Akute Notfälle, wie z. B. Schlaganfälle, erfordern eine schnelle Diagnostik, da Verzögerungen die Prognose verschlechtern. KI-Systeme können die Diagnose beschleunigen und verbessern, jedoch ist die Performance herkömmlicher unimodaler KI-Algorithmen in der Neuroradiologie unzureichend.
Das Projekt zielt daher auf die Entwicklung übertragbarer Methoden zur Erstellung und Nutzung multimodaler Datensets, die Entwicklung multimodaler KI-Modelle und die Anwendung von KI-Algorithmen in der Radiologie. Durch die automatisierte Datenerfassung sollen schnell umfassende Datensets erstellt und in standardisierter maschinenlesbarer Form bereitgestellt werden, was sowohl erst die Entwicklung der Modelle als auch deren Anwendung in der klinischen Praxis ermöglicht. Ein anpassbares multimodales ML-Modell soll erstellt und an den Fällen Schlaganfall und Hirnblutung validiert werden. Durch die gemeinsame Auswertung aller klinisch relevanten Daten zusammen mit den Bilddaten ist mit einer deutlichen Performance-Steigerung der multimodalen Modelle gegenüber bisherigen Verfahren zu rechnen.
