Schwachhauser I Magazin für Bremen I Ausgabe 95

gleich mit der MEVIS-Forschung 15 Jahre lang an der
im Volksmund immer noch so genannten Jacobs University
gelehrt. Heute heißt die private Universität in
Bremen Nord Constructor University. Seit zwei Jahren
ist der 51-Jährige Mitglied des Fachbereichs Mathematik/Informatik
der Universität Bremen und hält dort
Vorlesungen. „Über Lehr- und Betreuungstätigkeiten
wird das MEVIS-Team durch Studierende bereichert,
die hier bei uns ihre Bachelor- oder Masterarbeit
schreiben.“ Hahn ist in Freiburg im Breisgau geboren,
lebt in Bremen – erst Schwachhausen, dann Horn –
ist verheiratet und hat drei Kinder, die zwischen 14
und 19 Jahren alt sind.
Redakteurin Karla Götz im Gespräch mit Professor Hahn.
Foto: Susanne Lolk
Mutterschiff in Bremen
Die Fraunhofer-Gesellschaft mit Sitz in München
umfasst rund 80 Forschungseinrichtungen an 40
Standorten in Deutschland. Es geht um anwendungsorientierte
wissenschaftliche Arbeit. In Bremen dürfen
wir uns glücklich schätzen, ein solch hochrangiges
gemeinnütziges Institut mit medizinischem Fokus
in der Stadt zu haben. Außenstellen des Fraunhofer
MEVIS gibt es in Lübeck, Berlin, Aachen und neuerdings
auch in Hannover. Das strahlend weiße Gebäude
im Technologiepark ist das Mutterschiff, oder
die „Werkstatt der Digitalen Medizin“, wie es die dort
Arbeitenden gerne nennen. Neben Fraunhofer MEVIS
als Forschungseinrichtung gibt es noch ein namensverwandtes
börsennotiertes kommerzielles Unternehmen.
Dies sind rechtlich unabhängige und finanziell
eigenständige Ausgründungen, die 2007 unter dem
Dach der MeVis Medical Solutions AG zusammengefasst
wurden. „Man beachte die unterschiedliche
Schreibweise“, sagt Hahn. Seit 2012 ist Horst Hahn in
verschiedenen Konstellationen als Leiter tätig. Er ist
Professor für Medizinische Bildgebung und hat zeit-
Werkzeug für Ärzte
Zurück zur Forschung: Der promovierte Informatiker
sagt: „Uns geht es vor allem um den Qualitäts- und
Effizienzaspekt, wir wollen Mediziner bei ihren immer
komplexer werdenden Aufgaben unterstützen und
Patienten eine hochwertige Versorgung ermöglichen.“
Als Beispiele nennt er komplizierte Fälle, die beim
Mammographie-Screening auftreten können. Schnell
wachsende Tumore, die oftmals erst zu spät gefunden
werden, oder eine hohe Brustdichte, das heißt viel
Drüsen- und Bindegewebe, wenig Fettgewebe, was
beim Röntgen ein helles Bild erzeugt. „Das erschwert
es, einen Tumor zu entdecken.“ Früherkennung sei
der Dreh- und Angelpunkt, um rechtzeitig schonende
Therapien anzusetzen und Leben retten zu können.
Um Unregelmäßigkeiten in den Mammographie- oder
MRT-Aufnahmen zu erkennen, werde die Software
ständig weiterentwickelt und kontrolliert trainiert
(Deep Learning, siehe Kasten). „Die Mustererkennung
ist ein Werkzeug, ein Tool, das die Arbeit der Fachärzte
verbessern kann. Keinesfalls wird dies die Mediziner
arbeitslos machen.“ Der menschliche Kontakt
zwischen Ärztin und Patient wird weiterhin essenziell
bleiben, ebenso der Erfahrungsschatz, den ein Mediziner
sich über Jahre aneignet und der durch digitale
Werkzeuge nur ergänzt, aber nicht ersetzt werden
kann. Mensch und Computer könnten ein Team bilden,
das präziser ist und Heilungschancen erhöht.
Deep Learning am Fraunhofer MEVIS
Deep Learning (tiefes Lernen) ist ein hochaktuelles Teilgebiet des maschinellen Lernens, welches
vielfach verschachtelte sogenannte neuronale Netze anhand großer Datensätze optimiert. Es wird
unter anderem dazu genutzt, Strukturen in Bildern zu erkennen und Entscheidungen vorzuschlagen.
Deep Learning steht als Methode hinter praktisch allem, was derzeit als „künstliche Intelligenz“
in den Medien erscheint, und ist der Sammelname für eine Gruppe von Techniken, bei denen Algorithmen
ihr kodiertes Wissen anhand wachsender Datenmengen eigenständig ausweiten und
vertiefen können. Aber halt! Hierzu sagt Professor Hahn: „Unsere Algorithmen dürfen nicht einfach
selber drauflos lernen, sondern werden von uns stark kontrolliert und reglementiert.“
22