Woran arbeiten Pathologen? Glaubt man einschlägigen Krimiserien im TV, sind das überwiegend ungeklärte Todesfälle. Doch in der Realität ist das anders. Der Film zeichnet ein falsches Bild des Berufsstandes. Zu mehr als 90 Prozent befassen sich Pathologen mit Gewebeproben von lebenden Menschen.
Fatal ist dabei, dass der Fachexperte am Mikroskop bis zu 90 Prozent seiner Arbeitszeit mit monotonen Routinetätigkeiten verbringt. Zellen auszählen, Cluster bilden, Sektoren eingrenzen – das kostet Zeit und macht müde.
Mehr Zeit für Analysen
Grund genug für Felix Faber und Dr. Tobias Lang, die Gründer von MindPeak, sich die Aufgabe zu stellen, dieser Misere zu begegnen. Trauriger Anlass, neben der fundierten Marktanalyse, war der jähe Tod zweier nahestehenden Menschen. Beide Male, weil ein Karzinom zu spät entdeckt wurde. Damit die Idee der Informatiker sich in den Alltag der Labore einfügt, setzt das Duo von Anfang an auf die Zusammenarbeit mit renommierten Pathologen und stellt selbst einen ein.
Felix Faber, Gründer und CEO von MindPeak setzt auf künstliche Intelligenz bei der Probenbefundung von Krebszellen
Es bleibt nicht allein beim Blick des Pathologen. Die KI unterstützt ganz gezielt.
In welchem Umfeld spielt sich die KI-Lösung von MindPeak nun ab? Ein Blick auf die gängige Praxis. Im Alltag bekommt der Pathologe einen Gewebeschnitt auf Träger, zählt und sortiert unter einem Mikroskop gesunde und nicht gesunde Zellen, erstellt eine Dokumentation und gibt diese an den Onkologen zurück. Gerade das Zählen der Zellen ist ein zeitaufwändiger Prozess. Hier setzen Faber und Kol-legen an. Diese Aufgabe übernimmt nun ein Algorithmus der künstlichen Intelligenz. „Für das Auszählen benötigt der Pathologe zwischen zwei und 15 Minuten, der Computer hingegen nur ein bis zwei Sekunden“, weiß Faber. Dabei bleibt die Deutungshoheit beim Experten. „Er ist derjenige, der entscheidet, ob ein Mensch Krebs hat und er bringt den Onkologen auf den richtigen Weg zur Therapie.“
Mehrere hundert Gewebeproben gehen täglich über den Labortisch eines Pathologen
Standard für KI in der Medizin
Sie sind zu dritt. Und glauben an die Kraft von Standards. Deshalb haben Felix Faber von MindPeak und seine Kollegen Matthias Steffen von Fuse-AI und Sascha Lange von Psiori die DIN SPEC 13266 angestoßen. Gegenstand: Deep Learning, der neue State-of-the-Art der Bilderkennung.
Ihr Vorteil, wie schon im Artikel beschrieben, sind vielversprechende Möglichkeiten für die Automatisierung langwieriger, monotoner Aufgaben und Erschließung neuer Anwendungsbereiche in der Bilderkennung. Beispielsweise in der medizinischen Diagnose. Die neue DIN SPEC nennt die Voraussetzungen, unter denen Bilderkennungsprobleme mit Hilfe eines Deep–Learning-Systems bearbeitet werden können.
Wie immer gilt: Eine Idee wird zum Verkaufsschlager, wenn mögliche Kunden Vertrauen in sie setzen. Erst dann entsteht ein Markt. Wer einen Standard setzt, schafft Akzeptanz, Vertrauen und zugleich ein Netzwerk an potenziellen Kunden und Partnern. So wird mit einer DIN SPEC der Markt für neue Produkte vorbereitet.
Das Plus: Künftig können Aufwand und Nutzen eines Deep-Learning-Systems besser abgeschätzt und so genauere Erfolgsprognosen abgegeben werden. Für Felix Faber zahlt sich das Engagement auch bei MindPeak direkt aus: „Die Dokumentation im Rahmen der DIN SPEC hilft uns beim Aufbau unseres Qualitäts-Managementsystems.“
