idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
idw - Informationsdienst
Wissenschaft
Eine Publikation, die im Rahmen des Projekts DAKI-FWS (Daten- und KI-gestütztes Frühwarnsystem zur Stabilisierung der deutschen Wirtschaft) entstanden ist, wird in der renommierten Fachzeitschrift Nature Medicine publiziert. Die Arbeit „A deep learning algorithm to classify skin lesions from mpox virus infection“ wurde von Dr. Alexander Thieme, Projektleiter an der Charité, in Zusammenarbeit mit Forschenden der Stanford University School of Medicine und Dr. Jackie Ma vom Fraunhofer Heinrich-Hertz-Institut (HHI), Gesamtprojektleiter von DAKI-FWS, sowie weiteren hervorragenden Partnern, verfasst.
Die Arbeit bildet die wissenschaftliche Grundlage für die im Projekt entstandene PoxApp (https://poxapp.charite.de und https://poxapp.stanford.edu), eine KI-basierte App, die einen Risikoscore für eine Affenpocken Infektion bestimmt und die Eindämmung des Virus unterstützt. Das Konsortialprojekt DAKI-FWS hat sich zum Ziel gesetzt, mithilfe von KI-Technologien Daten zu verknüpfen, auszuwerten und auf dieser Basis ein Frühwarnsystem für zukünftige Krisensituationen – bspw. infektologische Krankheiten – zu entwickeln.
DAKI-FWS ist Teil des „KI Innovationswettbewerbs“ des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK) und wird mit ca. 12 Mio. Euro gefördert. Als Konsortialführer ist das Fraunhofer Heinrich-Hertz-Institut (HHI) mit seiner Abteilung „Künstliche Intelligenz“ (KI) am Projekt beteiligt. DAKI-FWS ist Anfang Dezember 2021 gestartet und hat eine Laufzeit von drei Jahren. Das Fraunhofer HHI kann im Projekt seine Forschungsexpertise im Bereich multimodales maschinelles Lernen beitragen. Als leitende Position der ITU/WMO/UNEP Fokusgruppe „AI for Natural Disaster Management“ bringt es zudem seine Erfahrung im Bereich der KI-gestützten Vorhersage und Klassifizierung im Kontext von Umwelt- und Naturkatastrophen ein.
Das Affenpockenvirus (auch als mpox-Virus oder MPXV bezeichnet) hat einen anhaltenden Ausbruch mit mehr als 86.000 bestätigten Fällen in mehr als 100 Ländern verursacht und wurde von der Weltgesundheitsorganisation (WHO) zu einem internationalen Gesundheitsnotfall erklärt. Die Zahl der Neuinfektionen ist aktuell zurückgegangen, jedoch gilt der Ausbruch als nicht beendet. Während Übertragungen dieser zoonotischen Infektion in der Vergangenheit meist von Tier zu Mensch stattfanden, weist der aktuelle Ausbruch zum ersten Mal eine anhaltende Übertragung von Mensch zu Mensch auf. Modellrechnungen des Europäischen Zentrums für die Prävention und die Kontrolle von Krankheiten haben ergeben, dass MPXV-Ausbrüche vor allem durch unentdeckte Infektionen und eine verspätete Isolierung entstehen. Daher ist es wichtig, Fälle schnellstmöglich zu erkennen. Das Team von DAKI-FWS setzt hier an und entwickelte eine KI-basierte Falldefinition zur Detektion von MPXV-Infektionen.
Die Mehrheit von MPXV-Infektionen geht mit Hautläsionen einher, die im Verlauf der Krankheit in verschiedenen Stadien auftreten. In der DAKI-FWS Studie wurde ein neuartiges neuronales Netz (Deep Convolutional Neural Networks, CNN) entwickelt, das bei der Detektion von MPXV-Hautläsionen eine Genauigkeit von mehr als 90% aufweist. Mithilfe der PoxApp können Personen, die eine MPXV-Infektion befürchten, Bilder von Hautläsionen hochladen und eine erste Einschätzung erhalten. Das Ziel ist es, dass Patient*innen mit einer MPXV-Infektion schneller eine angemessene medizinische Behandlung erhalten und sich frühzeitig isolieren.
Die DAKI-FWS-Studie zielte daher darauf ab, die Leistung des CNNs zur Erkennung von MPXV-Hautläsionen (MPXV-CNN) in Fotos zu evaluieren und in die PoxApp zu integrieren. Das Forschungsteam trainierte das CNN auf einer großen Anzahl von Bildern (mehr als 138.00 Bilder) und untersuchte die Leistung des CNNs in unterschiedlichen Situationen, z.B. für unterschiedliche Hauttöne und Körperstellen der Hautläsionen. Dabei war es wichtig, die Fähigkeit des CNNs zu bewerten, MPXV-Hautläsionen von anderen akuten Hautkrankheiten (z. B. Allergien, Masern, Krätze) zu unterscheiden. Das Forschungsteam entwickelte die webbasierte PoxApp, die Patient*innen, die eine Infektion mit dem MPXV-Virus vermuten, kostenlos verwenden können.. Die App kann anonym genutzt werden und die Nutzer*innen haben die Möglichkeit, Ihre Fotos zur Forschungzwecken freiwillig zur Verfügung zu stellen. Die Forschenden planen, aktualisierte Versionen der App zu veröffentlichen, wenn Nutzer*innen mehr Fotos hochgeladen haben, da der Algorithmus mit einem größeren Datenpool genauere Ergebnisse liefern kann.
Nature Medicine ist eine monatlich erscheinende Fachzeitschrift mit einem Impact Factor von 87.241, die von Expert*innen begutachtete Originalarbeiten aus allen Bereichen der Medizin veröffentlicht. Die Publikation des DAKI-FWS Teams und die PoxApp der Charite und der Stanford University sind frei verfügbar.
Martina Müller
Pressekontakt
Telefon +49 30 31002 242
E-Mail martina.mueller@hhi.fraunhofer.de
Dr. rer. nat. Jackie Ma
Technischer Kontakt
Telefon +49 30 31002 461
E-Mail jackie.ma@hhi.fraunhofer.de
https://www.nature.com/articles/s41591-023-02225-7
https://poxapp.charite.de/
https://poxapp.stanford.edu/
Charakteristische Affenpocken
© Shutterstock.com/Marina Demidiuk
Criteria of this press release:
Business and commerce, Journalists, Scientists and scholars
Information technology, Media and communication sciences, Medicine, Social studies
transregional, national
Research projects, Scientific Publications
German
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
