Aufbereitung von Bildgebungs- und Befundungsdaten für Isoliertes und Verteiltes Lernen von KI-Ansätzen

Die strukturierte Aufbereitung von Befundungsdaten in lesbare Formate und das Filtern von klinischen Daten unzureichender Qualität [1] ist essenziell für Verteilte Lernkonzepte, wo Algorithmen/Künstliche Neuronale Netze an verschiedenen Standorten iterativ trainiert und verbessert werden. In Anlehnung an "Federated Learning"-Konzepten [2] möchten wir Softwaremodule für die Datenverarbeitung schaffen, die es ermöglichen, nur Daten für das Lernverfahren zu nutzen, welche bestimmte Qualitätsvorgaben erfüllen. Diese Module werden den DZHK-Standorten zur Verfügung gestellt und sollen in Zukunft datenschutzkonforme großangelegte KI-Projekte ermöglichen, ohne dass Patientendaten die Kliniken verlassen müssen.