Ein Standard für künstliche Intelligenz in der Biomedizin

Neues Webregister AIMe soll Arbeiten mit KI-Methoden verbessern

Ein internationales Forschungsteam mit Beteiligten der FAU hat ein standardisiertes Register für die Arbeit mit künstlicher Intelligenz (KI) in der Biomedizin vorgeschlagen, um die Reproduzierbarkeit der Ergebnisse zu verbessern und Vertrauen in die Benutzung von KI-Algorithmen in der biomedizinischen Forschung und zukünftig auch im Klinikalltag zu schaffen. Ihren Vorschlag haben die Wissenschaftlerinnen und Wissenschaftler in der Fachzeitschrift „Nature Methods“ präsentiert.

In den letzten Jahrzehnten konnten aufgrund neuer Technologien verschiedenste Systeme entwickelt werden, die zum Beispiel in der Krebsforschung riesige Mengen von biomedizinischen Daten erzeugen können. Parallel dazu entwickelten sich völlig 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 Potenzial von KI-Systemen führt zu einer unüberschaubaren Anzahl von biomedizinischen KI-Anwendungen, die sich aber nicht immer an bewährte Verfahren halten oder über deren Funktionsweise, verwendete Algorithmen oder die Datenherkunft in wissenschaftlichen Publikationen nur unvollständige Angaben gemacht werden. Dadurch werden die Beurteilung und umfassende Vergleiche von KI-Modellen erschwert. Die Entscheidungen der KIs sind nicht immer nachvollziehbar und es entstehen Ergebnisse, die nicht vollständig reproduzierbar sind. Diese Situation ist natürlich gerade in der klinischen Forschung unhaltbar, da hier das Vertrauen in KI-Modelle und 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 Forschungsteam mit Beteiligung der FAU hat zur Lösung dieses Problems das von der Wissenschaftsgemeinschaft betriebene Register AIMe („registry for artificial intelligence in biomedical research”) vorgeschlagen, welches es Autorinnen und Autoren neuer biomedizinischer KI-Methoden ermöglicht, leicht zugängliche, durchsuchbare und zitierfähige Berichte zu erstellen, die von der wissenschaftlichen Gemeinschaft untersucht und geprüft werden können.

Das frei zugängliche Register ist unter https://aime-registry.org abrufbar und besteht aus einem anwenderfreundlichen Webdienst, der durch den AIMe-Standard führt und es Nutzerinnen und Nutzern von biomedizinischer KI ermöglicht, vollständige und standardisierte Berichte zu den verwendeten KI-Modellen zu erstellen, indem alle relevanten Informationen zu der KI-Anwendung abgefragt werden. 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 Autorinnen und Autoren in Artikeln für Fachzeitschriften auf die aufwendige Beschreibung aller Facetten der verwendeten KI verzichten und 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 aus der wissenschaftlichen Gemeinschaft wird auch in der jährlichen Aktualisierung des AIMe-Standards aufgenommen und interessierte Forschende können dem AIMe-Lenkungsausschuss beitreten, um sich stärker in die weitere Standardisierung der biomedizinischen KI einzubringen.

„AIMe ermöglicht nicht nur die einfache Registrierung von KI-Methoden in zitierfähiger Form, sondern enthält auch eine Datenbank, die die Suche nach relevanten, bereits existierenden KI-Systemen ermöglicht. Dies verhindert, dass Forscher einen bereits bestehenden Ansatz neu erfinden, und erleichtert es ihnen zu beurteilen, ob eine potenziell nützliche KI-Methode ausreichend gründlich evaluiert wurde“, berichtet Prof. Dr. David B. Blumenthal vom Biomedical Network Science Lab am Department Artificial Intelligence in Biomedical Engineering der FAU.

Weitere Informationen

Webseite: https://aime-registry.org

Prof. Dr. David B. Blumenthal
Biomedical Network Science Lab
Department Artificial Intelligence in Biomedical Engineering der FAU
david.b.blumenthal@fau.de