Product & Accelerator

X-RAIS: KI unterstützt die Bilddiagnostik

Ein von Laife Reply entwickeltes KI-Instrument zur Auswertung medizinischer Aufnahmen mithilfe neuronaler Netzwerke.

Deep Learning für die Vorsorge gegen Brustkrebs

Eine wissenschaftliche Veröffentlichung über die Erkennung von Mikroverkalkungen auf Mammographien mit X-RAIS

KI-Lösungen (Künstliche Intelligenz) verändern unsere Welt. Sie werden zunehmend im Gesundheitswesen eingesetzt und beeinflussen die Art und Weise, wie Gesundheitsdienstleistungen erbracht werden.

Klinische und wissenschaftliche Verfahren produzieren täglich eine beträchtliche Menge an Daten. Das Potenzial dieser Daten kann nur ausgeschöpft werden, wenn geeignete informationstechnologische Toola zur Verfügung stehen.

Es gibt Hinweise auf eine wachsende Bereitschaft zu Investitionen in die digitale Gesundheitsversorgung bei Gesundheitsunternehmen. Sie wollen die Entwicklung von Versorgungsmodellen auf der Grundlage von KI-Datenplattformen vorantreiben, die zur Verwertung der Daten eingesetzt werden.

INDEX

Die Lösung

X-RAIS ist eine medizinische Bildanalyse-KI-Plattform, die auf neuronalen Netzen und Radiomics basiert. Sie ist vertikal auf verschiedene diagnostische Methoden (wie etwa Radiografie, Ultraschall, CT, MRT usw.) und bestimmte anatomische Regionen ausgerichtet.

X-RAIS unterstützt Ärzte als kognitiver Assistent bei der Diagnose und Befundung. Es schlägt automatisch verdächtige Bereiche und deren Klassifizierung vor, um die Zahl der Fehldiagnosen zu reduzieren und die Effizienz des gesamten Diagnoseprozesses zu verbessern.

X-RAIS ist das Ergebnis aus der technologischen Expertise von Laife Reply, kombiniert mit dem Fachwissen mehrerer Gesundheitsunternehmen. Sie trugen zur Entwicklung der Lösung bei, indem sie eine Fülle klinischer Daten bereitstellten und ihre Erfahrungen in Bezug auf klinische Prozesse teilten.

Anwendungsbeispiele

Analyse von Mammografiebildern

Das erste Spezialgebiet von X-RAIS ist die Analyse von Mammografiebildern, mit der das Unternehmen Radiologen bei der Diagnose und Befundung unterstützt. Brustkrebs ist die häufigste Krebsart bei Frauen (30,3 % – Quelle AIRC) und seine Diagnose erfordert hochspezialisiertes Personal.

Mehrere wissenschaftliche Partner haben aktiv an dem Projekt mitgewirkt und sowohl die anonymisierten klinischen Daten als auch das Know-how für die Annotation bereitgestellt. Insbesondere die Partnerschaften mit IRCCS IEO, ICS Maugeri und ULLS2 Marca Trevigiana haben es ermöglicht, Modelle für die Lokalisierung und Klassifizierung von verdächtigen Mikroverkalkungen, Röntgenopazitäten bzw. verdächtigen Brustläsionen zu trainieren.

Brust-Röntgenaufnahmen

Während der COVID-19-Pandemie war X-RAIS im Rahmen des ALFABETO-Projekts – ein Projekt, das in Partnerschaft mit ICS Maugeri und der Universität Pavia entwickelt wurde – auf die Analyse von Brust-Röntgenaufnahmen und damit verbundenen klinischen Daten spezialisiert. Diese Lösung ermöglichte es insbesondere, das medizinische Personal bei der Triage symptomatischer Patienten zu Hause zu unterstützen. Durch die Analyse von instrumentellen, anamnestischen und Brust-Röntgendaten bewertet X-RAIS den Schweregrad der Erkrankung und schlägt dem Gesundheitsdienstleister die beste Behandlungsstrategie vor.

MRTs des Gehirns

Durch kontinuierliche Forschung und Entwicklung konnte X-RAIS eine neue Spezialisierung in der 3D-Bildanalyse, insbesondere von MRTs des Gehirns, aufbauen. In diesem Bereich wurden Modelle Künstlicher Intelligenz trainiert, die in der Lage sind, den Schweregrad von Gliomen, dem häufigsten Tumor des zentralen Nervensystems mit hohem Malignitätsgrad, der sowohl diffus als auch proliferativ wächst, zu segmentieren und zu klassifizieren.

Vorteile

X-RAIS ist ein autonomes medizinisches Bildanalysesystem, das medizinisches Personal bei der Diagnose und Befundung operativ unterstützt und so die Effizienz des gesamten Diagnoseprozesses verbessert.

X-RAIS ist in der Lage, durch die automatische Analyse von Testergebnissen eine intelligente Triage durchzuführen. Tatsächlich analysiert X-RAIS klinische, mit diagnostischen Geräten aufgenommene Bilder, verarbeitet sie und sendet die Ergebnisse (identifizierte Läsionen und Befunde) an das PACS zurück, wobei die Tests mit verdächtigen Ergebnissen hervorgehoben werden. Diese Tests haben somit automatisch eine hohe Priorität für das Fachpersonal.

Angesichts der hohen Anzahl von Tests und der begrenzten Zeit, die für deren Interpretation zur Verfügung steht, kommt X-RAIS in der Screening-Praxis eine hohe Bedeutung zu. Patienten mit verdächtigen Ergebnissen herauszufiltern, ist ganz im Sinne der Prävention, denn dies ermöglicht, rechtzeitig zu handeln und damit die Wartezeit für weitere Untersuchungen erheblich zu verkürzen.

Für Gesundheitsdienstleister ist X-RAIS ein neues System, das die Entscheidungsfindung in der täglichen klinischen Praxis unterstützt und in der Lage ist, Risiken im Zusammenhang mit Fehldiagnosen zu reduzieren und die Patientenerfahrung durch zeitnahes Nachsorgemanagement zu verbessern.

SaaS-Ansatz

Die Plattform besteht aus Technologiemodulen (wie etwa APIs, Webservices usw.), die über DICOM-Knotenintegration mit Diagnosesystemen (RIS, PACS usw.) verbunden sind, Routinen für die Anonymisierung und den Schutz sensibler Daten sowie vertikalen Modulen für eine wertebasierte Gesundheitsversorgung.

Dienste der kognitiven und Künstlichen Intelligenz, die von Cloud-Architekturen angeboten werden, ermöglichen den operativen Einsatz von X-RAIS in jedem Kontext. X-RAIS garantiert Datenintegrität und Vertraulichkeit, was angesichts der neuen geltenden Datenschutzbestimmungen (DSGVO) von entscheidender Bedeutung ist. X-RAIS kann auf Pay-per-Use- oder periodischer Abonnementbasis verwendet werden. In bestimmten Fällen ermöglicht die spezifische Architektur von X-RAIS auch eine Vor-Ort-Installation oder -Nutzung.

Herausforderungen

Derzeit laufen Forschungs- und Entwicklungsaktivitäten für weitere Spezialisierungen der Plattform – zum Beispiel histopathologische Bildgebung im Zusammenhang mit der Identifizierung neuer Biomarker.

Histologische und zytologische Bilder enthalten viele Informationen, die sich ergänzen und mit anderen klinischen, genomischen und Laborindikatoren korrelieren.

Durch die Verfügbarkeit fortschrittlicher Analysewerkzeuge können verschiedene Gewebearten digitalisiert, neue Biomarker extrahiert und KI-Modelle entwickelt werden, um die Diagnose und Prognose einzelner patientenspezifischer Krankheiten zu verbessern (Präzisionsmedizin).

Laife Reply

Laife Reply ist ein Geschäftsbereich der Reply-Gruppe, der in den Sektoren Gesundheit, Wohlfahrt und Pharma tätig ist und Lösungen für künstliche Intelligenz implementiert – von medizinischer Bildgebung, Arzneimittelforschung und digitalen Therapeutika bis hin zur Verarbeitung natürlicher Sprache für die Analyse unstrukturierter Daten.