KI für Healthcare & biomedizinische Forschung

Komplexe Messdaten mit erklärbaren Verfahren und medizinischem Fachwissen auswerten.

Ihre Herausforderung

Biomedizinische Daten sind hochdimensional, heterogen und oft nur begrenzt verfügbar. Fachleute müssen nachvollziehen können, worauf eine Klassifikation beruht.

Wie IAP vorgeht

IAP entwickelt in interdisziplinärer Zusammenarbeit Verfahren zur Strukturentdeckung, Qualitätsbewertung und erklärbaren Klassifikation. Beispiele sind FlowXAI, die Untersuchung entzündlicher Erkrankungen und die Cinderella-Methode zur Bewertung von Hämodilution.

Projektergebnisse

Wissenschaftlich untersuchte Methoden, Machbarkeitsstudien (PoCs) und Forschungsprototypen mit dokumentiertem Evaluationsstand. Die Entwicklung wird mit den medizinischen Fachleuten auf den vorgesehenen Einsatz und die dafür erforderliche Validierung ausgerichtet.

Fachliche Details lesen ↓

Methoden und fachliche Details

Routinefälle und prüfbedürftige Befunde

Das Entwicklungsziel ist ein Ablauf, der geeignete Routinefälle unterstützt und komplexe oder unsichere Fälle für die fachärztliche Prüfung kenntlich macht. Erklärungen sollen zeigen, auf welchen Merkmalen und Regeln eine Einordnung beruht. Der tatsächliche Nutzen im klinischen Ablauf muss im vorgesehenen Einsatz untersucht werden.

Lymphomklassifikation und Probenqualität

FlowXAI untersucht erklärbare Klassifikation und fallbezogene Verlässlichkeit in Durchflusszytometriedaten. Die Cinderella-Arbeit behandelt kritische Hämodilution in Knochenmarkproben. Beide Beispiele zeigen, weshalb Messqualität und fachliche Interpretation ebenso wichtig sind wie die Auswahl des Lernverfahrens.

Studienstand und Übertragbarkeit

Die Entzündungsstudie untersucht 80 Erkrankte und 38 gesunde Kontrollpersonen. Übertragbarkeit auf weitere Patientengruppen, Messgeräte und Antikörperpanels wird für den jeweiligen Anwendungsfall geprüft.

Methodische Quellen

Thrun, M. C., Hoffmann, J., Krause, S. W., Krawitz, P., Stier, Q., Neubauer, A., Brendel, C. & Ultsch, A. (2026). Self-explaining artificial intelligence for the classification of B cell non-Hodgkin lymphoma: A diagnostic decision support study. PLOS Medicine, 23(7), e1004889.

FlowXAI verbindet die Prüfung von Datenstrukturen mit erklärbarer Lymphomklassifikation und einer Einschätzung der Verlässlichkeit jedes einzelnen Ergebnisses. Damit können Fachleute Ergebnisse nachvollziehen und prüfbedürftige Fälle gezielt untersuchen.

Hoffmann, J., Rheude, A., Neubauer, A., Brendel, C. & Thrun, M. C. (2024). Development of an explainable AI system using routine clinical parameters for rapid differentiation of inflammatory conditions. Frontiers in Immunology, 15, 1364954.

Entwicklung eines erklärbaren Verfahrens zur Unterscheidung entzündlicher Erkrankungsbilder anhand klinischer Messwerte.

Hoffmann*, J., Thrun*, M. C., Röhnert, M. A., von Bonin, M., Oelschlägel, U., Neubauer, A., Ultsch, A. & Brendel, C. (2023; online 2022). Identification of critical hemodilution by artificial intelligence in bone marrow assessed for minimal residual disease analysis in acute myeloid leukemia: The Cinderella method. Cytometry Part A, 103(4), 304–312.

KI zur Abschätzung kritischer Blutbeimengung in Knochenmarkproben. *J. Hoffmann und M. C. Thrun haben zu gleichen Teilen beigetragen.

Projekte mit Bezug zu dieser Leistung

Beckman Coulter

Auftragsprototyp · ergänzende gemeinsame Forschung

FlowXAI: erklärbare Unterstützung der Lymphomklassifikation

Die Interpretation von Durchflusszytometriedaten erfordert Fachwissen. Seltene Entitäten, unterschiedliche Messbedingungen und begrenzte Trainingsdaten erschweren die automatisierte Klassifikation.

Projekt im Detail →
Philipps-Universität Marburg

Forschungsprojekt · Studie von 2024

Erklärbare KI für entzündliche Erkrankungen

Unterschiedliche Entzündungsursachen können ähnliche Symptome hervorrufen. Die Studie untersucht, welche zusätzliche Unterstützung aus Blutparametern gewonnen werden kann.

Projekt im Detail →
Universitätsklinikum & Philipps-Universität Marburg

Prototyp für das Klinikum · gemeinsame Forschung

Probenqualität und hochdimensionale biomedizinische Daten

Die Qualität von Blut- und Knochenmarkproben beeinflusst die Interpretation ihrer Messdaten. Verdünnung und komplexe Zellpopulationen müssen bei der Auswertung berücksichtigt werden.

Projekt im Detail →

Die passende Form der Übergabe

Option 1

Prototyp für Ihre IT

IAP untersucht die Aufgabe, entwickelt und bewertet den Ansatz und übergibt den vereinbarten Prototyp mit Dokumentation. Ihre IT übernimmt die weitere Produktentwicklung und den Betrieb.

Option 2

Anwendung bis zur Integration

IAP entwickelt die vereinbarte Anwendung einschließlich Oberfläche und Schnittstellen, integriert sie in den vorgesehenen Ablauf und führt Abnahme und Übergabe durch. Ihre Organisation oder Ihr Betriebspartner übernimmt den anschließenden Betrieb.

Welche Entscheidung möchten Sie verbessern?

Im kostenlosen, unverbindlichen 20-Minuten-Erstgespräch klären wir Ihr Ziel, die Ausgangslage und einen sinnvollen nächsten Schritt.

Erstgespräch anfragen