KI erkennt Covid-19 am Atmen

DeepChest und DeepBreath heissen zwei erstaunliche neue KI-Algorithmen, die Muster von COVID-19 in Lungenbildern und Atemgeräuschen identifizieren können. Die Algorithmen wurden an der ETH in Lausanne (EPFL) entwickelt und könnten nicht nur gegen das neue Coronavirus, sondern in Zukunft auch im Kampf gegen andere Atemwegserkrankungen und die wachsende Herausforderung der Antibiotikaresistenz hilfreich sein.

DeepChest und DeepBreath sollen in der Lunge nicht nur Coronavirus-
Erkrankungen erkennen.                                                              Bild Pixabay

Seit Beginn der COVID-19-Pandemie hat das Forschungsteam von Dr. Mary-Anne Hartley ununterbrochen mit nahe gelegenen Schweizer Universitätsspitälern an zwei grossen Projekten gearbeitet. Mit Hilfe künstlicher Intelligenz (KI) haben die Wissenschaftler neue Algorithmen entwickelt, die mit Daten aus Ultraschallbildern und Lungentönen das neuartige Coronavirus bei Patienten genau diagnostizieren und sogar vorhersagen können, wie krank sie das Virus wahrscheinlich machen wird. Das Forschungsteam hat seinen Sitz im Labor für maschinelles Lernen und Optimierung von Professor Martin Jaggi, einem weltweit führenden Zentrum von KI-Spezialisten an der EPFL. Professor Jaggi erklärt:

"Wir haben die neuen Deep-Learning-Algorithmen DeepChest - unter Verwendung von Lungenultraschallbildern - und DeepBreath - unter Verwendung von Atemgeräuschen aus einem digitalen Stethoskop - benannt. KI hilft uns dabei, komplexe Muster in diesen grundlegenden klinischen Untersuchungen besser zu verstehen. Bisher sind die Ergebnisse sehr vielversprechend."

An den Genfer Universitätskliniken hat Professor Dr. med. Alain Gervaix seit 2017 Atemgeräusche gesammelt, um ein intelligentes digitales Stethoskop, das "Pneumoskop", zu bauen. Ursprünglich als Projekt zur besseren Diagnose von Lungenentzündungen konzipiert, wurde durch das neuartige Coronavirus diese Arbeit neu fokusiert. Die Aufnahmen wurden zur Entwicklung des DeepBreath-Algorithmus an der EPFL verwendet. Dieser wird voraussichtlich Ende des Jahres veröffentlicht und soll die Diagnose von COVID-19 aus Atemgeräuschen ermöglichen. Erstaunlicherweise deuten die ersten Ergebnisse darauf hin, dass DeepBreath sogar in der Lage ist, asymptomatisches COVID zu erkennen, indem Veränderungen im Lungengewebe erkannt werden, bevor der Patient sie bemerkt. "Ein Pneumoskop mit dem DeepBreath-Algorithmus kann mit Anwendungen verglichen werden, die auf der Grundlage einer kurzen abgespielten Probe Musik identifizieren können", erklärt Professor Gervaix.

Das Universitätsspital Lausanne leitet den klinischen Teil des DeepChest-Projekts und hat dafür Tausende von Lungenultraschallbildern von Patienten mit Covid-19-kompatiblen Symptomen gesammelt, die in die Notaufnahme eingeliefert worden waren. 

Ein trojanisches Gadget in der Hosentasche

Nur keine Panik, die Daten können ja nicht zugeordnet werden... oder etwa doch? Es gibt immer mehr raffinierte Technologien, mit denen unsere Smartphones verfolgt – in Neudeutsch „getrackt“ – werden. Einige dieser Tracking-Methoden sind bekannt, andere wohl nicht. Eines ist aber sicher: Wer sich mit einem Smartphone durch die Welt bewegt, hat ein trojanisches  Gadget in der Hosentasche.

Wie es aussieht, wenn Fussgänger mittels Wifi zwei Wochen verfolgt werden, zeigt das untenstehende Video der ETH in Lausanne, wo das Tracking im Rahmen eines Forschungsprojekts durchgeführt und ausgewertet wurde. Insgesamt wurden mit 789 Wifi-Antennen zwei Millionen Aufenthaltsorte registriert. Das Ziel des Experiments: Die Bewegung von Menschen in öffentlichen Räumen zu analysieren, um verschiedenen Organisationen bessere Planungsmöglichkeiten zu geben.

Tatsächlich ist Wifi-Tracking nichts Neues: Wie wired.co.uk berichtet, gibt es bereits seit 2014 in Grossbritannien Einkaufszentren, die ihre Kunden auf diese Weise tracken um sie dann mit gezielter Werbung versorgen zu können. Wer sich also in der neuen digitalen Realität unsichtbar machen will, sollte zuallererst mal sein Smartphone ausschalten – oder ganz zuhause lassen.