MRI-Bilder stellen aufgrund ihrer Komplexität und großen Datenmengen seit langem eine große Herausforderung in der medizinischen Bildanalyse dar. Um große Sprachmodelle (LLMs) für die MRI-Analyse zu trainieren, mussten Entwickler die aufgenommenen Bilder in 2D-Bilder zerteilen. Dieses Verfahren ist zwar praktikabel, schränkt aber die Fähigkeit des Modells zur Analyse komplexer anatomischer Strukturen ein, insbesondere bei komplexen Fällen wie Hirntumoren, Knochenkrankheiten oder Herz-Kreislauf-Erkrankungen.
Bildquelle: Das Bild wurde mit KI generiert und stammt von Midjourney.
Auf der diesjährigen AWS re:Invent Konferenz präsentierte GE Healthcare jedoch das branchenweit erste Forschungs-Basismodell für Ganzkörper-3D-MRT. Dies bedeutet, dass MRT-Modelle endlich Ganzkörper-3D-Bilder nutzen können. Dieses Modell basiert auf über 173.000 Bildern aus 19.000 Studien. Das Entwicklungsteam gab an, dass der für das Training benötigte Rechenaufwand durch dieses neue Modell um das Fünffache reduziert wurde.
Obwohl GE Healthcare dieses Basismodell noch nicht kommerziell vermarktet und sich derzeit in der Forschungsphase befindet, wird das Massachusetts General Hospital (Mass General Brigham) als einer der ersten Anwender bald mit der Erprobung des Modells beginnen. Parry Bhatia, Chief AI Officer bei GE Healthcare, erklärte, dass man hofft, diese Modelle den technischen Teams von Gesundheitssystemen zur Verfügung zu stellen, um ihnen zu helfen, Forschungs- und klinische Anwendungen schneller und kostengünstiger zu entwickeln.
Dieses Modell ermöglicht die Echtzeit-Analyse komplexer 3D-MRT-Daten. Das Team von GE Healthcare verfügt über zehnjährige Erfahrung in fortschrittlichen Technologien. Sein Flaggschiffprodukt AIR Recon DL ist ein Deep-Learning-Rekonstruktionsalgorithmus, der Radiologen hilft, schneller klare Bilder zu erhalten und die Scanzeit um bis zu 50 % zu verkürzen. Darüber hinaus unterstützt das 3D-MRT-Modell die Suche und Verknüpfung von Bildern und Texten sowie die Segmentierung und Klassifizierung von Krankheiten und soll medizinischem Fachpersonal detailliertere Scaninformationen liefern als bisher.
Bei der Datenverarbeitung verwendete das Entwicklungsteam eine Strategie des „Anpassens und Anlernens“, damit das Modell verschiedene Datensätze verarbeiten kann. Selbst wenn einige Bilddaten unvollständig sind, kann das Modell fehlende Teile überspringen. Darüber hinaus wurde eine halbüberwachte Lehrer-Schüler-Lernmethode eingesetzt, um die Lernfähigkeit des Modells unter Bedingungen mit begrenzten Daten zu verbessern.
Um die bei der Erstellung dieses komplexen Modells auftretenden Rechen- und Datenherausforderungen zu bewältigen, nutzte GE Healthcare die Amazon SageMaker Plattform und die verteilte Trainingsfähigkeit von Hochleistungs-GPUs, um die Datenverarbeitungsgeschwindigkeit und die Effizienz des Modelltrainings deutlich zu verbessern. All dies geschah unter Einhaltung von Compliance-Standards wie HIPAA, um Patienten eine personalisiertere medizinische Versorgung zu ermöglichen.
Derzeit konzentriert sich das Modell zwar auf den MRT-Bereich, aber die Entwickler sehen große Chancen für die Erweiterung auf andere medizinische Bereiche. In Zukunft könnte dieses Basismodell möglicherweise schnellere und effizientere Lösungen für Bereiche wie die Strahlentherapie liefern.
Wichtigste Punkte:
🧠 GE Healthcare präsentiert das branchenweit erste Forschungs-Basismodell für Ganzkörper-3D-MRT und verbessert die Bildanalyse deutlich.
💻 Das neue Modell reduziert durch Anpassung der Datenverarbeitungsstrategie den Rechenaufwand und verbessert die Trainingseffizienz.
🚀 Das Modell könnte in Zukunft auf andere medizinische Bereiche ausgeweitet werden und zu einer präziseren medizinischen Versorgung beitragen.