US-amerikanische National Institutes of Health setzen auf KI im Kampf gegen COVID-19

Die National Institutes of Health haben sich für die künstliche Intelligenz (KI) bei der Diagnose, Behandlung und Überwachung von COVID-19 durch die Schaffung des Medical Imaging and Data Resource Center (MIDRC) entschieden.

Was ist das MIDRC?

Das MIDRC besteht aus mehreren Institutionen, die zusammenarbeiten, angeführt von dem National Institute of Biomedical Imaging and Bioengineering (NIBIB), das Teil der NIH ist. Die Zusammenarbeit zielt darauf ab, neue Technologien zu entwickeln, die es Ärzten ermöglichen, das Virus frühzeitig zu erkennen und personalisierte Therapien für Patienten zu erstellen.

Bruce J. Tromberg, Ph.D., ist Direktor des NIBIB.

„Dieses Programm ist besonders aufregend, weil es uns neue Möglichkeiten gibt, wissenschaftliche Erkenntnisse schnell in praktische Bildgebungs-Tools umzusetzen, die COVID-19-Patienten zugute kommen“, sagte Tromberg. „Es vereint Führungskräfte aus der medizinischen Bildgebung und der künstlichen Intelligenz aus Wissenschaft, Berufsverbänden, Industrie und Regierung, um diese wichtige Herausforderung anzugehen.“

Eine der Möglichkeiten, mit denen Experten die Schwere eines COVID-19-Falls beurteilen, besteht darin, die Merkmale von infizierten Lungen und Herzen in medizinischen Bildern zu betrachten. Dies kann auch dazu beitragen, vorherzusagen, wie ein Patient auf eine Behandlung reagiert und die Gesamtergebnisse verbessern.

Die große Herausforderung bei dieser Methode besteht darin, dass es schwierig ist, diese Signaturen schnell und genau zu identifizieren und die Informationen zu bewerten, insbesondere wenn es andere klinische Symptome und Tests gibt.

Machine Learning-Algorithmen

Das MIDRC zielt darauf ab, neue und effektive Diagnosemethoden zu entwickeln und umzusetzen. Eine davon sind Machine Learning-Algorithmen, die einige dieser Probleme lösen. Machine Learning-Algorithmen können Ärzten helfen, die Behandlung nach einer genauen und schnellen Beurteilung der Krankheit zu optimieren.

Guoying Liu, Ph.D., ist der wissenschaftliche Programmleiter des NIBIB für den neuen Ansatz.

„Dieses Vorhaben wird eine große Sammlung von COVID-19-Bildern der Lungen sammeln“, erklärte Liu, „was es Forschern ermöglichen wird, sowohl Lungengewebe als auch Herzgewebe zu bewerten, wichtige Forschungsfragen zu stellen und vorherzusagende COVID-19-Bildsignale zu entwickeln, die an Gesundheitsdienstleister geliefert werden können.“

Krishna Kandarpa, M.D., Ph.D., ist Direktor der Forschungswissenschaften und strategischen Richtungen des NIBIB.

„Dieses große Vorhaben reagiert auf das von der internationalen Bildgebungs-Gemeinschaft geäußerte ungedeckte Bedürfnis nach einem sicheren technologischen Netzwerk, um die Entwicklung und ethische Anwendung der künstlichen Intelligenz zu ermöglichen, um die besten medizinischen Entscheidungen für COVID-19-Patienten zu treffen“, sagte Kandarpa. „Letztendlich könnten die entwickelten Ansätze auch anderen Erkrankungen zugute kommen.“

Einige der anderen großen Namen in diesem Projekt sind Maryellen L. Giger, Ph.D., die die Führung übernommen hat. Sie ist Professorin für Radiologie, Komitee für medizinische Physik an der University of Chicago. Co-Ermittler sind Etta Pisano, MD, und Michael Tikin, MS, von der American College of Radiology (ACR), Curtis Langlotz, MD, Ph.D., und Adam Flanders, MD, von der Radiological Society of North America (RSNA), und Paul Kinahan, Ph.D., von der American Association of Physicists in Medicine (AAPM).

Durch die Zusammenarbeit zwischen der ACR, RSNA und AAPM wird das MIDRC darauf hinarbeiten, Bild- und andere klinische Daten schnell zu sammeln, zu analysieren und zu verbreiten.

Viele glauben, dass die Übernahme von KI für pandemicbezogene Lösungen längst überfällig ist, aber das neue MIDRC der National Institutes of Health ist ein Schritt in diese Richtung. Es ist nur eine Frage der Zeit, bevor KI eine wichtige Rolle bei der Erkennung, Reaktion und letztendlichen Verhinderung von globalen Pandemien spielt, die durch Viren verursacht werden.