Einzelprojekt

CoCoAI - Kooperative und kommunizierende KI-Methoden für die medizinische bildgeführte Diagnostik

Förderkennzeichen: 01GP1908
Fördersumme: 874.615 EUR
Förderzeitraum: 2020 - 2023
Projektleitung: Prof. Dr. Mattias Heinrich
Adresse: Universität zu Lübeck, Sektion Informatik/Technik, Institut für Medizinische Informatik
Ratzeburger Allee 160
23562 Lübeck

Künstliche Intelligenz (KI), die aus medizinischem Expertenwissen lernen kann, wird im Gesundheitssystem eine wichtige Rolle spielen und grundlegende Verbesserungen in Bezug auf die Genauigkeit und Effizienz der bildgestützten medizinischen Diagnostik und Behandlung ermöglichen. Ziel von CoCoAI ist die empirisch fundierte Entwicklung von Informations- und Kommunikationstechnologien, welche die Zusammenarbeit zwischen KI und Menschen bestmöglich unterstützen. Zukünftigen Anwendungen der KI im Gesundheitswesen werden nicht nur die diagnostische Qualität verbessern, sondern auch viele ethische, rechtliche, soziale und wirtschaftliche Aspekte der modernen Medizin beeinflussen. Das Projekt arbeitet auf eine Bewältigung der ethischen und gesellschaftlichen Herausforderungen hin, die sich aus der Integration von KI in bestehende Handlungsstrukturen ergeben. Es entwickelt Methoden, die das neue Rollenverständnis der drei Hauptakteure (Patienten, Ärzte und KI-Ingenieure) positiv unterstützen. Es werden methodische Grundlagen für eine trilaterale Zusammenarbeit und Kommunikation durch erklärbare KI-Verfahren, moderne Mensch-Computer-Schnittstellen sowie ethische Studien und Workshops zur Definition von verantwortungsvoller Forschung und Innovation mit KI geschaffen. Richtlinien für das Design zukünftiger KI- und bildbasierter Diagnosesysteme aus den interdisziplinären Perspektiven des maschinellen Lernens, der medizinischen Bildanalyse, der nutzerzentrierten Gestaltung von Mensch-KI-Schnittstellen, der Visualisierung und der Technikethik werden erarbeitet. Diese sollen die Akzeptanz KI-gestützter Diagnosen fördern, die Potenziale nutzbar machen und Risiken vermindern. Gemeinsam mit dem KMU ThinkSono ist eine Fallstudie zur praktischen Umsetzung eines ultraschallbasierten Diagnosesystems zur Erkennung tiefer Venenthrombose, die häufigste Ursache für vermeidbare Todesfälle in Krankenhäusern geplant.