Stell dir vor, ein Roboter hilft Ärzten, Darmkrebs frühzeitig zu erkennen. Doch manchmal irrt er sich. Wie können Forschende das ändern?
Hast du schon mal von Darmspiegelungen gehört? Das ist eine Untersuchung, bei der Ärzte in den Darm schauen, um kleine Wucherungen, sogenannte Polypen, zu finden. Diese können gefährlich werden, wenn sie nicht frühzeitig entdeckt werden. Manchmal übersehen Ärzte diese Polypen, was schlimme Folgen haben kann.
Was die Forschenden herausgefunden haben
Forschende haben eine neue Methode entwickelt, um Computerprogramme, sogenannte Deep Learning-Modelle, besser zu trainieren. Diese Modelle sollen Ärzten helfen, Polypen zu erkennen. Sie haben herausgefunden, dass es hilft, wenn sie dem Modell absichtlich Fehler zeigen. Dazu haben sie künstliche Lichtspiegelungen in die Bilder eingefügt, die das Modell dann lernen muss, zu ignorieren. So wird das Modell besser darin, echte Polypen von harmlosen Lichtspiegelungen zu unterscheiden.
Wie haben sie das gemacht?
Die Forschenden haben eine Art Lichtbank erstellt, die künstliche Lichter erzeugt. Diese Lichter haben sie dann gezielt in die Trainingsbilder eingefügt, aber nur an Stellen, wo sie keine Polypen verbergen. Dazu haben sie ein Verfahren namens „Sliding Window“ verwendet. Das bedeutet, sie haben die Bilder in kleine Abschnitte unterteilt und die künstlichen Lichter in die passenden Abschnitte eingefügt. So haben sie viele neue Trainingsbilder erstellt, die das Modell lernen kann.
Warum ist das wichtig?
Diese Methode ist wichtig, weil sie die Genauigkeit der Polypenerkennung verbessert. Wenn das Modell besser zwischen echten Polypen und harmlosen Lichtspiegelungen unterscheiden kann, helfen die Ärzte den Patienten besser. Das bedeutet, dass Darmkrebs früher entdeckt und behandelt werden kann, was viele Leben retten kann.
Du willst mehr über die Studie wissen?
Die Forschenden, die diese Methode entwickelt haben, heißen Jose Angel Nuñez, Fabian Vazquez, Diego Adame, Xiaoyan Fu, Pengfei Gu und Bin Fu. Ihre Arbeit wurde im Jahr 2025 veröffentlicht.