Skip to main content
European Commission logo
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Thermography AI - cornerstone in future preventive healthCARE

Article Category

Article available in the following languages:

Schnelle Krankheitsdiagnose mit KI und Wärmebildtechnik

Mit einem cleveren Verfahren, bei dem die Wärmebildtechnik und künstliche Intelligenz aus dem EU-finanzierten Projekt AI-CARE zum Einsatz kommen, könnte die Erkennung von schwer zu diagnostizierenden Erkrankungen vorangebracht werden, an denen Millionen Menschen leiden.

Bei der peripheren arteriellen Erkrankung (PAD) sind Gefäße verengt oder blockiert, die Blut vom Herzen in die Beine transportieren. Die Erkrankung ist weniger bekannt als andere Gefäßerkrankungen wie Herzkrankheiten oder Schlaganfälle, tritt jedoch sehr häufig auf – und wird nur unzureichend diagnostiziert. „Mehr als 230 Millionen Menschen auf der ganzen Welt leiden an PAD“, sagt der Projektkoordinator von AI-CARE, Georgi Kadrev, Mitgründer und Geschäftsführer von Kelvin Health in Bulgarien. „Jedes Jahr kommt es bei mehr als 22 Millionen Menschen zur schwersten Form der Erkrankung, einer Extremitätenischämie, bei der die Durchblutung stark eingeschränkt ist. Es kann zu Amputationen kommen und die Sterblichkeitsrate liegt bei 70 % innerhalb von fünf Jahren nach der Diagnose.“

Klinischer Bedarf an Innovationen

Zu den aktuellen Diagnosemethoden gehören Blutdruckmessungen an verschiedenen Punkten am Knöchel, die ungenau sein können. Besonders die Diagnose bei Menschen mit Diabetes ist aufgrund der Arterienverkalkung und mangelnder Empfindlichkeit der Beine schwierig. Invasivere Methoden wie eine Angiographie (Blutgefäßuntersuchungen mit Röntgen) werden nur in mutmaßlich schweren Fällen eingesetzt. Kadrev und sein Team haben einen eindeutigen Bedarf an einer einfachen, genauen und bezahlbaren Diagnose dieser stillen Krankheit erkannt. „Wir wollten ein System entwickelt, bei dem mit einer tragbaren Wärmebildkamera die Thermodynamik im Körper erfasst wird“, erklärt Kadrev. „Dabei wird eine Reihe an Bildern erzeugt, die dann mit Bilderkennungsalgorithmen mit künstlicher Intelligenz (KI) segmentiert und analysiert werden.“ Kadrev demonstriert die Technologie, indem er die Wärmebildkamera mit seinem Mobiltelefon verknüpft und Bilder von sich selbst aufnimmt. Anomalien im peripheren Gefäßsystem würden mit den Algorithmen des maschinellen Lernens erkannt werden. „Der Grundgedanke der Idee ist, dass die Körpertemperatur an einzelnen Stellen mit der Durchblutung zusammenhängt“, erklärt Kadrev. „Jegliche Abweichungen werden von den Algorithmen erkannt, um Probleme bei der arteriellen Blutversorgung zu bestimmen.“

Medizinische Innovationen auf den Markt bringen

Um die Technologie auf den Markt zu bringen, muss das „Tal des Todes“ überwunden werden, in dem erhebliche Investitionen notwendig sind, um eine vielversprechende Idee in ein marktfähiges Produkt zu verwandeln. „Wir müssen den Prototyp extern in einer klinischen Umgebung validieren“, so Kadrev. „Um zu diesem Schritt zu gelangen, sind viel Verwaltungsarbeit, Analysen zum geistigen Eigentum und die Achtung von Problemen wie Datenschutz in der Medizin notwendig. Wir müssen auch eine Strategie zur Planung des Marktzugangs aufstellen.“ Über das Projekt AI-CARE hat Kelvin Health die Unterstützung für diese kritische Phase erhalten. „Wir sind jetzt bereit für die tatsächliche klinische Validierung und haben begonnen, klinische Daten zu erheben“, ergänzt Kadrev. „All das sind Voraussetzungen für die Kommerzialisierung.“

Regelmäßiges Screening von Risikogruppen

Mit dem Projekt wurde auch das Interesse an Innovationen in Bulgarien gefördert. „Wir konnten mit wichtigen Meinungsparteien zusammenarbeiten“, berichtet Kadrev. „Wir wurden zur American Heart Association Scientific Session letzten November in Chicago und zur LINC-Konferenz in Leipzig, der führenden europäischen Konferenz zu Gefäßbehandlungen, eingeladen.“ Auch die Unterstützung durch Horizont für europäische Innovationsökosysteme ist wichtig für die Start-up-Kultur. Das gilt besonders, wenn das vorhandene Risikokapital aufgrund des Zeitaufwands und der Risiken insbesondere in der Medizin nicht auf Forschungslösungen ausgerichtet ist. „So konnten wir Bekanntheit erlangen“, kommentiert Kadrev. Das Ziel ist letztendlich, die Innovation in klinischen Umgebungen einzusetzen und das Verfahren als wirksame und kostengünstige Möglichkeit für Tests auf PAD zu etablieren. „Wir können uns vorstellen, dass Risikogruppen für PAD – starke Raucher, Menschen mit Diabetes – zweimal im Jahr getestet werden, um Ressourcen und Leben zu retten“, schließt Kadrev.

Schlüsselbegriffe

AI-CARE, KI, Wärmebildtechnik, Krankheit, Diagnose, PAD, Bulgarien

Entdecken Sie Artikel in demselben Anwendungsbereich