Früherkennung von Netzhauterkrankungen mit Hilfe von maschinellem Lernen
Ein Besuch beim Augenarzt ist für viele Routine −mit schwacher Beleuchtung, Augentropfen zur Pupillenerweiterung und Sehtesttafeln. Unser Augenlicht ist wertvoll: Forscher schätzen, dass wir mindestens 80 Prozent aller Informationen visuell aufnehmen. Wenn ein Mensch erblindet, gehen alle diese Informationen verloren, seine Welt verändert sich für immer.
Dennoch sind die herkömmlichen persönlichen Augenuntersuchungen bei erweiterter Pupille ziemlich ungenau, wenn es darum geht, Netzhauterkrankungen zu erkennen, die Sehbehinderungen verursachen können. Davon sind 253 Millionen Menschen weltweit betroffen − fast jeder Zwanzigste. Die Früherkennung ist eine große Herausforderung und das Testverfahren muss dringend technologisch erweitert werden. Glücklicherweise ist ein Team in Spanien gerade dabei, genau eine solche Erweiterung zu entwickeln − mit Hilfe eines der größten Supercomputer Europas.
Für die Patienten muss es schnell gehen. Weltweit leidet eine Viertelmilliarde Menschen unter einer Sehbehinderung, 80 Prozent dieser Fälle wären jedoch vermeidbar. Durch ein frühes Eingreifen kann das Risiko eines signifikanten Verlusts der Sehfähigkeit um mehr als die Hälfte reduziert werden.
VORGESTELLTE LÖSUNGEN
Lenovo für das Gesundheitswesen
Lenovo Analytics und KI
Smart Edge
Mit Hilfe der High-Performance-Computing Ressourcen von Lenovo nutzt die Forschergruppe am Barcelona Supercomputing Center die Möglichkeiten von KI, um Modelle für maschinelles Lernen zu entwickeln. Diese sollen verschiedene Arten von Netzhauterkrankungen schnell erkennen können − von Glaukomen bis hin zur Makuladegeneration − und dabei einen sechs Monate dauernden maschinellen Lernvorgang auf nur zehn Minuten oder weniger verkürzen sowie Augenärzten die Möglichkeit bieten, Anzeichen für Netzhauterkrankungen früher als je zuvor zu erkennen.
„Anstatt sechs Monate damit zu verbringen, verschiedene Netzwerkarchitekturen und Hyperparameterkonfigurationen auszuprobieren, können wir die Leistung eines Modells für maschinelles Lernen so trainieren und validieren, dass mit CPUs die Erkennung einer Netzhauterkrankung in weniger als zehn Minuten möglich ist − oder mit GPUs in nur 3 Minuten“, so Dr. Dario Garcia-Gasulla, promovierter Forscher und Leiter des Teams am BSC.
Mit Hilfe der Technologie von Lenovo hat das BSC eine anwenderfreundliche KI mit fantastischen Ergebnissen entwickelt.
— Patrick Moakley, Director, Lenovo
Die Modelle wurden auf dem High-Performance-Computing-Cluster des Centers ausgeführt, dem MareNostrum 4. Dieser besteht aus 3.456 Lenovo ThinkSystem SD530 Knoten, ausgestattet mit Intel® Xeon® Platinum Prozessoren. Der MareNostrum 4 bringt es auf 11,1 PFLOPS, ein Maß für die Rechengeschwindigkeit, das angibt, dass er 11,1 Billiarden grundlegende Berechnungen pro Sekunde durchführen kann.
Selbst mit der Leistung eines Supercomputers ist ein Test auf Netzhautprobleme eine große Aufgabe. Es gibt viele Ursachen für Sehstörungen, z. B. diabetische Retinopathie − beschädigte Blutgefäße aufgrund von Komplikationen mit Diabetes; Glaukome − Schäden am Sehnerv; Nävi − muttermalartige Gewächse innerhalb des Auges; und Makuladegeneration − eine Abnutzung der Netzhaut, die zu einem Sehverlust im Zentrum des Gesichtsfelds führt, um nur einige zu nennen. Mit den begrenzten Daten, die verfügbar sind, ist es schwierig, ein neuronales Netzwerk für die Unterscheidung dieser verschiedenen Netzhauterkrankungen zu trainieren.
Anwenderfreundliche KI sorgt dafür, dass Sehprobleme früher als je zuvor erkannt und behandelt werden können.
„Bei Krankheitsbildern mit begrenzter Datensatzverfügbarkeit, zum Beispiel weniger als 3.000 Bilder, könnte das Trainieren eines zuverlässigen tiefen neuronalen Netzwerks unmöglich sein“, so Garcia-Gasulla.
In diesen Fällen wendet das Team Transfer Learning an, ein Verfahren, das die Erstellung neuer Modelle schneller und mit einer geringeren Datenmenge ermöglicht.
„Anstatt also ein tiefes Netzwerk auf jede Art von Netzhauterkrankung zu trainieren, können wir unser ‚Basismodell‘ wiederverwenden und darauf trainieren, eine zweite Erkrankung zu erkennen, und dann ein drittes Modell für die Entdeckung einer weiteren Krankheit und so weiter. Dadurch können wir neue Modelle wirklich schnell und sehr einfach erstellen.“
Wissenschaftler, die das System nutzen, können einfach eine Netzhauterkrankung wählen, für die sie ein Modell für maschinelles Lernen erstellen möchten, ein vortrainiertes neuronales Netzwerk für die Merkmalsextraktion aussuchen und damit arbeiten.
Für Patrick Moakley, Director of HPC and KI Marketing in der Lenovo Data Center Group, ist das Projekt ein Fenster in eine Zukunft, in der KI und maschinelles Lernen einfach und intuitiv sind.
„Mit Hilfe der Technologie von Lenovo hat das BSC eine anwenderfreundliche KI mit fantastischen Ergebnissen entwickelt“, so Moakley.
Anwenderfreundliche KI sorgt dafür, dass Sehprobleme früher als je zuvor erkannt und behandelt werden können. Damit sind wir einer Welt, in der vermeidbare Fälle von Erblindung auch tatsächlich vermieden werden, einen Schritt näher.
GESUNDHEITSWESEN
GESUNDHEITSWESEN
LIEFERKETTE
