RADICAL zielt darauf ab, eine dringende Herausforderung in der klinischen Radiologie anzugehen: die überwältigende Komplexität und Fragmentierung der medizinischen Daten. Radiologen sehen sich oft mit einer Flut von unstrukturierten und unzusammenhängenden Informationen konfrontiert - von klinischen Notizen und Labor-Ergebnissen bis hin zu Bildgebungs- und Medikationsplänen, die eine genaue und rechtzeitige Diagnose erschweren.

Um dieses Problem zu lösen, entwickelt RADICAL eine neuartige KI-basierte Assistenzplattform, die multimodale klinische Daten mit Hilfe natürlichsprachlicher Abfragen interpretieren und integrieren kann. Dieses intelligente System wird es Radiologen und Klinikern ermöglichen, verschiedene Datenquellen effizienter zu durchsuchen, zu interpretieren und zu nutzen, um sicherzustellen, dass kritische Befunde nicht übersehen werden und die Patientenversorgung zu verbessern.

KI, die mitdenkt und handelt

Die Lösung baut auf dem Konzept der agentenbasierten KI-Systeme auf, d. h. MLM-gestützte Tools, die selbstständig planen, handeln und sich anpassen. Diese Systeme zerlegen komplexe Abfragen, rufen relevante Informationen aus Bildern, Texten und strukturierten Daten ab und geben überprüfbare, erklärbare Antworten. Das Projekt nutzt modernste Frameworks, um eine sichere, datenschutzkonforme Integration in reale klinische Umgebungen zu ermöglichen.

Eine institutionenübergreifende Zusammenarbeit

RADICAL ist eine interdisziplinäre Zusammenarbeit zwischen den folgenden Beteiligten unter der Leitung von Farhad Nooralzadeh, Principal Investigator am ZHAW InIT.

• Die Gruppe Intelligente Informationssysteme (IIS) an der ZHAW InIT

• Das Krauthammer Lab am Departement für Quantitative Biomedizin der Universität Zürich (UZH)

• Das Institut für Diagnostische und Interventionelle Radiologie, Universitätsspital Zürich (USZ)

Das Projekt, das sich über den Zeitraum von 2025 bis 2028 erstreckt, bringt Experten aus den Bereichen maschinelles Lernen, natürliche Sprachverarbeitung, Radiologie und klinische Informatik zusammen, um gemeinsam eine wirkungsvolle Lösung zu entwickeln, die auf realen klinischen Bedürfnissen basiert.

Für bessere Ergebnisse und Ausbildung

RADICAL unterstützt nicht nur klinische Arbeitsabläufe, sondern verspricht auch Vorteile für die medizinische Ausbildung und die retrospektive Forschung. Die Plattform wird eine leichter zugängliche Fallüberprüfung und Kohorten-Identifizierung ermöglichen, was sie zu einem wertvollen Instrument für Studenten, junge Ärzte und medizinische Forscher gleichermassen macht.

Weitere Informationen über das Projekt finden Sie hier: RADICAL Projektdetails