(Februar 2021) Von der Krebszellendiagnose bis zur Blutbildbestimmung: Bilder zu analysieren und zu erkennen, spielt in vielen medizinischen Bereichen eine wichtige Rolle. Bisher übernehmen vor allem Menschen diese anspruchsvolle, aber sich oft wiederholende Arbeit. Wenn jedoch Künstliche Intelligenz den Tumor erkennt …
Deep-Learning-Bilderkennungssysteme können den Prozess mit Künstlicher Intelligenz (KI) automatisieren und so die Qualität und Effizienz in der medizinischen Bildanalyse verbessern. Die neue DIN SPEC 13288 „Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen in der Medizin“ formuliert dazu spezifische Anforderungen. Sie enthält unter anderem praktische Leitlinien für Entwicklung und Aufbau der Systeme und geht insbesondere auf den Umgang mit den Daten für das Training der KI ein.
Hohe Ansprüche im medizinischen Einsatz
Die neue DIN SPEC 13288 basiert auf der DIN SPEC 13266 „Leitfaden für die Entwicklung von Deep-Learning-Bilderkennungssystemen“ und erweitert sie in Bezug auf die besonderen Ansprüche in der Medizin. „In diesem Bereich gelten höhere Qualitätsmaßstäbe als in anderen, und er ist stärker reguliert. Deshalb enthält der neue Standard gesonderte Erläuterungen und strengere Anforderungen“, erklärt Felix Faber von der MindPeak GmbH, Initiator der DIN SPEC. Die den Systemen zugrundliegende KI lernt mit Beispieldaten statistische Muster und kann so komplexe Aufgaben der Bilderkennung lösen. Für diese Daten und das entsprechende Training der KI für den medizinischen Einsatz definiert die DIN SPEC 13288 spezielle Anforderungen. „Die Spezifikation legt außerdem einen Fokus darauf, dass die Ergebnisse erklärbar sind. Nur so kann bei Ärzten und Patienten gleichermaßen Vertrauen und Akzeptanz in die Technologie entstehen“, so Faber.
Hilfe für Entwickler und Entscheidungsträger
Der neue Standard richtet sich insbesondere an Hersteller von Deep-Learning-Bilderkennungssystemen und Beteiligte an Forschungs- und Entwicklungsprojekten. Entscheidungsträger erhalten Kenntnisse über die Anwendungsmöglichkeiten und die Struktur der Systeme. Der Standard hilft ihnen zudem, den Aufwand und Nutzen besser einzuschätzen, wenn sie die Technologie in ihre bestehenden Abläufe einbinden wollen.
Die DIN SPEC 13288 wurde nach dem PAS-Verfahren (Publicly Available Specification) entwickelt. Außer der MindPeak GmbH waren die PSIORI GmbH, die FUSE-AI GmbH, die Hochschule Düsseldorf, die Quality Match GmbH und die IABG mbH beteiligt.
Quelle Text: DIN e. V.
Quelle Bild: Fotolia / Maxim Pavlov