Quantencomputing in der Praxis – QKI zur assistierten COVID-19 Befundung und Entscheidungsunterstützung

Quantencomputing in der Praxis – QKI zur assistierten COVID-19 Befundung
und Entscheidungsunterstützung

(15.12.2021/München) Bei dem heutigen Netzwerktreffen mit dem Themengebiet „Quantencomputing in der Praxis: branchenspezifische Use Cases“ waren Dr. Sigrid Auweter von der Smart Reporting GmbH und Leo Sünkel aus dem QAR-Lab bei Bayern Innovativ zu Gast. Der Einsatz von KI und Quantencomputing eröffnet neue Möglichkeiten in den unterschiedlichsten Anwendungsgebieten – so auch im medizinischen Bereich. Die Smart Reporting GmbH hat es sich zum Ziel gesetzt, radiologische Diagnoseverfahrungen und deren Berichterstattung zu optimieren. Hierfür arbeiten im Rahmen des Projekts PlanQK die Smart Reporting GmbH, gemeinsam mit dem Fraunhofer Institut und dem QAR-Lab der LMU München an dem Use Case „QKI-gestützte Diagnose von COVID-19 in Radiologieaufnahmen“. Die Grundidee ist der Einsatz von Quantencomputing zur Analyse von radiologischen Befunddaten und Aufnahmen der Lunge sowie der umliegenden Organe in Bezug auf die Diagnose von Covid-19.  

Ziel dieses Anwendungsfalls ist die automatische Klassifizierung der Lungen-CT-Bilder in drei Kategorien: Gesund, COVID 19-Pneumonie sowie sonstiger Befund. Zusätzlich wird der Schweregrad bei COVID 19-Pneumonie bestimmt, d.h. wie stark die Lunge von COVID19 angegriffen wurde. Daraus soll im Anschluss die beste Behandlungsmöglichkeit für den Patienten abgeleitet werden. Mit Hilfe von Quantum Machine Learning soll das gesamte Verfahren optimiert werden.

„Zunächst einmal ist das Ziel, verschiedene Lösungsansätze zu recherchieren und zu identifizieren – vor allem in Bezug auf Quantencomputer der nächsten Jahre bzw. der NISQ-Ära.“

Zitat Leo Sünkel/QAR-Lab

Aktuell existieren bereits mehrere Prototypen, mit denen das Projekt umgesetzt werden kann. Ein Lösungsansatz liegt im hybriden klassischen “quantum transfer learning” mit abschließender Lokalisierung der Bildbereiche, die am ehesten auf eine Pathologie hinweisen. Dieser wird auf dem Quantengate Modell durchgeführt. Ein anderer Lösungsansatz läuft über den Ansatz der Quantum-Boltzmann-Machine, der über Quantenannealer berechnet wird.

Eines der derzeitigen Herausforderung besteht darin, dass aktuelle Quantencomputer mit der geringen Anzahl an Qubits noch nicht geeignet sind, um ganze CT-Scans alleine zu verarbeiten. Daher wird aktuell der hybride Ansatz forciert, in dem klassische Computer mit Quantencomputer gemeinsam Berechnungen durchführen und mit verschiedenen Architektur-Ansätzen experimentiert. Dabei ist das langfristige Ziel, den Quantenanteil zu maximieren und dadurch bessere Ergebnisse zu erzielen.

Im weiteren Projektverlauf sollen die verschiedenen Architekturen evaluiert und bewertet werden. Welche Schwächen haben die verwendeten Quantenmodelle und wie gut sind die erbrachten Ergebnisse. Auf dieser Grundlage können die Modelle verfeinert und erweitert werden. Zusätzlich fließen kontinuierlich aktuelle medizinische Erkenntnisse aus der Forschung der COVID19 Pandemie in das Projekt mit ein.

Wenn es mit dem Use Case „QKI-gestützte Diagnose von COVID-19 in Radiologieaufnahmen“ gelingt, aussagekräftige Diagnosen zu erhalten, können QKI-Verfahren langfristig auch bei anderen Krankheitsbildern angewendet werden und dem Gesundheitssektor eine große Unterstützung sein.