Über EMPAIA

Historie

Das Bundesministerium für Wirtschaft und Energie (BMWi) rief Anfang 2019 den Wettbewerb „Künstliche Intelligenz als Treiber für volkswirtschaftlich relevante Ökosysteme“ (KI-Innovationswettbewerb) aus - ein konkreter Schritt zur Umsetzung der Strategie Künstliche Intelligenz der Bundesregierung. Von 130 Einreichungen aus allen Bereichen der Wirtschaft wurden 35 Projekte zur Förderung in einer 6-monatigen Wettbewerbsphase ausgewählt. Unter den erfolgreichen Projekten war auch EMPAIA, eingereicht von einem Konsortium aus Charité, Fraunhofer MEVIS und der MindPeak GmbH. In der Wettbewerbsphase von April bis Oktober 2019 wurde das EMPAIA-Konzept weiterentwickelt, es fand umfangreiche Öffentlichkeitsarbeit statt und es wurde ein Kongressauftritt veranstaltet. Hierbei konnten viele neue Partner bei klinischen-diagnostischen Einrichtungen, Verbänden und Industrie gewonnen werden. Zusammen mit klinischen Partnern wurde das Konzept der Referenzzentren etabliert, in denen innovative KI-Produkte getestet werden sollen. Auch wurden zahlreiche Gespräche mit zukünftigen Industriepartnern geführt, die erhebliche eigene Mittel in das Projekt einbringen werden. Diese Arbeiten waren die Basis für den Antrag auf Förderung in der Umsetzungsphase, der im Sept. 2019 eingereicht wurde. EMPAIA ging zusammen mit 15 weiteren großen Verbundprojekten als Gewinner aus der Wettbewerbsphase hervor und erhält nun für die Umsetzungsphase eine Förderung von ca. € 11 M über drei Jahre. Zusätzlich konnte EMPAIA mehr als € 6,2 M an eigenen geldwerten Mitteln von Industriepartnern einwerben. Der Projektstart von EMPAIA war der 1. Januar 2020. Für die Umsetzungsphase wurde das Konsortium neu aufgestellt. Beteiligte Partner sind nun: Charité (Institut für Pathologie), das Fraunhofer Institut für Digitale Medizin MEVIS, die TU Berlin (DAI-Labor), vitasystems sowie die QuIP (Qualitätssicherungs-Initiative Pathologie GmbH).

...Pathologen

Methoden der künstlichen Intelligenz (KI, englisch: artificial intelligence, AI) werden in den kommenden Jahren alle Bereiche der bildgebenden medizinischen Diagnostik revolutionieren. Dies gilt insbesondere für die Pathologie, die sich aktuell mit mehreren großen Herausforderungen konfrontiert sieht. Zum einen besteht ein wachsender Fachkräftemangel, der in einigen Ländern bereits krisenhafte Ausmaße angenommen hat. Auch nimmt die Komplexität der Diagnostik immer weiter zu, um den Erfordernissen der zielgerichteten Therapie und der Immun-Onkologie gerecht zu werden. Neben der klassischen Befundung mikroskopischer Bilder stützt sich die Diagnostik zunehmend auch auf komplexe molekulare Informationen, z.B. aus der Genomik, Epigenomik, Transkriptomik und Proteomik, die integriert werden müssen. Zusätzlich erhöht die Ausweitung von Tumor-Screening-Programmen die Fallzahlen.

 

Schlüssel AI. AI-basierte Bildanalyseverfahren sind der Schlüssel zur Bewältigung dieser Herausforderungen. Sie können Gewebemerkmale schnell analysieren, Strukturen quantifizieren und daraus diagnostische Parameter berechnen. Neuere AI-Algorithmen können zunehmend auch hochkomplexe Muster erkennen, was die Korrelation mit molekularen Daten und die Auswahl zielgerichteter Therapien verbessert. Die AI-unterstützte Auswertung steigert die Produktivität und verbessert die Reproduzier- und Quantifizierbarkeit diagnostischer Ergebnisse.

Hindernisse für die Nutzung von AI. Die Umsetzung des großen Potenzials von AI wird aktuell allerdings entscheidend behindert durch:

 

·         Technische Insellösungen, die inkompatibel und proprietär sind und die Nutzung vorhandener Technik oder deren Kombination erschweren.

·         Fehlen einer allgemein zugänglichen Infrastruktur, um validierte AI-Lösungen für Mediziner effektiv zur Verfügung zu stellen, daher erschwerte Kommerzialisierung.

·         Fehlende Infrastruktur für das Erstellen und Teilen von Datensätzen unter standardisierten Bedingungen.

·         Fehlende Standards für die Validierung von AI-Lösungen, deren Einbindung in Informationssysteme oder Anwendungen.

·         Fehlende Abrechnungsmöglichkeiten und Lizenzmodelle, keine sonstige Kompensation des Einsatzes von KI-Lösungen.

·         Unklarer rechtlicher Rahmen für die Anwendung KI-basierter und selbstlernender Verfahren.

 

Das zentrale Ziel von EMPAIA ist es, ein Ökosystem für die KI-gestützte Diagnostik in der Pathologie zu schaffen und o.g. Herausforderungen zu begegnen. Dieses Ökosystem steht allen Stakeholdern im Markt offen und öffnet den komplizierten Markt mit einem KI-Marktplatz, einer Datenbörse, sowie 12 Referenzzentren im In- und Ausland. Durch die Schaffung eines offenen Marktplatzes unter klaren rechtlichen Bedingungen wird es Pathologen ermöglicht, validierte und zugelassene KI-Lösungen routinemäßig einzusetzen.

 

Das EMPAIA-Projekt entwickelt eine AI-Plattform und etabliert damit ein Ökosystem für AI-Anwendungen in der bildbasierten Diagnostik, zunächst Pathologie, mit folgenden Schlüsselmerkmalen:

 

·         Leichter Zugang für klinische Anwender zu zertifizierten und validierten AI-Lösungen

·         Datenschutz und Datensicherheit sind gewährleistet

·         Abrechenbarkeit über unterschiedliche Geschäftsmodelle

 

Die Plattform soll für alle Aufgaben die notwendige Infrastruktur bieten. Offene Standards und Schnittstellen ermöglichen den einfachen Austausch von Daten und AI-Ergebnissen. Die Spielregeln auf der Plattform werden durch den gesetzlichen Rahmen für Datenschutz und Zulassung von Medizinprodukten, sowie internationale Standards definiert.

...Wissenschaftler
Überschrift 5

Methoden der künstlichen Intelligenz (KI, englisch: artificial intelligence, AI) werden in den kommenden Jahren alle Bereiche der bildbasierten medizinischen Diagnostik revolutionieren. Dies gilt insbesondere für die mikroskopische Analyse von Gewebe. Es gibt allerdings mehrere große Herausforderungen. Zum einen besteht ein wachsender Fachkräftemangel, nicht nur in der Pathologie sondern auch in verwandten Feldern wie der Toxikologie und der Forensik. Auch nimmt die Komplexität der mikroskopischen Analyse stark zu, da eine zunehmende Anzahl von Markern quantifiziert werden kann und neue Analysemethoden Anwendung finden. Neben der klassischen Auswertung mikroskopischer Bilder stützt sich die Diagnostik zunehmend auch auf die Integration komplexer molekularer Informationen, z.B. aus den Omics-Disziplinen. 

 

Schlüssel AI. AI-basierte Bildanalyseverfahren sind der Schlüssel zur Bewältigung dieser Herausforderungen. Sie können Gewebemerkmale schnell analysieren, Strukturen quantifizieren und daraus diagnostische Parameter berechnen. Neuere AI-Algorithmen können zunehmend auch hochkomplexe Muster erkennen, die mit molekularen Informationen korreliert werden können. Die AI-unterstützte Auswertung steigert die Produktivität und verbessert die Reproduzier- und Quantifizierbarkeit diagnostischer Ergebnisse.

 

Hindernisse für die Nutzung von AI. Die Umsetzung des großen Potenzials von AI wird aktuell allerdings entscheidend behindert durch:

 

  • Technische Insellösungen, die inkompatibel und proprietär sind und die Nutzung vorhandener Technik oder deren Kombination erschweren.

  • Fehlen einer allgemein zugänglichen Infrastruktur, um validierte AI-Lösungen für Wissenschaftler effektiv zur Verfügung zu stellen, daher erschwerte Kommerzialisierung.

  • Fehlende Infrastruktur für das Erstellen und Teilen von Datensätzen unter standardisierten Bedingungen.

  • Fehlende Standards für die Validierung von AI-Lösungen, deren Einbindung in Informationssysteme oder Anwendungen.

  • Fehlende Abrechnungsmöglichkeiten und Lizenzmodelle, keine sonstige Kompensation des Einsatzes von KI-Lösungen.

  • Unklarer rechtlicher Rahmen für die Anwendung KI-basierter und selbstlernender Verfahren.

 

Das zentrale Ziel von EMPAIA ist es, ein Ökosystem für die KI-gestützte Diagnostik in der Pathologie zu schaffen und o.g. Herausforderungen zu begegnen. Dieses Ökosystem steht allen Stakeholdern im Markt offen und öffnet den komplizierten Markt mit einem KI-Marktplatz, einer Datenbörse, sowie 12 Referenzzentren im In- und Ausland. Durch die Schaffung eines offenen Marktplatzes unter klaren rechtlichen Bedingungen wird es Pathologen ermöglicht, validierte und zugelassene KI-Lösungen routinemäßig einzusetzen.

 

Das EMPAIA-Projekt entwickelt eine AI-Plattform und etabliert damit ein Ökosystem für AI-Anwendungen in der bildbasierten Diagnostik, zunächst Pathologie, mit folgenden Schlüsselmerkmalen:

 

  • Leichter Zugang zu zertifizierten und validierten AI-Lösungen

  • Direkter Vergleich von AI-Lösungen am gleichen Bild möglich

  • Effiziente Erstellung, Nutzung, Verwertung von Datensätzen

 

Die Plattform soll für alle Aufgaben die notwendige Infrastruktur bieten. Offene Standards und Schnittstellen ermöglichen den einfachen Austausch von Daten und AI-Ergebnissen. Die Spielregeln auf der Plattform werden durch den gesetzlichen Rahmen für Datenschutz und Zulassung von Medizinprodukten, sowie internationale Standards definiert.

...für Wissenschaftler

...die Industrie
Überschrift 5

Methoden der künstlichen Intelligenz (KI, englisch: artificial intelligence, AI) werden in den kommenden Jahren alle Bereiche der bildbasierten medizinischen Diagnostik revolutionieren. Dies gilt insbesondere für die Pathologie, die sich aktuell mit mehreren großen Herausforderungen konfrontiert sieht, nämlich Fachkräftemangel, steigende Komplexität der Diagnostik, sowie die Integration von Omics-Daten in die Routine.

 

Schlüssel AI.  AI-basierte Bildanalyseverfahren sind der Schlüssel zur Bewältigung der Herausforderungen. Sie können Gewebemerkmale schnell analysieren, Strukturen quantifizieren und daraus diagnostische Parameter berechnen. Neuere AI-Algorithmen können zunehmend auch hochkomplexe Muster erkennen.  Die AI-unterstützte Auswertung steigert die Produktivität und verbessert die Reproduzier- und Quantifizierbarkeit diagnostischer Ergebnisse. Neue Hochdurchsatz-Technologien sind möglich.  

 

Hindernisse für die Nutzung von AI. Die Umsetzung des großen Potenzials von AI wird aktuell allerdings entscheidend behindert durch:

 

  • Technische Insellösungen, die inkompatibel und proprietär sind und die Nutzung vorhandener Technik oder deren Kombination erschweren.

  • Fehlen einer allgemein zugänglichen Infrastruktur, um validierte AI-Lösungen für Entwickler effektiv zur Verfügung zu stellen, daher erschwerte Kommerzialisierung.

  • Fehlende Infrastruktur für das Erstellen und Teilen von Datensätzen unter standardisierten Bedingungen.

  • Fehlende Standards für die Validierung von AI-Lösungen, deren Einbindung in Informationssysteme oder Anwendungen.

  • Fehlende Abrechnungsmöglichkeiten und Lizenzmodelle, keine sonstige Kompensation des Einsatzes von KI-Lösungen.

  • Unklarer rechtlicher Rahmen für die Anwendung KI-basierter und selbstlernender Verfahren.

 

Das zentrale Ziel von EMPAIA ist es, ein Ökosystem für die KI-gestützte, bildbasierte Diagnostik in der Pathologie zu etablieren und o.g. Hindernisse aus dem Weg zu räumen. Dieses Ökosystem steht allen Stakeholdern im Markt offen und öffnet den komplizierten Markt mit einem KI-Marktplatz, einer Datenbörse, sowie 12 Referenzzentren im In- und Ausland. Durch die Schaffung eines standardisierten Marktplatzes unter klaren rechtlichen Bedingungen wird es Entwicklern und Unternehmen ermöglicht, validierte und zugelassene KI-Lösungen routinemäßig einzusetzen. Als offenes, nicht-proprietäres Ökosystem bietet EMPAIA auch kleinen und mittelständischen Unternehmen sowie Start-Ups den Zugang zu globalen Märkten.

 

Das EMPAIA-Projekt entwickelt eine AI-Plattform und etabliert damit ein Ökosystem für AI-Anwendungen in der bildbasierten Diagnostik, zunächst Pathologie, mit folgenden Schlüsselmerkmalen:

 

Effiziente Erstellung, Nutzung, Verwertung von Datensätzen

  • Offene und standardisierte Schnittstellen (DICOM, HL7, FHIR)

  • Breiter Weg in den Markt statt proprietärer Insellösungen

  • Datenschutz und Datensicherheit sind gewährleistet

 

Die Plattform soll für alle Aufgaben die notwendige Infrastruktur bieten. Durch offene Standards und die Teilnahmemöglichkeit sehr verschiedener Teilnehmer wird von vornherein sichergestellt, daß die Plattform nicht von einem einzelnen Marktteilnehmer dominiert werden kann. Offene Schnittstellen ermöglichen den einfachen Austausch von Daten und AI-Ergebnissen sowie die Anbindung von Krankenhaus- und Laborinformationssystemen. Die Spielregeln auf der Plattform werden durch den gesetzlichen Rahmen für Datenschutz und Zulassung von Medizinprodukten, sowie internationale Standards definiert.

LINKS
ABOUT

Charité - Universitätsmedizin Berlin

Institut für Pathologie

Digitale Pathologie

Charitéplatz 1

10117 Berlin

Gefördert durch: