DATIpilot Modul 1 Innovationssprints: (KI)-gestützte Vorhersage von (W)undverläufen und deren (i)ndividuelle Kosten - KIWI

Sachbericht zum Verwendungsnachweis

Loading...
Thumbnail Image

Editor

Advisor

Volume

Issue

Journal

Series Titel

Book Title

Publisher

Hannover : Technische Informationsbibliothek

Supplementary Material

Other Versions

Link to publishers' Version

Abstract

Das Ziel des Projektes war die KI-gestützte Vorhersage von Behandlungsverläufen und Heilungschancen durch die Anwendung künstlicher Intelligenz auf Wundbilder und Patientendaten, die im Rahmen der Kaltplasma-behandlung erhoben werden. Die Coldplasmatech GmbH ist verantwortlich für die Erhebung und Bereitstellung der Patientendaten sowie für die Koordination und Sicherstellung der professionellen Behandlung der Patienten in zertifizierten Plasma.Kompetenz.Zentren. Die TU Dresden hat im Rahmen des Projekts die Entwicklung eines KI-Systems zur Analyse und Prognose der Wundheilung übernommen. Beitrag des Teilprojekts A: Coldplasmatech hat die Verantwortung für die Erhebung und Dokumentation der Patientendaten sowie die Koordination der Behandlung in den Plasma.Kompetenz.Zentren. Ein besonderes Augenmerk lag auf der Sicherstellung der Qualität der Dokumentation und der Einhaltung der Datenschutzvorgaben. Coldplasmatech hat außerdem das Ziel verfolgt, ein Pay-per-Performance-Modell zu entwickeln, das auf den durch die KI gewonnenen Erkenntnissen basiert. Beitrag des Teilprojekts B: Zusammenstellung und Aufbereitung eines Wund- und Patientendatensatzes, auf dessen Basis eine KI trainiert wird, die in der Lage ist, Wunden zu analysieren und Merkmale zu extrahieren. Implementierung einer neuartigen Wundheilungsprognose, deren Genauigkeit evaluiert wird. Dazu wird zunächst in Zusammenarbeit mit Coldplasmatech ein Datensatz erstellt, der mit weiteren bereits vorhandenen Literaturdatensätzen angereichert wird. Mittels klassischer und neuartig KI-basierter Bildsegmentierungsverfahren soll dann die Wunde erkannt und Merkmale extrahiert werden. Als besondere Schwierigkeit wurde die geringe Anzahl an Trainingsdaten identifiziert, für die Mitigationsstrategien angedacht sind. Auf Basis der Patientendaten und der extrahierten Bildinformationen soll ein innovativer Prognosealgorithmus trainiert werden, der den Heilungsverlauf vorhersagen kann.

Description

Keywords GND

Conference

Publication Type

Report

Version

publishedVersion

License

Creative Commons Attribution-NonDerivs 3.0 Germany