Krebsforschungszentrum will Grenzen der Krebsforschung KI-gestützt erweitern

The Royal Marsden NHS Foundation Trust hat gemeinsam mit NTT DATA und der KI-Plattform CARPL.ai einen KI-gestützten Radiologie-Analyseservice entwickelt.

Das Potenzial von KI zur Verbesserung der Geschwindigkeit und Exaktheit bei der Identifizierung bildgebender Biomarker ist bekannt. Im Rahmen einer Forschungsinitiative hat nun The Royal Marsden KI-Algorithmen zur Verbesserung der Genauigkeit der Krebserkennung entwickelt und evaluiert. Konkret geht es dabei etwa um Sarkome, Lungen-, Brust-, Hirn- und Prostatakrebs. Dies wird zu schnelleren Reaktionszeiten und genaueren Diagnosen führen.

Sobald der Dienst live ist, können die Forschungsteams am Royal Marsden eine Reihe von KI-Modellen für verschiedene Krebsarten evaluieren. Diese Studien werden wichtige Erkenntnisse darüber liefern, wie KI die klinische Entscheidungsfindung unterstützen und zukünftige Ansätze für Diagnose und Behandlung prägen kann. Über die zentralisierte Schnittstelle und die integrierten Überwachungstools von CARPL.ai können die Forschungsteams auch die Modellleistung im Zeitverlauf verfolgen, was schnellere Feedback-Schleifen zwischen Entwicklung und Einsatz ermöglicht – ein entscheidender Schritt auf dem Weg zur klinischen Umsetzung. 

Sammlung von KI-Modellen für Radiologie

Der neue Service läuft auf einer klinischen MLOps-Bildgebungsplattform, die von NTT DATA aufgebaut und betrieben wird. Die KI-Computing-Lösung nutzt hochleistungsfähige Dell-Server und die neueste GPU-Verarbeitungsleistung – orchestriert von der CARPL.ai-Plattform, die beim Testen und Verwalten von KI-Algorithmen unterstützt und eine große Sammlung von KI-Modellen für die Radiologie umfasst.

„Der neue Service ist ein hervorragendes Beispiel für die Innovationskraft von KI und konkret für den ethischen und sicheren Einsatz im Gesundheitswesen“, sagt Oliver Köth, CTO von NTT DATA. „Abgesehen von der MLOps-Plattform für Bildanalyse, unterstützen wir die Forscher am The Royal Marsden auch dabei, neue KI-Tools in realen Krankenhausumgebungen zu testen und Erkenntnisse aus unterschiedlichen Algorithmen zu gewinnen.“