Neues Tool: PASS ermöglicht interpretable, adaptive Röntgenanalyse

Ein neues Forschungsprojekt namens PASS (Probabilistic Agentic Supernet Sampling) hat die Art und Weise, wie Computer medizinische Röntgenaufnahmen analysieren, revolutioniert. Das System kombiniert mehrere Werkzeuge zu einem flexiblen Netzwerk, das bei jeder Analyseentscheidung die am besten geeignete Methode auswählt und dabei die Wahrscheinlichkeit der jeweiligen Entscheidung offenlegt. Dadurch wird die Nachvollziehbarkeit erhöht und das Vertrauen in die Ergebnisse gestärkt.

PASS arbeitet mit einem sogenannten Agentic Supernet, das aus vielen möglichen Analysepfaden besteht. Durch ein lernbasiertes Verfahren wählt das System für jede Schicht des Netzwerks das passendste Werkzeug aus. Die resultierenden Entscheidungswege sind mit Wahrscheinlichkeiten versehen, die später für Audits und Qualitätskontrollen genutzt werden können. Gleichzeitig speichert das System wichtige Befunde in einer persönlichen Erinnerung, die sich im Laufe der Zeit weiterentwickelt.

Ein weiteres Highlight von PASS ist die Möglichkeit, den Analyseprozess dynamisch zu verkürzen. Das System entscheidet, ob es den Pfad weiter vertiefen oder frühzeitig beenden soll, um Rechenressourcen zu sparen. Um die Balance zwischen Genauigkeit und Effizienz zu optimieren, wurde ein dreistufiges Trainingsverfahren entwickelt, das Expertenwissen, kontrastive Pfadbewertung und kostenbewusste Verstärkungslernen kombiniert.

Zur Bewertung des neuen Ansatzes wurde die CAB-E-Benchmarkreihe eingeführt, die komplexe, mehrstufige und sicherheitskritische Röntgenanalysen abdeckt. Erste Tests zeigen, dass PASS sowohl die Leistung als auch die Effizienz gegenüber bestehenden Methoden deutlich verbessert. Das Ergebnis ist ein vielversprechender Schritt in Richtung sicherer, transparenter und ressourcenschonender KI-gestützter Diagnostik im Gesundheitswesen.