KI-Modell nutzt pathologische Prototypen zur besseren Retinopathie‑Diagnose

Ein neues KI‑Framework namens Hierarchical Anchor Prototype Modulation (HAPM) verspricht, die Klassifizierung von diabetischer Retinopathie (DR) deutlich zu verbessern. Durch die Kombination von visuellen Merkmalen mit fein abgestimmten pathologischen Beschreibungen werden die Grenzen zwischen benachbarten DR‑Graden klarer gezogen.

HAPM nutzt eine Bibliothek von „Anchor‑Prototypen“, die auf einer Variantspektrumsanalyse basieren und damit domäneninvariante pathologische Muster bewahren. Zusätzlich wird ein hierarchisches Prompt‑Gating eingesetzt, das gezielt semantische Hinweise aus Large Vision‑Language‑Modellen (LVLM) und Large Language‑Models (LLM) auswählt, um Verwechslungen zwischen ähnlichen Graden zu vermeiden.

Der Ansatz arbeitet in zwei Schritten: Zunächst wird ein Pathological Semantic Injector (PSI) eingesetzt, um klinisches Wissen in die visuellen Prototypen einzubetten. Anschließend verstärkt ein Discriminative Prototype Enhancer (DPE) die Unterscheidbarkeit der Prototypen. In umfangreichen Tests auf acht öffentlichen Datensätzen übertraf das System die bisherigen Spitzenmethoden.

Der Quellcode ist öffentlich zugänglich, sodass Forscher und Kliniker die Technologie weiterentwickeln und in ihre Praxis integrieren können.