Erste Promotion am IKIM
Röntgenbilder schneller auswerten
Um das Knochenalter von Kindern zu bestimmen, werden in der Regel Röntgenbilder der linken Hand angefertigt. Dabei wird der Reifegrad der Handknochen untersucht. Anhand dessen wird beispielsweise nach möglichen Wachstumsstörungen gesucht, die dann durch eine frühzeitige therapeutische Intervention in den meisten Fällen korrigiert werden kann. Die Auswertung der Röntgenbilder ist jedoch zeitaufwändig und erfordert viel Erfahrung. Und obwohl diese Arbeit oft von sehr erfahrenen und spezialisierten Kinderradiolog:innen durchgeführt wird, kommt es zu Ungenauigkeiten. Kann die Künstliche Intelligenz das vielleicht viel genauer als ein Mensch?
Dieser Frage ist Sven Koitka im Rahmen seiner Promotion am Institut für Künstliche Intelligenz in der Medizin (IKIM) am Universitätsklinikum Essen nachgegangen und hat eine vollautomatische Lösung entwickelt. „Mit seiner Anwendung kann das Alter derzeit mit einer Abweichung zwischen 4 und 7 Monaten sicher festgestellt werden. Um die Befundungen mittels KI zukünftig noch weiter zu verbessern, müssen zusätzliche Datenmengen erfasst und die KI damit trainiert werden“, so Doktorvater, Prof. Dr. Felix Nensa, Leiter der Arbeitsgruppe „Data Integration and AI in Radiology“ am IKIM.
Koitkas Promotion an der Medizinischen Fakultät der Universität Duisburg-Essen trägt den Titel „Vollautomatische Knochenalterbestimmung auf pädiatrischen Röntgenbildern nach Vorbild der radiologischen Vorgehensweise“ und ist die erste, die am IKIM abgeschlossen wurde. Der 34-jährige ist schon seit 2018 bei uns in Essen. Er ist technischer Leiter des SHIP.AI Forschungsteams am IKIM, welches sich u.a. mit der Integration von Künstlicher Intelligenz in die Smart Hospital Information Platform beschäftigt. Spezialisiert hat sich Koitka insbesondere auf die semantische Segmentierung von CT-Bildgebung. Seine Software für die vollautomatische volumetrische Body Composition Analysis wird in zahlreichen Forschungsprojekten am UK Essen und der Medizinischen Fakultät der Universität Duisburg-Essen eingesetzt und ist darüber hinaus an vielen Universitätskliniken in ganz Deutschland im Einsatz.