Das Projekt NeuroFUSE will die neuroradiologische Notfalldiagnostik durch KI revolutionieren. Es kombiniert Bilddaten und klinische Informationen, um insbesondere bei Schlaganfällen Diagnosen schneller und präziser zu stellen. Ziel ist es, die Gesundheitsversorgung zu verbessern und die Belastung des medizinischen Personals zu verringern.
In der neuroradiologischen Notfallmedizin ist eine schnelle und präzise Diagnostik entscheidend, insbesondere bei akuten Zuständen wie Schlaganfällen. Herkömmliche KI-Systeme, die nur auf Bilddaten basieren, stoßen hier oft an ihre Grenzen. Das Projekt NeuroFUSE entwickelt fortschrittliche multimodale KI-Algorithmen, die sowohl radiologische Bilder als auch klinische Daten wie Patientengeschichte und Laborwerte integrieren.
rechts: NeuroFUSE: Von der Datenerfassung über die Entwicklung und das Training multimodaler Modelle bis hin zur Bereitstellung und Anwendung in der deepcOS-Plattform (Quelle: TUM, deepc GmbH, freepik.com, canva.com, radiopaedia.org)
Durch diese umfassende Datenanalyse soll die diagnostische Genauigkeit erhöht und die Zeit bis zur Diagnosestellung verkürzt werden. Dies ist besonders wichtig, da jede Minute zählt, um schwere Folgeschäden zu vermeiden. NeuroFUSE wird ein prototypisches Trainings- und Bereitstellungsframework entwickeln, das die KI-Modelle nahtlos in bestehende klinische Arbeitsabläufe integriert.
Das Projekt wird in enger Zusammenarbeit der deepc GmbH, der Technischen Universität München und dem Klinikum rechts der Isar durchgeführt. Diese interdisziplinäre Kooperation vereint Expertise in KI, medizinischer Bildgebung und klinischer Praxis, um die neuroradiologische Diagnostik zu verbessern.
NeuroFUSE hat das Potenzial, die Gesundheitsversorgung erheblich zu verbessern, indem es die diagnostische Effizienz steigert und gleichzeitig die Arbeitsbelastung des medizinischen Personals reduziert. Dies führt zu besseren Patientenergebnissen und einer optimierten Nutzung der medizinischen Ressourcen.
