Künstliche Intelligenz eröffnet neue Wege in der Wundmedizin

Forscher des Universitätsklinikums Regensburg (UKR) entwickeln ein KI-gestütztes Assistenzsystem, um Diagnostik und Therapie chronischer Wunden zu verbessern. Die Anwendung kommt am UKR und am Caritas-Krankenhaus St. Josef zum Einsatz.

Künstliche Intelligenz (KI) hält zunehmend Einzug in die moderne Medizin, auch in der Wundversorgung. in der Abteilung für Plastische, Hand- und Wiederherstellungschirurgie des Universitätsklinikums Regensburg sowie an der Klinik für Plastische, Ästhetische, Hand- und Wiederherstellungschirurgie des Caritas-Krankenhauses St. Josef wurde ein innovatives KI-gestütztes Assistenzsystem entwickelt, das die Diagnose und Behandlung chronischer Wunden unterstützt. Das Besondere: Die Anwendung macht ihre Entscheidungsfindung transparent.

Chronische Wunden stellen weltweit eine erhebliche medizinische und gesundheitspolitische Herausforderung dar. Millionen von Menschen leiden beispielsweise an venösen oder arteriellen Entzündungen oder diabetischem Fußsyndrom. Neben der erheblichen Einschränkung der Lebensqualität verursachen sie hohe Behandlungskosten und binden erhebliche Ressourcen. „Um für jede Patientin und jeden Patienten die optimale Therapie einzuleiten, ist eine möglichst präzise Wunddiagnostik entscheidend“, erklärt Professor Dr. Dr. Lukas Prantl, Direktor der beiden Kliniken. Gemeinsam mit Oberärztin Dr. Sally Kempa entwickelte sein Forschungsteam deshalb ein KI-System, das die Beurteilung komplexer Wunden deutlich unterstützen kann.

KI kann bei Klassifizierung der Wunde sowie bei der Diagnostik und Therapieempfehlung unterstützen

Für das Training des Systems wurden mehr als 1.000 Wundaufnahmen verwendet. Die künstliche Intelligenz lernte, unterschiedlichste Wundmerkmale zu erkennen, zu klassifizieren und daraus diagnostische sowie therapeutische Empfehlungen abzuleiten. Berücksichtigt werden unter anderem Wundtiefe, Wundursache, Ausmaß der Entzündung, Gewebequalität, abgestorbene Zellen sowie die exakte Ausdehnung der Wunde. Ein wesentlicher Vorteil der neuen Technologie liegt in ihrer Transparenz. „Wir verwenden ein Verfahren, das als Grad-CAM bezeichnet wird“, erläutert Professor Prantl. „Dabei werden die Bildbereiche farblich hervorgehoben, die für die Entscheidung der künstlichen Intelligenz ausschlaggebend waren. Dadurch können Ärztinnen und Ärzte jederzeit nachvollziehen, warum die KI zu einer bestimmten Diagnose oder Therapieempfehlung gelangt.“ Die Anwendung arbeitet somit nicht als undurchsichtige „Black Box“, sondern als erklärbares Assistenzsystem, das die Entscheidungsfindung unterstützt.

Dokumentation des Wund- und Heilungsverlaufs

Neben der Erstdiagnose ermöglicht das System auch eine Beurteilung des Wundverlaufs. Durch Folgeaufnahmen dokumentiert die KI den Heilungsverlauf, erkennt Veränderungen frühzeitig und unterstützt so die individuelle Anpassung der Therapie. Die wissenschaftlichen Ergebnisse der Regensburger Arbeitsgruppe wurden bereits in der Fachzeitschrift Diagnostics veröffentlicht. 
Das System kann perspektivisch auch bei der Beurteilung von Verbrennungs- oder anderen komplexen Weichteilverletzungen eingesetzt werden. „Unser übergeordnetes Ziel ist es, die Wundheilung zu verbessern, Komplikationen frühzeitig zu erkennen und dadurch im Idealfall Amputationen zu vermeiden“, betont Professor Prantl. Langfristig eröffnet die Technologie neue Perspektiven für die medizinische Versorgung, insbesondere in Regionen mit begrenztem Zugang zu spezialisierten Wundzentren. Im Rahmen telemedizinischer Konzepte könnte die KI Ärztinnen und Ärzte bei der Diagnostik unterstützen, gleichzeitig könnten klinische Ressourcen effizienter eingesetzt und Behandlungsabläufe optimiert werden.
Die Arbeiten von Dr. Kempa und Professor Prantl verdeutlichen einen grundlegenden Wandel in der Medizin: Künstliche Intelligenz entwickelt sich von einem reinen Analysewerkzeug zu einem transparenten, nachvollziehbaren Assistenzsystem, das die ärztliche Expertise ergänzt. Das Regensburger Forschungsteam sieht darin einen wichtigen Schritt auf dem Weg zu einer personalisierten, datenbasierten und patientenzentrierten Wundversorgung der Zukunft.