Föderiertes Lernen verbessert die Leistung von Modellen zur Gehirntumor-Segmentierung

• Brain Imaging & Neuro-Epidemiology Gruppe (BraINE), DoCR
• Brain Imaging & Neuro-Epidemiology Gruppe (BraINE), DoPH
• Brain Imaging & Neuro-Epidemiology Gruppe (BraINE)

Föderiertes Lernen (Federated Learning, FL) etabliert sich zunehmend als vertrauenswürdige Methode zum gemeinsamen Trainieren von Modellen, ohne dass sensible Daten zentralisiert werden – ein entscheidender Aspekt bei medizinischen Daten.

Am LIH sind Dr. Olivier Keunen von der BraINE-Gruppe sowie seine Kolleg*innen Dr. Ann-Christin Hau und Prof. Simone Niclou seit Langem an der Initiative zur Föderierten Tumorsegmentierung (FeTS) beteiligt, die ursprünglich von Dr. Spyridon Bakas an der University of Pennsylvania ins Leben gerufen wurde. Die Studie, an der 71 Standorte auf 6 Kontinenten teilnahmen, zeigte die Machbarkeit und den Nutzen von FL beim Training von Modellen für seltene Gehirntumorerkrankungen. Die Ergebnisse wurden in Nature Communications veröffentlicht und haben seither große Aufmerksamkeit erhalten.

Wir freuen uns, einen weiteren Meilenstein des Konsortiums bekanntzugeben: die Veröffentlichung der Ergebnisse der FeTS-Challenge – erneut in Nature Communications. In der Challenge wurden föderierte Lernmethoden und Segmentierungsalgorithmen an 32 Standorten verglichen. Dabei kamen unter anderem Techniken wie adaptive Gewichtung und die Auswahl von Clients zur Effizienzsteigerung zum Einsatz. Die Studie zeigt, dass die durchschnittliche Generalisierungsleistung zwar gut war, jedoch bei der schlechtesten Leistung datenabhängige Schwächen deutlich wurden – was die Notwendigkeit einer standortübergreifenden Validierung im Bereich KI in der Medizin unterstreicht.

„Bei BraINE sind wir stolz darauf, an Initiativen mitzuwirken, die die Zukunft der medizinischen KI mitgestalten und zentrale Herausforderungen beim Datenzugang adressieren“, sagt Dr. Olivier Keunen, Leiter der BraINE-Gruppe.

\Kürzlich hat FeTS in Zusammenarbeit mit der Duke University, der Indiana University und der RANO-Gruppe einen weiteren wichtigen Fortschritt beim Training von Modellen zur Segmentierung von Gehirntumoren nach einer Therapie erzielt. Diese vielversprechenden Ergebnisse werden später in diesem Jahr auf der International Conference on Medical Image Computing and Computer Assisted Intervention (MICCAI) in Südkorea präsentiert.