Pressemitteilung/News

Computational Biology
23.05.2017

Maschine schlägt Arzt – Helmholtz-Informatiker bei Wettbewerb erfolgreich

Dreidimensionaler Computertomographie-Scan. Quelle: HMGU

Der Data Science Bowl ist der weltweit höchstdotierte Wettbewerb zum Thema Big Data. Bei der diesjährigen Aufgabe zur Diagnostik von Lungenkrebs setzten sich Wissenschaftler des Helmholtz Zentrums München zusammen mit Entwicklern des Deep-Learning Startups Hellsicht als bestes deutsches Team durch. Unter den knapp 2000 teilnehmenden Teams belegten sie Rang sieben.

„Das Ziel des Wettbewerbs war die Entwicklung einer Software, die Lungenkrebs auf Basis eines einzelnen dreidimensionalen Computertomographie (CT)-Scans erkennt - eine Aufgabe, die für Radiologen praktisch unmöglich ist“, erklärt Alexander Wolf, Post-Doc in der Machine Learning Gruppe am Institute of Computational Biology (ICB) des Helmholtz Zentrums München.

Dafür entwickelten die Münchner einen Algorithmus, der die CT-Bilder der verschiedenen Schichten schnell und effizient auswerten kann. „Dieses sogenannte Machine Learning erreicht schon bei der Erkennung kleiner Knoten eine deutlich höhere Präzision als ein Radiologe“, so Wolf. Dazu käme der zeitliche Aspekt: „Ein Algorithmus läuft wenige Millisekunden, ein Radiologe hingegen benötigt im schlechtesten Fall mehrere Stunden für eine Analyse von 300 Schichten CT-Scans einer Lunge.“

Eine weitere Herausforderung für das Team war, die Software so zu steuern, dass sie gut- von bösartigen Knoten unterscheiden konnte. Das National Cancer Institute der USA hatte die Rohdaten bereitgestellt. Übergeordnetes Ziel des Wettbewerbs war, künftig die Zahl falsch-positiver Diagnosen zu senken und tatsächlich betroffene Patienten frühzeitiger in Behandlungsprogramme zu bringen. Zudem solle die schnelle Diagnostik den Radiologen mehr Zeit für den Patienten selbst einräumen, so die Veranstalter des Wettbewerbs.

Neben Alexander Wolf bestand das Team aus Niklas Köhler und Julian Jungwirth vom Münchner Deep-Learning Startup Hellsicht sowie Moritz Berthold (Masterstudent am ICB). Niklas Köhler ist ehemaliger Masterstudent und zukünftiger Doktorand des ICB.  

Der Data Science Bowl wurde 2014 gegründet, um Wissenschaftler zusammenzubringen und gemeinsam große Herausforderungen anzugehen. Jedes Jahr behandelt der Wettbewerb ein Problem, dessen Lösung dem Wohle der Gesellschaft dienen soll. Insgesamt waren dieses Jahr eine Million US-Dollar Preisgeld ausgeschrieben. Der siebte Platz bringt den Münchner Entwicklern 25 000 US-Dollar.

Weitere Informationen:  

Hier finden Sie die Webseite und das Abschlusstableau des Data Science Bowl 2017.

Das ICB befasst sich auch in anderen Zusammenhängen mit dem Thema Deep Learning: Kürzlich stellten die Wissenschaftler in ‚Nature Methods‘ einen Algorithmus vor, der die Entwicklung von Blutstammzellen vorausberechnen kann. Im Video „Deep Learning Predicts Stem Cell Development“ erklären sie, wie das funktioniert. 

Algorithmen des Deep Learning simulieren Lernprozesse, wie sie beim Menschen vorkommen (neuronale Netze) – in etwa so wie ein Kind lernt, Gesichter zu erkennen oder Tiere zu unterscheiden. Das Prinzip funktioniert besonders gut, wenn große Datenmengen (Big Data) zum Training verfügbar sind. Eine der Stärken von Deep Learning ist die Bilderkennung. Zwischen der Eingabe (also hier den CT Scans) und der Ausgabe (hier die Diagnose) sind hier mehr Entscheidungsebenen (layers) zwischengeschaltet als sonst bei neuronalen Netzen üblich, daher der Begriff der Tiefe.   

Das Helmholtz Zentrum München verfolgt als Deutsches Forschungszentrum für Gesundheit und Umwelt das Ziel, personalisierte Medizin für die Diagnose, Therapie und Prävention weit verbreiteter Volkskrankheiten wie Diabetes mellitus und Lungenerkrankungen zu entwickeln. Dafür untersucht es das Zusammenwirken von Genetik, Umweltfaktoren und Lebensstil. Der Hauptsitz des Zentrums liegt in Neuherberg im Norden Münchens. Das Helmholtz Zentrum München beschäftigt rund 2.300 Mitarbeiter und ist Mitglied der Helmholtz-Gemeinschaft, der 18 naturwissenschaftlich-technische und medizinisch-biologische Forschungszentren mit rund 37.000 Beschäftigten angehören.  

Das Institut für Computational Biology (ICB) führt datenbasierte Analysen biologischer Systeme durch. Durch die Entwicklung und Anwendung bioinformatischer Methoden werden Modelle zur Beschreibung molekularer Prozesse in biologischen Systemen erarbeitet. Ziel ist es, innovative Konzepte bereitzustellen, um das Verständnis und die Behandlung von Volkskrankheiten zu verbessern.

Wir verwenden Cookies um Ihnen den Besuch der Webseite so angenehm wie möglich zu machen. Wir benötigen Cookies um die Dienste ständig zu verbessern, bestimmte Features zu ermöglichen und wenn wir Dienste bzw. Inhalte Dritter einbetten, wie beispielsweise den Videoplayer. Durch die Nutzung unserer Webseite stimmen Sie der Nutzung von Cookies zu. Wir verwenden unterschiedliche Arten von Cookies. Hier haben Sie die Möglichkeit, Ihre Cookie-Einstellungen zu personalisieren:

Einstellung anzeigen.
In unserer Datenschutzerklärung finden Sie weitere Informationen.

Dort können Sie Ihre Cookie-Einstellungen jederzeit ändern.