KI-Med-Services-Center
Ansprechpartner:
Prof. Dr. Martin Leucker, Prof. Dr. Alexander Schlaefer
KI-basierte Medizinprodukt-Entwicklungen erfordern für eine hinreichende Skalierung standardisierte Dienste und Werkzeuge sowie Architekturen. Im Zuge des KiMeKo Projekts wird eine Toolsuite entwickelt, mit der auch Nicht-Experten eine Nutzung von KI in der Medizinproduktentwicklung ermöglicht wird.
Details
KI-basierte Medizinproduktentwicklungen erfordern für eine hinreichende Skalierung standardisier- te Dienste und Werkzeuge sowie Architekturen, die aus den gegebenen wissenschaftlichen Kom- petenzen der norddeutschen Informatik-Institute und medizinischen Kliniken in relevanten KI-Med- Domänen systematisch zu versorgungswirksamen KI-Med-Anwendungen führen. Dazu gehören:
- ein serviceorientiertes Framework für die Entwicklung von KI-basierten Systemen: Die Komposition komplexer Workflows auf Basis einzelner Dienste und die Verwendung von Kubernetes erlauben eine Skalierung und ein Scheduling der einzelnen KI-Bausteine eines KI-Workflows bzw. verschiedener Workflows und führen somit zu einer besseren Ausnutzung der verfügbaren (und laufend zu erweiternden) Hardware-Infrastruktur. Durch die GAIA-X Integration (Vorarbeiten im Projekt Gaia-X-Med) steht ein einfacher Zugriff auf große Datenmengen im Bereich der Medizin zur Verfügung. Durch zu schaffende Deploy- ment-Lösungen werden insbesondere neuartige Hardware-Systeme unterstützt.
- Technologien für sicheres und skalierbares maschinelles Lernen: Die entwickelten Technologien bieten neue Möglichkeiten für die Nutzung von Patienten- Daten in disruptiv neuen Anwendungsszenarien: Verteilte KI-basierte Studien werden ebenso wie die verantwortungsvolle Fernnutzung von KI-Modellen durch eine effiziente ver- trauenswürdige Kollaborationsplattform ermöglicht, wie auch eine neue kollaborative Ent- wicklung und Anpassung von KI-Verfahren durch KI-Spezialisten mit medizinischen Institu- tionen und/oder Unternehmen.
- Methoden für domänenadaptierte neuronale Netzwerkarchitekturen: Die Skalierbarkeit von tiefen neuronalen Methoden ist gleichbedeutend mit der Entwicklung von Methoden, die Netzwerkarchitekturen bereitstellen, die für die jeweilige Anwendungs- domäne geeignet sind. Nur durch die adäquate Struktur des Netzes und die Integration von Domänenwissen ist es möglich, die exponentielle Explosion der Komplexität des Parame- terraums zu beherrschen. Auf Basis von Domänenwissen vortrainierte und vorstrukturierte Modelle sind ein entscheidender Mechanismus, dies zu erreichen.
Mit der Verbreitung von Foundation Models werden Dienste für das domänenspezifische Alignment von Foundation Models wichtig. Diese domänenspezifischen Alignments sind notwendig, um sicherzustellen, dass diese Modelle für spezifische Anwendungen oder Fachgebiete wie die Medizin optimal funktionieren und einen Mehrwert bieten können. Es ermöglicht eine bessere Anpassung an die Bedürfnisse und Anforderungen verschiedener Domänen und trägt zur Verbesserung der Leistungsfähigkeit und Vertrauenswürdigkeit von KI-Systemen bei. Solche domänenspezifische Alignments und Anpassungen benötigen ne- ben den Foundation Models selbst und einem tiefgreifenden Zugriff auf diese auch die pas- senden Trainingsverfahren zur Adaption der Modelle. Dienste zu Probabilistischen Graphischen Modellen: Probabilistische graphische Modelle (PGMs) bilden das Rückgrat vieler medizinischer An- wendungen, in denen unsichere Informationen vorliegen. Zahlreiche anwendungsnahe Pro- blemstellungen lassen sich dadurch auf mathematisch wohlverstandene Anfrageprobleme bezogen auf konkrete PGMs reduzieren. Die dafür notwendigen Modelle können durch ganz unterschiedliche Lerntechniken aus Daten generiert bzw. vervollständigt und ange- passt werden und dabei modular miteinander kombiniert werden. Mit den hier erarbeiteten Systemen, die implementierungstechnisch für eine skalierbare Verwendung ausgelegt sind, können sowohl KI-Med-Forschungsprojekte als auch -Anwendungsprojekte in Firmen wir- kungsvoll unterstützt werden. Medizinische Anwendungen in skalierbaren verteilten Netzwerkarchitekturen: Für eine KI-basierte Verarbeitung und Analyse telemedizinisch erhobener Gesundheitsda- ten ist eine effiziente, verteilte, sichere und datensouveräne informationstechnische Infra- struktur eine Grundvoraussetzung. Mit standardisierten Cloud-Edge-Technologien nach den GAIA-X Grundsätzen wird eine zukunftsfähige Kombination mit den bereits bestehen- den telemedizinischen Gesundheitsstandards geschaffen. Dazu werden drängende wissen- schaftlich-technische Fragestellungen zur Skalierbarkeit und zur Ausnutzung der verteilten Architektur für beispielhafte telemedizinische Anwendungen beantwortet. Abbildung 2: Überblick KI-Med-Service-Center
KI-Med-Anwendungen wurden/werden eher als singuläre Einzelprojekte entwickelt, die quasi das „Rad immer wieder neu erfinden“. Ein Rückgriff auf einen vorlaufenden Methoden- und Werkzeu- geinsatz an anderer Stelle im norddeutschen KI-Med-Kompetenzumfeld findet kaum statt. Erfah- rungen, Lösungsansätze und KI-Engineering wurden/werden wenig auf ihre optimale Passfähigkeit zu den intendierten medizinischen Anwendungen eruiert. Vor diesem Hintergrund soll das Teilprojekt 1 standardisierte Services entwickeln, die den aktuel- len Stand der KI-Forschung resp. KI-Methoden-/Toolanwendung mit speziellem Fokus auf die Ent- wicklungsanforderungen in der Domäne Medizin/Gesundheit für KI-Med-Anwendungsprojekte ver- fügbar machen. Diese neuartigen Entwicklungsservices werden es ermöglichen, dass KI-Med-Anwendungen schneller und effizienter entwickelt werden können. Die begrenzte Zahl von KI-Entwicklungsexper- ten wird eine größere Anzahl von Projekten bearbeiten können, Nachwuchskräfte werden eine steilere Lernkurve ihrer Praxiserfahrungen erreichen können. Das Teilprojekt 1 kann auf erste erfolgreiche Engineering-orientierte Vorgehensweisen aus dem BMBF-Vorhaben KI-Lab zurückgreifen.
Beteiligte Institutionen
Verbundene Projekte
