Forschungsprojekt DAIOR: Verteilte KI verbessert Telechirurgie

Johannes Horsch schildert im Gespräch mit MEDICA.de, wie ortsübergreifend Daten genutzt werden und wie daraus KI-Anwendungen entstehen, die zukünftig bei Operationen helfen können.

Wie sieht die Zusammenarbeit für die Auswertung der Daten aus?

Johannes Horsch: Die Anwendung von KI und Telechirurgie wird bei Operationen zunehmend wichtiger. Wertvolle Daten aus Krankenhäusern sind aber schon aus Datenschutzgründen an die Standorte der Kliniken gebunden.

Um dieses Wissen von unterschiedlichen Standorten zu nutzen, arbeiten im Projekt DAIOR (Distributed Artificial Intelligence for the Operating Room) drei Partner in einem interdisziplinären Konsortium zusammen: Das Fraunhofer IPA in Mannheim stellt klinische Gesundheitstechnologien und Robotik in den Vordergrund. Die IHU Strasbourg forscht an innovativen bildgesteuerten Therapien. Und der Bosch Digital Innovation Hub (KTBW) in Stuttgart will die Umsetzungsrate von Forschungsprojekten und Innovationen erhöhen und ist bestens vernetzt mit den Einrichtungen in Mannheim und Strasbourg.

Wir widmen uns Daten von unterschiedlichen Standorten und in verschiedenen Formaten, mit denen ein KI-Modell trainiert wird.

Wie verwerten Sie die Daten, um roboterunterstützte OPs zu erleichtern?

Horsch: Wir trainieren den Algorithmus der KI-Anwendung mit Daten aus verschiedenen Quellen. Auch Simulationsmodelle können genutzt werden, um damit synthetische Daten zu gewinnen. Ein Ansatz zur Entwicklung der KI-Modelle ist das Federated Learning.

Man kann das vergleichen mit einem Arzt oder einer Ärztin, die ihre Ausbildung in Mannheim macht, dort Erfahrungen sammelt und dann an weiteren Standorten weitere Entwicklungsstufen durchläuft. Auch beim Training der KI nutzen wir Daten verschiedener Standorte und Quellen und in unterschiedlichen Formaten. Dann übertragen wir das Modell auf den nächsten Standort, die Daten bleiben datenschutzkonform am alten Standort.

Wie verbessern die Daten konkret Operationen?

Horsch: Wir unterscheiden zwei Anwendungsfälle im Projekt DAIOR: Zum einen sammeln und analysieren wir Daten wie Bilder, Videos, Vitaldaten und OP-Berichte, extrahieren das Wissen und führen es kompakt und für die Medizinerinnen und Mediziner interpretierbar zusammen. Zum anderen gibt es den robotischen Use Case Telerobotik, für den wir als Basis die schnelle 5G-Kommunikationsstruktur nutzen.

Unser Ziel sind telechirurgische Einsätze über Standortgrenzen hinweg. Bei einer Operation in Straßburg kann zum Beispiel der Operateur oder die Operateurin in Mannheim das robotische System bedienen.

Wegen der großen Distanz sind Verzögerungen möglich oder es gehen Datenpakete verloren. Mit dem KI-Modell, das wir mit Daten verschiedener Standorte trainiert haben, können wir solche Verzögerungen oder Aussetzer jetzt ausgleichen, indem mit diesem Erfahrungsschatz gewisse Reaktionen vorausgesagt werden.

Roboter in der Telechirurgie können auch ein haptisches Feedback vermitteln. Im Gegensatz zu Audio- oder Videosignalen reagieren unsere haptischen Sinne aber viel empfindlicher auf Latenzen. Erst mit dieser errechneten Vorhersage einer Reaktion erhalten Bedienende einen immersiven Eindruck in ihrer Mixed-Realitiy-Welt, das fördert den klinischen Workflow.

Die Qualität der Algorithmen nimmt durch das Training zu. So gelingen bessere Vorhersagen darüber, wie der Sensor reagieren wird, und damit auch eine bessere Bedienung der Telechirurgie durch verfeinerte Assistenzsysteme.

Sind auch Teilautomatisierungen durch diese Verbesserungen möglich?

Johannes Horsch: Repetitive Aufgaben werden sich auf diesem Weg zunehmend automatisieren lassen, Ärztinnen und Ärzte behalten aber die Entscheidungshoheit. Wenn zum Beispiel nach einem Schlaganfall ein Katheter autonom durch das Gefäßsystem navigiert werden soll, wenn es um das Setzen einer Naht geht oder wenn um ein Gefäß manövriert werden muss, können entsprechend trainierte Assistenzsysteme solche Teilaufgaben übernehmen.