Dezember 2022
Amith Kamath möchte durch KI-gestützte Planung eine schnellere Strahlentherapie für Patientinnen und Patienten mit einem Glioblastom ermöglichen. Der Preisträger des CAIM Young Researcher Award schätzt die Offenheit der Berner Community rund um KI-Anwendungen im Gesundheitswesen, die auch Ideen aus anderen Disziplinen willkommen heisst, um schwierige medizinische Probleme anzugehen. Amith promoviert derzeit in der Forschungsgruppe Medical Image Analysis des ARTORG Center. Er freut sich darauf, seine Forschungsergebnisse mit Hilfe der breiten unternehmerischen Unterstützung, die er in Bern erhält – darunter das persönliche Business-Coaching durch be-advanced als Teil seines CAIM Award-Gewinns in der Kategorie "Translation" – in ein klinisches Werkzeug zu überführen.
Was motiviert dich bei deiner Forschung?
Im Mittelpunkt meiner Forschung steht die Einschätzung der Qualität der Strahlentherapie für Patientinnen und Patienten mit einem Glioblastom. Angesichts der meist schlechten Prognose müssen Patienten, bei denen dieser Tumor bereits diagnostiziert wurde, aufgrund der derzeitigen Arbeitsabläufe der Strahlentherapieplanung zwischen einer und drei Wochen warten, bis sie mit der Behandlung beginnen können. Wir erwarten, dass mit KI-Modellen, die dabei helfen, Organkonturen zu setzen und gleichzeitig die Strahlendosis und Toxizität abzuschätzen, die Strahlentherapie früher begonnen werden kann, bevor der Tumor weiter fortgeschritten ist. Dadurch hoffen wir, dass unsere Arbeit eines Tages das Leben dieser Menschen wirklich verbessern kann.
Was bedeutet dir der Gewinn eines CAIM-Nachwuchsforschungspreises?
Am wichtigsten ist für mich, dass viele von uns ihre Forschungsergebnisse in einem Rahmen wie dem CAIM-Symposium vorstellen und konstruktives Feedback und Kommentare erhalten konnten. Die Existenz einer so lebendigen Gemeinschaft finde ich sehr bereichernd.
Im Hinblick auf den translationalen Fokus des Preises hatte ich das Glück, bereits im Oktober dieses Jahres durch das Innosuisse-Startup-Toolbox-Programm "Business Concepts" einen ersten Einblick in die Translation von Forschung erhalten zu haben. Das unternehmerische Coaching, das mir nun mit dem CAIM-Award offensteht, ist die perfekte Fortsetzung davon. Denn ich freue mich darauf, von den Expertinnen und Experten zu erfahren, wie wir unsere Forschung in ein nützliches Werkzeug oder Produkt für Ärztinnen und Ärzte umsetzen können!
Wenn es zehn Nutzer dessen gibt, was ich programmiere, bedeutet mir das mehr, als eine Doktorarbeit zu schreiben, die niemand liest.
Wie wichtig ist es für dich, deine Forschung mit anderen zu teilen?
Sehr wichtig! Mein Hintergrund liegt hauptsächlich in der Bildverarbeitung und Computer Vision, und ich finde es grossartig, wie offen die wissenschaftliche Gemeinschaft hier für Forschende mit anderem akademischem Hintergrund ist. Ich komme nicht aus der Biomedizin, aber ich glaube, dass Menschen ohne medizinische Ausbildung einen wichtigen Beitrag zur Lösung schwieriger medizinischer Probleme leisten können. Methoden, die in anderen Bereichen gut etabliert sind, können für die Herausforderungen im Gesundheitswesen neue, innovativen Lösungen bedeuten.
Ich schätze die Menschen, mit denen ich täglich zusammenarbeite und die mich motivieren, indem sie immer die richtigen Fragen stellen. Zudem ist es von Vorteil, dass meine Arbeit sehr visuell ist: Ein paar Bilder oder ein Video vermitteln anderen rascher eine Idee als eine Reihe von Gleichungen. Auch sind die Ärztinnen und Ärzte hier sehr offen dafür, wenn wir als Ingenieure auf sie zukommen, wenn Bilder schwer zu interpretieren sind. Diese Bereitschaft, miteinander zu arbeiten und dieselbe Sprache zu sprechen, ist in diesem Forschungsbereich ein enormer Vorteil.
Daher möchte ich unsere Forschung auch mit einer breiteren globalen Gemeinschaft teilen. Ich nutze soziale Medien, um mich mit anderen Forschenden auszutauschen, und unser Forschungslabor Medical Image Analysis hat eine "How to"-Videoserie für Anfänger im Bereich Deep Learning für die medizinische Bildgebung lanciert, in der einige der Fallstricke und Stolpersteine auf humorvolle Weise zusammengefasst werden (https://github.com/ubern-mia/bender). Ausserdem planen wir derzeit ein Symposium über die Interpretierbarkeit von KI-Modellen für den März 2023 im Rahmen des CAIM, in der Hoffnung, eine lebhafte Diskussion über dieses wichtige Thema für eine sicherere KI-Anwendung in der Medizin zu fördern.