Ein neues KI-System vom MIT könnte die klinische Forschung erheblich beschleunigen, indem es die zeitaufwändige Segmentierung medizinischer Bilder vereinfacht. Bei der Segmentierung markieren Forscher Bereiche von Interesse in Bildern wie MRTs oder Röntgenaufnahmen – beispielsweise das Hippocampus-Gebiet im Gehirn, um Veränderungen im Alter zu analysieren. Bisher erfordert dieser Prozess oft manuelle Arbeit, die Stunden dauern kann, besonders bei komplexen Strukturen. Das neue System, namens MultiverSeg, ermöglicht es Nutzern, durch einfache Interaktionen wie Klicken, Skizzieren oder Boxen auf Bildern Bereiche zu markieren. Die KI nutzt diese Eingaben, um eine Segmentierung vorherzusagen – und verbessert sich dabei kontinuierlich. Mit jedem hinzugefügten Bild reduziert sich die Anzahl der benötigten Benutzerinteraktionen, bis sie schließlich auf null sinkt. Das Modell berücksichtigt dabei bereits segmentierte Bilder aus einer „Kontextmenge“, die es bei der Vorhersage neuer Bilder nutzt. Im Gegensatz zu herkömmlichen Ansätzen benötigt MultiverSeg keine vorgefertigte Trainingsdatenmenge und erfordert keine maschinelle Lernkenntnisse oder leistungsstarke Rechenressourcen. Es kann direkt für neue Aufgaben eingesetzt werden, ohne neu trainiert zu werden. Die Forscher zeigten, dass MultiverSeg gegenüber bestehenden Tools bei weniger Benutzerinteraktionen bessere Ergebnisse liefert: Bereits bei der neunten Bildanalyse reichten zwei Klicks aus, um eine Genauigkeit zu erreichen, die spezialisierten Modellen überlegen ist. Bei Röntgenbildern genügen oft nur ein bis zwei manuelle Segmentierungen, bevor die KI selbstständig arbeitet. Außerdem können Fehler korrigiert werden, was den Prozess effizienter macht. Verglichen mit einem vorherigen System erreichte MultiverSeg 90 Prozent Genauigkeit mit deutlich weniger Scribbles und Klicks. Die Forscher, darunter Hallee Wong, Jose Javier Gonzalez Ortiz, John Guttag und Adrian Dalca, präsentierten ihre Arbeit auf der International Conference on Computer Vision. Ziel ist nun die Anwendung in realen klinischen Umgebungen, die Verbesserung für 3D-Bilder und die Integration in die tägliche medizinische Praxis, etwa bei der Strahlentherapieplanung. Die Entwicklung wurde durch Quanta Computer, die National Institutes of Health und das Massachusetts Life Sciences Center unterstützt. Die Forschung wird von Experten als bedeutender Schritt zur Democratization von KI in der Medizin gesehen. „MultiverSeg könnte die Forschung revolutionieren, indem es wissenschaftlichen Teams ohne Daten- oder KI-Expertise Zugang zu hochwertiger Bildanalyse ermöglicht“, sagt ein unabhängiger Experte für medizinische KI. Unternehmen wie Medtronic und Siemens Healthineers zeigen bereits Interesse, die Technologie in klinischen Workflows zu integrieren. Die Fähigkeit, ohne vorherige Daten oder Rechenleistung zu arbeiten, macht das System besonders attraktiv für kleinere Forschungseinrichtungen. Zudem könnte die Reduktion von Forschungskosten und -zeiten die Entwicklung neuer Therapien beschleunigen. MultiverSeg ist Teil eines Trends hin zu interaktiven, kontextbasierten KI-Systemen, die menschliche Intuition mit maschinellem Lernen verbinden – ein Paradigma, das in der Medizin zunehmend an Bedeutung gewinnt.