KIT setzt föderiertes Lernen für KI bei Strahlentherapie ein

Am Fall der Strahlentherapie demonstriert das Karlsruher Institut für Technologie (KIT) aktuell, wie KI-Modelle mit Hilfe von föderiertem Lernen klinikübergreifend trainiert werden können. Die sensiblen Patientendaten verbleiben dabei bei den jeweiligen Kliniken. Das KIT kann auf diesem Weg nun synthetische CT-Bilder erzeugen. Durch die angewandte Methode werden klinisch nutzbare KI

Anwendungen breitflächig zugänglich, ohne den Datenschutz zu gefährden. Wie das Karlsruher Institut für Technologie (KIT) am 13. Oktober in einer Pressemitteilung bekannt gegeben hat, ist es Forschern vor Ort gelungen, KI-Modelle für Strahlentherapie über föderierte Lernverfahren zu trainieren und anzupassen. Konkret wurden auf der Basis vorhandener Aufnahmen synthetische CT-Bilder im Kopf-Hals-Bereich erzeugt.

Bei der Strahlentherapie werden regulär unterschiedliche bildgebende Verfahren eingesetzt: Dazu gehören CT, CBCT und MRT. Die CT-Aufnahmen geben dabei Aufschluss über die notwendige Strahlendosis.

Der Wissenschaftler Ciro Benito Raggio vom Institut für Biomedizinische Technik des KIT erläuterte: „Diese Bilder könnten künftig in bestimmten Anwendungsfällen zusätzliche CT-Aufnahmen ersetzen und damit die Belastung durch weitere Röntgenstrahlung reduzieren. Außerdem entfällt der aufwendige Abgleich zwischen verschiedenen Bilddatensätzen, der zu Ungenauigkeiten führen kann.“

Datenschutz bleibt gewahrt

Obwohl die Forscher die KI-Modelle klinikübergreifend trainierten, wurden keine Daten von Patienten ausgetauscht. Möglich wird dies, weil die beteiligten Einrichtungen beim föderierten Lernen ihre KI-Modelle ausschließlich vor Ort trainieren und verbessern. Sie tauschen nur die Informationen über die Modellanpassungen aus.

Mögliche Angriffe auf die Datensicherheit wurden ebenfalls überprüft, damit eine spätere Rekonstruktion patientenspezifischer Bilddaten innerhalb der trainierten KI-Modelle nicht mehr möglich ist.

Raggio hob hervor, dass die KI-Modelle zur Erzeugung der synthetischen Bilder auch auf Nachhaltigkeit optimiert worden seien: Rechenaufwand und CO₂-Emissionen könnten je nach Architektur um bis zu 23 Prozent gesenkt werden – was vor allem kleineren Kliniken mit geringen Ressourcen zu Gute kommen dürfte.