Projektbeschreibung

Das Projekt EndoKI verfolgt das Ziel, mithilfe künstlicher Intelligenz die Diagnostik und Therapie von Endometriose entscheidend zu verbessern. Ein interdisziplinäres Forscherinnenteam entwickelt dafür ein dreidimensionales Patientinnenmodell, das Bildgebung, Operationsdaten und Nachsorgeinformationen integriert. Im Fokus stehen eine frühere und standardisierte Diagnose sowie eine patientenschonendere Behandlung.

Die medizinische Notwendigkeit ist groß: Im Durchschnitt vergehen derzeit rund acht Jahre, bis eine Endometriose erkannt wird – eine Zeit, in der viele Betroffene unter erheblichen chronischen Schmerzen leiden. KI-gestützte Bildgebung soll künftig eine präzisere präoperative Planung ermöglichen und dadurch die Zahl invasiver Eingriffe verringern.

Ein zentrales Element des Projekts ist der Aufbau einer pseudonymisierten Datenbank, die MRT-Aufnahmen und histopathologische Befunde umfasst. Diese Daten bilden die Grundlage für KI-Trainingsmodelle und eröffnen zugleich neue Perspektiven für die weitere Forschung. Ergänzend wird eine ethnografische Teilstudie durchgeführt, die die Bedarfe und Sichtweisen von Patient:innen und Ärzt:innen systematisch erhebt.

Der Lehrstuhl FAPS entwickelt in diesem Rahmen ein standardisiertes Untersuchungsprotokoll für die Ultraschall-Elastografie. Ziel ist eine verbesserte Detektion von Endometrioseherden, unter anderem durch optimierte Sonden- und Patientinnenpositionierung sowie den Einsatz physischer Gewebemodelle. Die erhobenen Ultraschall- und Elastografie-Daten werden manuell annotiert und dienen anschließend dem Training KI-gestützter Modelle zur automatischen Registrierung, Segmentierung und Erkennung typischer Läsionsmuster. Darüber hinaus sollen KI-Methoden helfen, Inter-Observer-Variabilitäten zu verringern und so den diagnostischen Prozess zu standardisieren.