KI-Lösungen für die Gesundheit

In der KI-Abteilung des Fraunhofer Heinrich-Hertz-Instituts (HHI) entwickeln unsere Forscher neueste Methoden des maschinellen Lernens, um verschiedene medizinische Herausforderungen anzugehen. Unsere Arbeit umfasst die Analyse medizinischer Bilder, Zeitreihen, Texte und biomedizinischer Sequenzen, sowie multimodale Gesundheitsdaten.

Medizinische Bildgebung

Die medizinische Bildgebung ermöglicht die Darstellung biologischer Strukturen im Körper mithilfe von Mikroskopen, Röntgengeräten, Magnetresonanztomographie (MRT), Dermatoskopen oder Kameras. Unsere KI-Methoden unterstützen die Bildrekonstruktion und die automatische Pathologiedetektion und bieten Ärztinnen und Ärzten genaue und verlässliche Einblicke. Wir legen besonderen Wert auf erklärbare KI, um Transparenz und Sicherheit in medizinischen Anwendungen zu gewährleisten.

Abbildung 1: Beispiel eines histologischen Schnitts.
Quelle: Wagner et al. (2023). Semantic modeling of cell damage prediction: a machine learning approach at human-level performance in dermatology. Sci Rep 13. https://doi.org/10.1038/s41598-023-35370-7.
Lizenz: https://creativecommons.org/licenses/by/4.0/

Medizinische Zeitreihen

Medizinische Zeitreihendaten – einschließlich Elektrokardiographie (EKG), elektrischer Impedanztomographie (EIT), Elektroenzephalographie (EEG), Ganganalyse sowie Infektionsdaten aus der Epidemiologie – liefern wertvolle Informationen für die Patientenversorgung, die öffentliche Gesundheit und die Forschung. Wir entwickeln interpretierbare Algorithmen zur Analyse dieser Datentypen, um ein tieferes Verständnis und verbesserte Entscheidungsfindung in der klinischen Praxis zu ermöglichen.

Abbildung 2: Beispiel einer modellierten Infektionszeitreihe [Source: Arndt et al. (2025) Synthetic Datasets for Machine Learning on Spatio-Temporal Graphs using PDEs, Journal of Data-centric Machine Learning Research. https://openreview.net/forum?id=EguDBMechn . Lizenz: https://creativecommons.org/licenses/by-sa/4.0/ ]

Medizinische Texte

Große Sprachmodelle verändern das Gesundheitswesen durch neue Anwendungen, wie die Überprüfung der Leitlinienkonformität und die Klassifizierung klinischer Dokumente. Wir sind spezialisiert auf das Finetuning, die Evaluierung und Interpretation dieser Modelle für den Einsatz im Krankenhaus und in verwandten Bereichen, um sicherzustellen, dass sie die hohen Anforderungen medizinischer Umgebungen erfüllen.

Biomedizinische Sequenzen

Die molekulare Sprache des Lebens ist in Sequenzen von Nukleinsäuren und Aminosäuren kodiert. Das Verständnis der Eigenschaften von Proteinen und Peptiden ist sowohl für die Grundlagenforschung als auch für medizinische Anwendungen, wie etwa die Immunologie, essenziell. Da nur ein kleiner Teil der Proteine experimentell charakterisiert wurde, konzentriert sich unsere Forschung auf die Vorhersage ihrer Eigenschaften anhand der Primärsequenz. Wir nutzen aktuelle Fortschritte im Bereich der natürlichen Sprachverarbeitung, um die technische Entwicklung auf diesem Gebiet voranzubringen.

Abbildung 3: Erklärbare KI kann dazu beitragen, die Funktionsweise von Protein-Sprachmodellen bei der Vorhersage von Proteinfunktionen transparenter zu machen. [Abbildung angepasst nach: Wenzel, Grüner, Strodthoff (2024). Insights into the inner workings of transformer models for protein function prediction, Bioinformatics, 40(3). https://doi.org/10.1093/bioinformatics/btae031. Lizenz: https://creativecommons.org/licenses/by/4.0/ ]

Projekte

G-TERM-AI: Generatives Testbed zur Verbesserung der geräte- und protokollagnostischen Zuverlässigkeit multimodaler medizinischer KI.
AI/AR Microscope: Assistive Werkzeuge auf Basis Künstlicher Intelligenz und Augmented Reality für die mikroskopische Diagnostik in der Dermatologie und die mikrochirurgische Praxis.
TEF-Health: Test- und Experimentiereinrichtung für KI und Robotik im Gesundheitswesen.
DAKI-FWS: Daten- und KI-gestütztes Frühwarnsystem.
SyReal: Synthese realistischer Datenvariationen für zuverlässiges medizinisches maschinelles Lernen im großen Maßstab.
iToBoS: Intelligenter Ganzkörper-Scanner.
Patho234: Maschinelles Lernen zur multidimensionalen Bildanalyse reaktiver und neoplastischer Lymphknoten.
TraMeExCo: Transparenter medizinischer Expertenbegleiter.
FG-AI4H: ITU/WHO-Fokusgruppe für Künstliche Intelligenz im Gesundheitswesen.

Publikationen

Medizinische Bildgebung

Medizinische Zeitreihen

Biomedizinische Sequenzen

Verschiedene Themen