Forschende der Universität Tsukuba haben ein KI-Modell entwickelt, das die diffuse optische Tomographie um mehr als das Millionenfache beschleunigt und damit Echtzeitdiagnosen ermöglicht. Die Studie wurde im Fachjournal Biomedical Engineering Letters veröffentlicht. Die nichtinvasive Bildgebung nutzt Nahinfrarotlicht zur Erkennung von Gewebeanomalien wie Blutungen oder Tumoren, ohne ionisierende Strahlung einzusetzen. Der entscheidende Engpass bisher war die numerische Lösung der Strahlungstransportgleichung, die für präzise Ergebnisse aufwändige Simulationen über mehrere Stunden pro Durchlauf erfordert. Um diese Rechenintensität zu überwinden, ersetzten die Entwickler konventionelle Lösungsverfahren durch ein neuronales Netz, das als ultraschneller Emulator fungiert. Das Modell wurde mit umfangreichen Simulationsdaten trainiert und prognostiziert zeitaufgelöste Lichtsignale basierend auf Position und Ausmaß pathologischer Areale im Gewebe. Bei der Inferenz benötigt das System rund zwei Millisekunden pro Berechnung. Dies entspricht einer Leistungssteigerung von mehr als einer Million im Vergleich zu herkömmlichen Methoden. Das KI-Modul zeigt zudem eine robuste Generalisierungsfähigkeit: Selbst bei unbekannten Parameterkombinationen liefert es Ergebnisse, die technisch nur durch das Rauschniveau der Trainingsdaten begrenzt sind. Durch die Kombination mit statistischen Sampling-Verfahren gelingt es dem System nun, Lage und Größe von Gewebeveränderungen direkt aus den optischen Messsignalen mit hoher Präzision zu rekonstruieren. Diese Beschleunigung der Parameterexploration schafft die Voraussetzung für die Integration der diffusen optischen Tomographie in klinische Echtzeitanwendungen. Insbesondere die Überwachung von zerebralen Blutungen und die intraoperative Tumorchirurgie profitieren von der sofortigen Verfügbarkeit präziser Gewebedaten. Die Forschung positioniert den KI-basierten Emulator als vielversprechende Grundlagentechnologie für die schnelle, strahlungsfreie Diagnostik in der Biomedizin.