Machine Learning in Medical Imaging: So bleiben Computermodelle up-to-date

Wenn Modelle auf dem Gebiet des maschinellen Lernens in der Medizin einmal funktionieren, heißt das noch lange nicht, dass das so bleibt. Während sie die Diagnose unterstützen, verändern sich diagnostische Technologien - ihre Datenquellen - und die Modelle veralten. In einem aktuell im veröffentlichten Paper stellen Forscher der MedUni Wien mit Kollegen aus den USA eine neue Methode vor, mit deren Hilfe Modelle "mitlernen" können, während sich die Welt um sie verändert. Modelle im Bereich des maschinellen Lernens, die in der klinischen Routine eingesetzt werden, verarbeiten diagnostische Bilddaten, um bei der Diagnose und der Vorhersage individueller Krankheitsverläufe zu helfen. Sie stehen dabei dem Einfluss des ständigen Fortschritts bildgebender Technologien und diagnostischer Verfahren gegenüber. Was jetzt funktioniert, kann rasch out-of-date sein, während neue Scanner zum Repertoire hinzugefügt werden und sich die Bildcharakteristika unabhängig von Krankheitsbildern ändern. Die Genauigkeit und Robustheit der Algorithmen verschlechtert sich.