KI in der Bildverarbeitung: Forschungsarbeiten aus dem RACOON Netzwerk

In der Session werden aktuelle Forschungsarbeiten aus dem RACOON-Netzwerk zur Anwendung von KI-Methoden auf radiologischen Daten mit dem Ziel der Verbesserung der klinischen Versorgung präsentiert. Projektbeteiligte stellen Arbeiten vor, die sich auf die Anwendung von automatischen Segmentierungsalgorithmen, Machine Learning-basierten Outcome-Prädiktionen sowie Methodiken zur Workflow-Automatisierung und Qualitätssicherung konzentrieren. Neben spannenden technischen Fortschritten teilen die Referentinnen und Referenten konkrete Erfahrungen aus der Organisation multizentrischer Studien in RACOON und diskutieren aktuelle Herausforderungen für KI-basierte Forschungsprojekte in der Bildverarbeitung.

In der Session werden innovative Ansätze zur Verbesserung der medizinischen Bildgebung durch Künstliche Intelligenz vorgestellt, darunter bahnbrechende Fortschritte des Deutschen Krebsforschungszentrums (DKFZ) Heidelberg. Im Mittelpunkt steht das Human Radiome Project, ein weltweit einzigartiges KI-Foundation-Model für die Radiologie. Trainiert auf einem Datensatz von 4,8 Millionen 3D-Bildern (MRT, CT, PET) übertrifft es bisherige Modelle bei Weitem. Für das Training dieses Foundation-Models sind keine annotierten Daten erforderlich – das Modell lernt selbstständig, Strukturen in den Bildern zu erkennen, und kann anschließend problemlos auf spezifische Aufgaben angewendet werden. Die Anwendungsbereiche reichen von der verbesserten Krebsdiagnostik bis hin zur Entdeckung seltener Erkrankungen. Das Projekt wird als Open-Source-Plattform der Forschungsgemeinschaft zur Verfügung gestellt und hat das Potenzial, die radiologische Diagnostik und Therapie grundlegend zu verändern.

Diese Session bietet eine wertvolle Gelegenheit für den Austausch zwischen den Projektbeteiligten und ermöglicht den Teilnehmerinnen und Teilnehmern, von praxisnahen Einblicken und technischen Erfahrungen zu profitieren, um eigene Projekte in der medizinischen Bildverarbeitung und KI-gestützten Diagnostik voranzutreiben. Zudem werden Future Directions aufgezeigt, die Perspektiven und künftige Entwicklungen im Bereich KI und Radiologie beleuchten und inspirieren.