X-DeePedMYO

Die Diagnose einer Myokarditis bei Kindern ist komplex und bisher stark an Diagnosekriterien für Erwachsene orientiert. In diesem interdisziplinären Kooperationsprojekt erforschen wir, ob sich Myokarditis bei Kindern zuverlässig anhand von MRT-Bildern mittels Künstlicher Intelligenz (KI) diagnostizieren lässt. Ein besonderer Fokus liegt auf der Integration von kardialen Funktionsparametern sowie auf dem Einsatz erklärbarer KI (XAI), um die Entscheidungsprozesse der KI nachvollziehbar zu machen und neue Einsichten in diagnostisch relevante Merkmale zu gewinnen.

Forschungsfragen

F1: Lässt sich Myokarditis bei Kindern anhand des MRT mittels KI diagnostizieren?  

F2: Welchen Einfluss haben Funktionsparameter des Herzens auf die KI-gestützte Diagnose?

F3: Erhöht die gewählte XAI-Methode die Nachvollziehbarkeit der durch die KI gestellten Diagnose?

F4: Wie können die Einflüsse von Funktionsparametern für die Diagnose durch die KI erklärt werden?

Relevanz: Das Projekt leistet einen Beitrag zur Verbesserung der nicht-invasiven Diagnostik bei Kindern und unterstützt Ärzt*innen durch transparente KI-basierte Empfehlungen. Es stärkt das Vertrauen in KI-gestützte Medizin und fördert das Verständnis komplexer Zusammenhänge zwischen Funktionsparametern und Myokarditis.

Team: Das Projekt ist ein interdisziplinäres Vorhaben mit Expertisen aus Medizin, KI und Mensch-Technik-Interaktion zwischen dem HDZ und der UniBi:

· Dr. Tamino Huxohl (medizinische Bildverarbeitung, KI)

· Prof. Wrede (erklärbare KI, Interaktionstechnologien)

· Dr. Birte Richter (partizipative Entwicklung, Mensch-Technik-Interaktion)

· PD Dr. Laser (kinderkardiologische MRT-Diagnostik)

· Prof. Schubert (Leiter des MYKKE-Registers)