Biomedizin: Neues Webregister AIMe soll das Arbeiten mit KI-Methoden verbessern
Straubing - Ein internationales Forschungsteam, zu dem auch ein Professor der HSWT gehört, hat ein standardisiertes Register für die Arbeit mit künstlicher Intelligenz (KI) in der Biomedizin vorgeschlagen. Es soll die Reproduzierbarkeit der Ergebnisse verbessern und das Vertrauen in die Benutzung von KI-Algorithmen in der biomedizinischen Forschung und zukünftig auch im Klinikalltag stärken. Ihren Vorschlag präsentierten die Wissenschaftler:innen in der Fachzeitschrift 'Nature Methods'.
In den letzten Jahrzehnten konnten aufgrund neuer Technologien verschiedenste Systeme entwickelt werden, die unter anderem in der Krebsforschung riesige Mengen an biomedizinischen Daten erzeugen. Parallel dazu entstanden neue Möglichkeiten, diese Daten mit Methoden der künstlichen Intelligenz zu untersuchen und auszuwerten. Beispielsweise können KI-Algorithmen auf Intensivstationen anhand großer Datenmengen von mehreren Überwachungssystemen frühzeitig ein Kreislaufversagen vorhersagen, indem sie viele komplexe Informationen aus verschiedenen Quellen gleichzeitig verarbeiten, was die menschlichen Fähigkeiten weit übertrifft.
Dieses große Potential von KI-Systemen führt zu einer unüberschaubaren Anzahl biomedizinischer KI-Anwendungen, die sich nicht immer an bewährte Verfahren halten oder über deren Funktionsweise, verwendete Algorithmen oder die Datenherkunft wissenschaftliche Publikationen nur unvollständige Angaben machen. Das erschwert die Beurteilung und den umfassenden Vergleich von KI-Modellen. Die Entscheidungen der KIs sind nicht immer nachvollziehbar und es entstehen Ergebnisse, die nicht vollständig reproduzierbar sind. Diese Situation ist gerade in der klinischen Forschung unhaltbar, da hier sowohl Vertrauen in KI-Modelle als auch transparente Forschungsberichte von entscheidender Bedeutung sind, um die Akzeptanz von KI-Algorithmen zu steigern und verbesserte KI-Methoden für die biomedizinische Grundlagenforschung zu entwickeln.
Ein internationales Team unter Beteiligung der drei Forschungsgruppen von Prof. Dr. Dominik Grimm (HSWT), Dr. Markus List (Technische Universität München | TUM) und Dr. Josch Pauling (TUM) hat zur Lösung dieses Problems das von der Wissenschaftsgemeinschaft betriebene Register AIMe ("registry for artificial intelligence in biomedical research") vorgeschlagen. Dieses ermöglicht es Autor:innen neuer biomedizinischer KI-Methoden, leicht zugängliche, durchsuchbare und zitierfähige Berichte zu erstellen, die von der wissenschaftlichen Gemeinschaft untersucht und geprüft werden können.
Ein Register für standardisierte Berichte
Das frei zugängliche Register besteht aus einem anwenderfreundlichen Webdienst, der durch den AIMe-Standard führt und es Nutzer:innen von biomedizinischer KI ermöglicht, vollständige und standardisierte Berichte zu den verwendeten KI-Modellen zu erstellen, indem er alle relevanten Informationen zu der KI-Anwendung abfragt. Im Anschluss an die Eingabe wird eine eindeutige AIMe-Kennung erstellt, die dafür sorgt, dass der Eintrag langfristig auffindbar bleibt und die in Publikationen angegeben werden kann. Dadurch können Autor:innen in Artikeln für Fachzeitschriften statt einer aufwendigen Beschreibung aller Facetten der verwendeten KI einfach auf den Eintrag im AIMe-Register verweisen.
Da das Register als eine von der Wissenschaftscommunity betriebene Webplattform konzipiert ist, kann jede Nutzerin und jeder Nutzer zu bestehenden Einträgen Fragen stellen, Kommentare abgeben oder Verbesserungen vorschlagen. Dieses Feedback wird auch bei der jährlichen Aktualisierung des AIMe-Standards berücksichtigt. Interessierte Forschende können zudem dem AIMe-Lenkungsausschuss beitreten, um sich stärker in die weitere Standardisierung der biomedizinischen KI einzubringen.
"Die AIMe-Registry dient hier nicht nur als Repository für standardisierte Berichte von verwendeten KI-Modellen in biomedizinischen Publikationen, sondern sollte auch als "Best-Practice"-Protokoll angesehen werden, wie KI Modelle und oft vergessene, aber kritische Feinheiten dieser Modelle in wissenschaftlichen Publikationen beschrieben werden sollten", merkt HSWT-Professor Dr. Dominik Grimm an, der am TUM Campus Straubing für Biotechnologie und Nachhaltigkeit tätig ist.
------------------
Dieser Text beruht auf der Originalmeldung der FAU Erlangen-Nürnberg.
Originalpublikation: J. Matschinske, N. Alcaraz, A. Benis, M. Golebiewski, D. G. Grimm, L. Heumos, T. Kacprowski, O. Lazareva, M. List, Z. Louadi, J. K. Pauling, N. Pfeifer, R. Röttger, V. Schwämmle, G. Sturm, A. Traverso, K. van Steen, M. V. de Freitas, G. C. V. Silva, L. Wee, N. K. Wenke, M. Zanin, O. Zolotareva, J. Baumbach, and D. B. Blumenthal: The AIMe registry for artificial intelligence in biomedical research. Nature Methods (2021). DOI: 10.1038/s41592-021-01241-0.
