App zur KI-gestützten Detektion von Affenpocken-Hautläsionen

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 Patientinnen und Patienten mit einer MPXV-Infektion schneller eine angemessene medizinische Behandlung erhalten und sich frühzeitig isolieren.

MEDICA.de; Quelle: Fraunhofer-Institut für Nachrichtentechnik, Heinrich-Hertz-Institut, HHI