Das Team des Projekts TRUST-RAD hat einen umfassenden Datensatz zur Entwicklung von KI-Assistenzsystemen für die Röntgenbildinterpretation veröffentlicht. RadVLM Instruction Dataset steht der wissenschaftlichen Community nun auf der Plattform PhysioNet zur Verfügung.
Der Datensatz umfasst über 1,1 Millionen Bild-Instruktions-Paare aus Thorax-Röntgenaufnahmen und deckt verschiedene radiologische Aufgaben ab: von der Befunderstellung über die Erkennung von Auffälligkeiten bis zur Lokalisierung anatomischer Strukturen. Ergänzend enthält er rund 89.000 dialogbasierte Interaktionen, die realistische Gespräche zwischen medizinischem Personal und KI-System simulieren.
Die Daten stammen aus mehreren öffentlich verfügbaren medizinischen Bildarchiven und wurden für das Training von KI-Modellen aufbereitet. Besonders relevant ist dabei die Möglichkeit, dialogfähige Assistenzsysteme zu entwickeln, die auf unterschiedliche Fragestellungen flexibel reagieren können.
Neben dem Datensatz ist nun auch das RadVLM-Modell über PhysioNet verfügbar.
Darüber hinaus hat das TRUST-RAD-Team im Rahmen der Swiss AI Initiative eine Rechenzeitförderung von 500.000 GPU-Stunden für das Projekt «3D Vision-Language Model for Radiology» erhalten.
TRUST-RAD wird im Rahmen des dritten Rapid-Action-Calls gefördert. Das Projekt zielt darauf ab, KI-Werkzeuge für die Radiologie zu entwickeln, die nicht nur leistungsfähig, sondern auch verlässlich und nachvollziehbar in ihrer Funktionsweise sind.