. Wir wollen diese Chancen mit einer aktiven Industriepolitik fördern und zugleich dafür sorgen, dass sie den Unternehmen genauso wie den Beschäftigten und Benutzern zu Gute kommt. In einer immer enger vernetzten Welt ist KI der Schlüssel zur Zukunft. Klimaschutz, sichere Mobilität, nachhaltiger Wohlstand und zukunftssichere Arbeitsplätze setzen KI voraus - und, dass wir in Deutschland vorn mitspielen!“

Tim Klüssendorf betont final: „Die Universität zu Lübeck ist für unsere Stadt von herausragender Bedeutung. Sie ist unverzichtbare Innovationstreiberin und Impulsgeberin. Mit dem Zentrum für Künstliche Intelligenz und der damit verbundenen Zukunftsforschung insbesondere in den Bereichen der Medizin und Medizintechnik wird der gesamte Standort erheblich gestärkt. Unser Ziel ist, diese Entwicklung auch in den kommenden Jahren aktiv zu fördern und auf allen politischen Ebenen die bestmöglichen Rahmenbedingungen zu schaffen.“

Hintergrundinformationen

Biomedizinische Signalverarbeitung 

Der Lübecker Forschungsbereich „Künstliche Intelligenz in der biomedizinischen Signalverarbeitung“ (BioSP) entwickelt innovative Techniken für unterschiedliche Bereiche der Signalverarbeitung. Hierzu gehören die Analyse von am Menschen gewonnenen Biosignalen, die Analyse und Aufbereitung von akustischen Signalen, zum Beispiel für Hörhilfen, sowie die Auswertung physikalischer Messsignale für die medizinische Bildgebung. Methoden der Künstlichen Intelligenz werden eingesetzt, um komplexe Zusammenhänge datengetrieben zu lernen und die Limitationen derzeit verfügbarer mathematischer Modelle zu überwinden. Dabei sind die Robustheit gegenüber Störungen und unvollständigen Daten sowie die Interpretierbarkeit von essentieller Bedeutung.

Am Beispiel der biosignalbasierten Handgestenerkennung kann gezeigt werden, wie unterschiedliche Signale am Unterarm gemessen und dann mittels KI ausgewertet werden können, um auf die Handbewegung eines Probanden zu schließen. Das Potential und der Nutzen dieser Technik sind riesig. Handamputierte können somit ihre Handprothesen mit mehr als 50 unterscheidbaren Handbewegungen intuitiv steuern. Aber auch Gelähmten und Patienten mit einer eingeschränkten Handmotorik kann geholfen werden, denn es ist möglich, die intendierte Bewegung zu erkennen, obwohl sich die Hand tatsächlich nicht bewegt. Am DFKI wird hierzu eine multimodale Sensorik entwickelt, mit der am Unterarm Biosignale aufgenommen werden, aus denen dann mittels KI in Echtzeit die entsprechenden Handgesten vorhergesagt werden. Die Gestenerkennung erlaubt es schließlich, ein Rehabilitationstraining auf Basis des Biofeedbacks umzusetzen. So kann ein visuelles Feedback bereitgestellt werden, bei dem sich die Hand auf dem Bildschirm bewegt, obwohl sie es tatsächlich nicht kann. Die Patient:innen nutzen in einer virtuellen Realität ihre Hand zum Bewältigen unterschiedlicher Aufgaben, und so lernen sie schnell, die Hand wieder richtig zu bewegen. Um die Trainingsmotivation der Betroffenen zu erhöhen, wird das Trainingsprogramm als ein digitales Serious Game umgesetzt. Die Vision ist, dass das Biofeedbacksystem noch um eine haptische Komponente erweitert wird. Außerdem sollen körperlich beeinträchtigte Personen mit Geräten wie Rollstühlen oder Computern interagieren können.

Stochastische relationale Modellierung zur Konstruktion von intelligenten Systemen

Intelligente Systeme, die durch Beobachtung ihrer Umgebung und durch Auswertung von Daten Modelle aufbauen, um Handlungen optimal berechnen zu können, müssen mit Unsicherheiten systematisch umgehen können. Gerade im Bereich des Gesundheitswesens werden verschiedenartige Daten von Patienten, ihrer Krankengeschichte und auch ihren Untersuchungen mit Messreihen und Laborberichten sowie, darauf aufbauend, Diagnosen und Behandlungen erfasst. Zwischen Patienten, Laborbefunden, Diagnosen und Behandlungen liegen Beziehungen (sog. Relationen) vor, die im Datenmodell repräsentiert sind. Ein intelligentes System im Gesundheitswesen könnte die Aufgabe bekommen, Ärzte frühzeitig auf problematische Entwicklungen von in Behandlung befindlichen Patienten auf der Basis von eintreffenden Laborbefunden oder auch Messdaten (z.B. kontinuierliche sEMG Signale für Muskelaktivitäten) hinzuweisen. Das Ziel des intelligenten Systems besteht darin, mit relevanten Hinweisen die Behandlung von Patienten zu verbessern.

Zu Beginn der Konstruktion eines solchen intelligenten Systems steht immer die Modellierung eines Ausschnitts der realen Welt, die in Bezug auf eine Anwendung erfasst wird und für die Vorhersagen über aktuelle oder kommende Zustände (z.B. eines Patienten) gemacht werden sollen. Oftmals kann dieser Zustand jedoch nicht direkt bestimmt werden, da meist nur Daten, nicht aber der entsprechende Zustand selbst gemessen werden können. Letzterer kann jedoch auf der Basis der beobachteten Daten mit einer gewissen Wahrscheinlichkeit richtig geschätzt werden. Ein intelligentes System kann mit diesen Unsicherheiten umgehen und ist in der Lage, auf dieser Basis Handlungsempfehlungen zu geben oder Aktionen auszulösen.

Ein Beispiel für ein Zustandsschätzung einer Komponente eines intelligenten Systems aus dem Gesundheitswesen wäre die Vorhersage des Zustands eines Muskels eines Patienten auf der Grundlage von kontinuierlichen sEMG Signalen (Oberflächen Elektromyographie). Ob ein Muskel angespannt oder locker ist, kann durch das System nicht direkt bestimmt werden, sondern lässt sich nur mit einer bestimmten Wahrscheinlichkeit vorhersagen. Dies ist einfacher, je klarer die Signale sind, und komplizierter, je verrauschter ein Datenstrom ist. Abgeleitete Handlungen des intelligenten Systems könnten z.B. darin bestehen, den Patienten vor Überlastung zu warnen. Heutzutage werden bei der Konstruktion intelligenter Systeme, die in der Regel weitaus komplexer sind als das obige Beispiel, verschiedene Techniken miteinander kombiniert, wie beispielsweise Verfahren der Statistik/Stochastik, Methoden der Logik und der Netzwerkmodelle. Diese werden zusammen auch als StarAI beziehungsweise als Stochastische Relationale KI bezeichnet. 

Robotergeführte Ultraschallbildgebung mit KI-Steuerung 

Die medizinische Ultraschallbildgebung ermöglicht eine strahlungsfreie, echtzeitfähige und kostengünstige Darstellung innerer Organe. Allerdings werden viel Fachwissen und Erfahrung benötigt, um aussagekräftige Bilder aufnehmen und interpretieren zu können. Problematisch ist auch, dass Bildaufnahmen selbst unter Experten kaum reproduzierbar sind. Eine Lösung können kollaborative Roboter darstellen. Die mit solchen Systemen verknüpfte Automatisierung der Ultraschallaufnahme kann die sich oft wiederholenden Abläufe in der Bilderfassung übernehmen und dabei gleichzeitig die Reproduzierbarkeit der Untersuchungen erhöhen. 

Das Institut für Robotik und Kognitive Systeme beschäftigt sich intensiv mit der automatisierten Ultraschallbildgebung, um sowohl medizinisches Personal zu entlasten, als auch umfangreiche Screenings durch autonome Systeme zu ermöglichen. Der Einsatz eines Robotersystems in einer menschenfeindlichen Umgebung, wie z.B. in der Strahlentherapie, komplettiert die Zielsetzungen des Instituts.

Außerdem wird an Verfahren geforscht, die einem Roboter das kontinuierliche Erlernen sensomotorischer Fähigkeiten ermöglichen. Dadurch kann beispielsweise eigenständig ein Ultraschallkopf am Patienten positioniert werden und insbesondere auf unvorhergesehene äußere Einflüsse, wie Bewegungen eines Patienten, reagiert werden.

Intelligenter Ultraschallaspirator

In vielen medizinischen Disziplinen ist die Tumordifferenzierung während einer Operation eine herausfordernde Problemstellung, die viel Fachwissen, Intuition und technologischen Aufwand erfordert. Besonders in der Neurochirurgie ist die präzise Unterscheidung von gesundem Gewebe und Tumor zwingend notwendig, da eine unbeabsichtigte Beschädigung von gesundem Hirngewebe oder Blutgefäßen mit erheblichen Konsequenzen einhergehen. Vorarbeiten und Erfahrungen zeigen, dass Tumore und gesundes Hirngewebe jedoch hinsichtlich ihrer mechanischen Eigenschaften deutliche Unterschiede aufweisen. 

Das Universitätsteam von Prof. Floris Ernst vom Institut für Robotik und Kognitive Systeme verfolgt das Ziel, mit Hilfe von maschinellen Lernverfahren Gewebe während einer Operation zu vermessen und eine Tumorranderkennung zu ermöglichen. Im Rahmen des KI-SIGS-Anwendungsprojektes „Intelligenter Ultraschallaspirator“ kooperiert die Arbeitsgruppe dabei intensiv mit Dr. Matteo Mario Bonsanto und dessen Kollegen von der Klinik für Neurochirurgie des UKSH sowie den Medizintechnikern der Söring GmbH. In dem dreijährigen Forschungsprojekt werden während Operationen Daten wie Gewebefestigkeiten und MRT-Informationen gesammelt und mit histologischen Untersuchungen von Gewebeproben kombiniert. Die so generierten Sensordaten ermöglichen die Entwicklung einer auf maschinellem Lernen basierenden Online-Erkennung eines Gewebetyps verbunden mit der Möglichkeit innovativer Assistenzfunktionen für die Neurochirurgie. Die entwickelte Gewebeerkennung soll schließlich testweise in Produkte der Söring GmbH implementiert und klinisch am UKSH erprobt werden.