Forschung @ PLANET AI: Klassifikation von Bronchienstrukturen

Ärzt:innen und Chirurg:innen stehen bei der Vorbereitung von Operationen oft vor dem Problem, kritische Strukturen im Lungengewebe zu erkennen und abzugrenzen. Brutenis Gliwa, Werkstudent bei PLANET AI, hat in seiner Bachelorarbeit an einem Ansatz geforscht, um medizinisches Personal bei dieser Aufgabe zu unterstützen.

Brutenis hat vor kurzem seine Bachelorarbeit „Automatic Classification of the Bronchus Structures Using a Rule-Based Approach“ in Informatik am Institut für Systembiologie und Bioinformatik (SBI, Universität Rostock) abgeschlossen. Dort forscht ein Team von multidisziplinären Wissenschaftler:innen unter der Leitung von Prof. Olaf Wolkenhauer unter anderem auf den Gebieten der klinischen Diagnostik und Datenanalyse. Betreut und unterstützt wurde Brutenis’ Abschlussarbeit von Mariam Nassar und Gundram Leifert auf Seiten von PLANET AI sowie Dr. med. Rolf Oerter, Facharzt für Thoraxchirurgie an der Universitätsmedizin Rostock.

Als Mitglied des AIrway-Projekts am SBI hat Brutenis eine Pipeline erarbeitet, die automatisch die bronchialen Strukturen der menschlichen Lunge klassifiziert. In einem externen Schritt kam Machine Learning zum Einsatz, um die von Dr. Oerter zur Verfügung gestellten CT-Scans in Bronchien-Masken umzuwandeln. Mit Hilfe dieser Masken und der Open-Source-3D-Grafiksoftware Blender entwickelte und verwendete Brutenis ein vektorbasiertes Regelwerk, um den Bronchien Farben zuzuordnen (siehe Video).

Mithilfe der klassifizierten Modelle lassen sich Operationen genauer planen. Letztendlich profitieren Patient:innen davon, da damit nur so viel Gewebe wie nötig aus der Lunge entfernt wird. Bisher beschränkt sich der Ansatz auf den Bereich der Thoraxchirurgie, da sich AIrway auf die Verarbeitung und Strukturierung von Thorax-Scans konzentriert. Weitere Forschungen und Entwicklungen könnten den Einsatz der Software für die Bronchoskopie oder den Vergleich von Patient:innendaten für statistische Analysen beinhalten. Die erzeugten Ground-Truth-Daten können auch für das Training eines KI-basierten Ansatzes verwendet werden. Auf Github ist der AIrway-Quellcode zu finden.

Die Zusammenarbeit von PLANET AI und der Universitätsmedizin Rostock ist ein wichtiger Bestandteil von Doctor AI, unserem Ansatz für ein Unterstützungssystem für Telemedizin, Notfallversorgung, Risikobewertungen und mehr.

Erfahre mehr über Forschung bei PLANET AI.

CT-Bild einer Lunge

Kurzes Demo-Video eines annotierten 3D-Modells