Katana Labs GmbH

Steckbrief:

Name des Vorhabens:

trustPAIKON - Uncertainty Estimation-Technik für die KI-basierte Analyseplattform PAIKON zur vertrauenswürdigen Anwendung in der bildbasierten Krebsdiagnostik

Zeitraum:

27.09.2024 – 31.10.2026

Förderfähige Gesamtkosten:

462.478 €

EU-Betrag:

288.298 €

Ort:

Dresden

Interventions­kategorie:

146 - Unterstützung für die Anpassung von Arbeitskräften, Unternehmen sowie Unternehmerinnen und Unternehmern an Veränderungen

Förderrichtlinie:

02212 - MINT-Fachkräfteprogramm ESF Plus 2021 bis 2027

Fördergegenstand:

16652 - MINT-Fachkräfteentwicklung

Spezifisches Ziel:

ESO4.4 - Förderung der Anpassung von Arbeitskräften, Unternehmen und Unternehmern an den Wandel, Förderung eines aktiven und gesunden Alterns sowie einer gesunden und angemessenen Arbeitsumgebung, die Gesundheitsrisiken Rechnung trägt;

Zweck und Errungenschaft:

Pathologen sind für die Krebsdiagnostik unersetzlich, da sie die Analyse der Tumorproben durchführen und aufgrund der Analyseergebnisse eine Krebstherapie für den Patienten ableiten. Die Zahlen der verfügbaren Pathologen sinken derzeit stark. Viele gehen in Rente oder scheiden anderweitig aus dem Beruf aus. Der Nachwuchs füllt diese Lücke bei Weitem nicht. Zusätzlich steigt die Anzahl der Krebsfälle u.a. aufgrund der demografischen Entwicklung stark. Entsprechend droht die Krebsdiagnostik auf einen unzureichenden Stand zurückzufallen. Das Startup Katana Labs aus Dresden entwickelt und vertreibt PAIKON, eine auf KI-basierende Cloud-Plattform zur bildbasierten Tumoranalyse. Mit dieser können Pathologen befähigt werden, schneller und präziser Tumoranalysen durchzuführen, somit dem Trend der steigenden Krebsfallzahlen zu begegnen und der innovativen personalisierten Medizin gerecht zu werden. Entscheidend für den Erfolg von PAIKON am Markt der klinischen Krebsdiagnostik wird allerdings die Akzeptanz der KI bei den Ärzten sein. Ziel des Projektes ist es daher, dass Katana Labs in Kooperation mit dem HZDR eine Transparenz-Technik in PAIKON integriert. Dabei handelt es sich um die Uncertainty Estimation (ein Verfahren zur Unsicherheitsabschätzung). Es bewertet die Zuverlässigkeit der Ergebnisse und ermöglicht eine Interpretierbarkeit und ein Verstehen der Entscheidungsfindungsprozesse der KI. Aus der Black Box KI wird eine “vertrauenswürdige KI”.

Fonds:

ESF