6. Konzept für die Testphase

Das folgende Kapitel zeigt, wie ein klinisch nutzbares KI‑Diagnosesystem durch die Entwicklung des MVP-Prototyps Gestalt annahm und welche zentralen Funktionen und Erkenntnisse hieraus gewonnen werden konnten.

Grafik Lupe über Zahnräder

Ergebnisse der Konzeptphase

Nach einem Konzeptzyklus und einer ersten Entwicklungsphase einschliesslich Tests war das MVP-Prototyp-System einsatzbereit. Der folgende Abschnitt fasst die Ergebnisse der Konzeptphase zusammen.

Das MVP-Konzept umfasste eine Reihe grundlegender, aber wesentlicher Funktionen zur Unterstützung des diagnostischen Arbeitsablaufs:

  • Sichere Benutzerauthentifizierung (mit Benutzername/Passwort und Zwei-Faktor-Anmeldung)zur Kontrolle des Zugriffs auf das System.
  • Ein Modul zur Verwaltung von Patientenuntersuchungen, mit dem das Personal neue Untersuchungsdatensätze erstellen, Patienteninformationen und Bilder anhängen, KI-Analysen durchführen und den Status jeder Untersuchung verfolgen kann.
  • Integration der KI-Analyse-Pipeline:
    Das System muss OCT- oder CFP-Bilder an das KI-Modell senden, die Inferenz ausführen und die Ergebnisse automatisch abrufen. Dies muss über eine einfache Benutzeroberfläche erfolgen, über die die Nutzerin oder der Nutzer Bilder und ein KI-Modell (z. B. DR-Erkennung) auswählt und auf «Untersuchung durchführen» klickt.
  • Ergebnisse und Berichterstellung:
    Nach der Analyse werden die Erkenntnisse der KI (z. B. Erkennung des DR-Schweregrads oder normaler vs. abnormaler Ergebnisse) gespeichert und angezeigt. Jeder Untersuchungseintrag im System zeigt eine Zusammenfassung des KI-Ergebnisses an (z. B. «Leichte nichtproliferative Retinopathie» oder «Normale Makulastruktur») und ermöglicht es der Nutzerin oder dem Nutzer, einen detaillierten Bericht zu öffnen.
  • Fehlerbehandlung:
    Wenn das KI-Modell fehlschlägt oder einen Fehler feststellt, versieht das System die Untersuchung mit dem Status «Fehler» (mit einem Hinweis wie «Modell läuft nicht» oder «Fehler bei der Analyse»), damit sie für die technische Überprüfung gekennzeichnet werden kann. 
  • Datenspeicherung und -export:
    Alle Bilder und Untersuchungsergebnisse werden im System gespeichert. Die grundlegende DICOM-Konformität wird beibehalten, sodass die Daten in Zukunft exportiert oder in andere Spitalsysteme integriert werden können. 

MVP-Software und Benutzeroberfläche

Ein wesentlicher Teil des MVP nach der Konzeptphase war die Erstellung einer grafischen Benutzeroberfläche (GUI), um das KI-Tool im klinischen Arbeitsablauf einsetzbar zu machen. Die Benutzeroberfläche
wurde als webbasierte Anwendung entwickelt, auf die über das Netzwerk des Spitals zugegriffen werden kann. Da es sich um einen Prototyp handelte, wurde sie bewusst einfach und sicher gehalten.

Prototypbewertung:

Zur Beurteilung der Leistung des MVP wurde eine erste Bewertungsmethode festgelegt. Dazu gehörte der Vergleich der Diagnoseergebnisse der KI mit einer medizinischen Zweitmeinung für jeden Fall, um Sensitivität und Spezifität zu berechnen und Kennzahlen wie falsch-positive/falsch-negative Ergebnisse zu verfolgen. Das Team ermittelte ausserdem die technische Belastbarkeit (z.B. durchschnittliche Verarbeitungszeit pro Fall, Systemverfügbarkeit), damit das MVP in einer klinischen Umgebung funktionieren kann. Ferner wurden Rückmeldungen (klinische Überprüfung) von den Augenärztinnen und -ärzten eingeholt, die das System verwenden: Sie gaben Feedback zur Zweckmässigkeit der KI-Berichte, zur praktischen Anwendbarkeit bei der täglichen Arbeit und zu erforderlichen Anpassungen am Arbeitsablauf oder an der Benutzeroberfläche. Diese Erkenntnisse dienen als Grundlage für weitere Optimierungen, einschliesslich zusätzlicher Validierungszyklen oder abschliessender regulatorischer Schritte vor der Einführung.

Gewonnene Erkenntnisse:

Die Prototyping-Phase lieferte wichtige Erkenntnisse. Es gab klare Kompromisse zwischen Lösungen von Drittanbietern und eigenen Modellen: Die Entwicklung einer eigenen Lösung bot zwar Flexibilität, bedeutete aber auch, die vollumfängliche Verantwortung für Performance und Support zu übernehmen. Am wichtigsten war möglicherweise, dass sich die Akzeptanz im medizinischen Bereich als entscheidender Faktor erwies: Denn selbst eine leistungsstarke KI bietet nur dann einen Mehrwert, wenn das klinische Team ihr vertraut und sie akzeptiert. Die kontinuierliche Einbindung der Endnutzerinnen und -nutzer (Ärzteschaft und Mitarbeitende des Spitals) während der Prototypentwicklung ist entscheidend, um das Vertrauen in die KI zu fördern und die Benutzerfreundlichkeit des Systems zu verbessern.

«Maschinelles Lernen in der Augenheilkunde ebnet den Weg für eine sichere, genaue und zugängliche Vorhersage von Augenerkrankungen.»

Dávid Isztl – Machine Learning Engineer, Augenklinik Stadtspital Zürich
Bildschirmaufnahmen von Benutzeroberflächen bei Augenuntersuchung
Abbildung 5: Tatsächlich eingesetzte MVP-Benutzeroberflächen – Erstellen einer neuen Untersuchung, Bildauswahl, Auswahl des KI-Modells und Modellvorhersage.

Kontakt

Amt für Wirtschaft – Standortförderung

Adresse

Walchestrasse 19
8090 Zürich
Route (Google)

Telefon

+41 43 259 49 92


Montag bis Freitag
8.00 bis 12.00 Uhr und
13.30 bis 17.00 Uhr

E-Mail

standort@vd.zh.ch