Die Ausgangslage im Betrieb
- Links: Heute: Alle Proben in einer Reihe, Aufmerksamkeit lässt nach, Auffälliges wartet mit
- Rechts: Mit Vorsortierung: Auffälliges zuerst, Der Blick wird gelenkt, Mensch prüft jede Meldung
- Urteil: Die Reihenfolge ändert sich, die Verantwortung nicht.
Viele unauffällige Proben in Folge machen müde, und das Seltene geht leicht unter.
In einem Labor werden Proben unter dem Mikroskop angesehen. Es sind viele, und jede muss von Fachpersonal beurteilt werden. Gesucht wird unter anderem eine Ansammlung dunkler, vergrößerter Zellen, die ein Hinweis auf etwas Auffälliges sein kann.
Die meisten Proben sind unauffällig. Das ist gut für die Menschen, aber schlecht für die Aufmerksamkeit: Wer hundertmal „unauffällig“ gesehen hat, übersieht beim hundertersten leicht das Auffällige. Der Arbeitsablauf dauert, und Fälle mit Handlungsbedarf warten in der Reihe wie alle anderen.
Was das System tun soll
- Links: Zweitmeinung (dieses Beispiel): Lenkt den Blick, Ordnet nur vor, Mensch entscheidet, Synthetische Bilder
- Rechts: Medizinprodukt (nicht dieses): Beeinflusst Befunde, Braucht Zulassung, Echte Patientendaten
- Urteil: Lernbeispiel ohne medizinische Aussage.
Lernbeispiel mit synthetischen Bildern, keine medizinischen Daten: eine Zweitmeinung, kein Medizinprodukt.
Das Ziel in einem Satz: Das System legt Proben, die auffällig aussehen, zur genaueren Prüfung nach vorn. Entschieden wird weiter von Menschen.
Die Eingabe ist ein Bild einer Probe, die Ausgabe eine Klasse (Unauffällig oder Auffällig) mit einem Balken je Klasse. Die Reihenfolge der Prüfung kann sich daran orientieren. Eine Diagnose stellt das System nicht, und es entscheidet auch nichts über eine Behandlung.
Welche Daten es braucht


Je 20 gezeichnete Bilder, keine echten Proben. Echte Bilder brauchen eine Rechtsgrundlage und strengen Schutz.
Gebraucht werden Bilder von Proben mit Etikett, das Fachleute vergeben haben. Im fertigen Beispiel liegen je 20 Bilder der Klassen Unauffällig und Auffällig, zusammen 40, dazu 12 Testbilder und 60 frisch erzeugte Prüfbilder. Alle Bilder sind per Code gezeichnet, es sind also synthetische Daten und keine echten Proben.
In einem echten Vorhaben wären es sehr viel mehr Bilder aus vielen Fällen, mit Etiketten von mehr als einer Fachperson. Wichtig ist Vielfalt: verschiedene Geräte, Färbungen, Schichten und Laborstandorte.
Zum Datenschutz: Gesundheitsdaten gehören zu den besonders geschützten personenbezogenen Daten. Echte Bilder dürfen nur mit Rechtsgrundlage, Zweckbindung und strengen Schutzmaßnahmen verarbeitet werden, siehe Recht und Regeln im Überblick. Ein lokales Gerät wie der Jetson hilft, weil die Bilder das Haus nicht verlassen. Es ersetzt die Prüfung nicht. Das ist ein Überblick und keine Rechtsberatung.
Wie es funktioniert
- Bild der Probe
- Zahlenliste
- 3 Nachbarn (ähnlichste Beispiele)
- Hinweis (an Fachpersonal)
Ein vorgefertigtes Netz macht aus dem Bild Zahlen. Die drei ähnlichsten Beispiele geben den Hinweis.
Das Verfahren ist dasselbe wie im Labor Bildmodell anlernen:
- Ein vorgefertigtes Bildmodell macht aus jedem Bild eine Zahlenliste.
- Die Listen der 40 Beispielbilder werden mit ihrem Etikett gespeichert.
- Bei einem neuen Bild werden die 3 ähnlichsten Beispiele gesucht (nächste Nachbarn). Die Mehrheit bestimmt die Klasse.
Das Beispiel zum Starten
- 40 Beispielbilder, je 20 je Klasse
- 12 Testbilder, nie gesehen
- 60 frisch erzeugte Prüfbilder
Du lernst gezeichnete Zellbilder an und prüfst ein Testbild. Überlege, welcher Fehler schlimmer wäre.
Das Beispiel zeigt gezeichnete Zellbilder. Du startest es, und der Jetson nimmt je 20 Bilder der Klassen Unauffällig und Auffällig auf. Dann wählst du ein Testbild und lässt es zuordnen. Lies die Balken und vergleiche mit der erwarteten Klasse.
Überlege zum Schluss, welcher Fehler schlimmer wäre: eine auffällige Probe zu übersehen oder eine unauffällige zu melden. Daran hängt, wie du das System einstellst.
Nach dem Klick landest du im Labor Anlernen mit den vorbereiteten Beispielen.
Was dabei herauskommt
- 12 von 12 Testbilder richtig (Beispielwerte)
- 59 von 60 Prüfbilder richtig, 98 % (Beispielwerte)
- Auffällig, Auffällig: Erkannt
- Auffällig, Unauffällig: Übersehen: schwer
- Unauffällig, Auffällig: Fehlalarm: kostet Zeit
- Unauffällig, Unauffällig: Richtig
12 von 12 Testbildern und 59 von 60 Prüfbildern stimmten, weil der gezeichnete Unterschied deutlich ist. Das Übersehen wiegt schwerer.
Gemessen wurde mit genau diesen Bildern und dem Verfahren des Labors: Alle 12 Testbilder wurden richtig zugeordnet. Bei 60 weiteren, frisch erzeugten Bildern waren es 59 richtig, das sind 98 Prozent. Gemessen wurde auf einem Entwicklungsrechner mit denselben Modelldateien, nicht auf dem Jetson. Das sind Beispielwerte.
Der Grund für das gute Ergebnis: Der Unterschied ist deutlich gezeichnet, deshalb ist die Trennung leicht. Echte Proben sind uneindeutig, Übergänge sind fließend, und selbst Fachleute urteilen manchmal verschieden. Zwölf Testbilder sind außerdem wenig.
Wichtiger als die Gesamtquote ist die Art der Fehler. Eine übersehene auffällige Probe wiegt schwerer als eine unnötig gemeldete. Deshalb zählt man die Fehler getrennt, siehe Wie gut ist ein Modell?, und stellt die Schwelle bewusst ein.
Stolpersteine
- Verzerrte Daten (Untergruppen einzeln prüfen)
- Zu viel Vertrauen (Hinweis, keine Entscheidung)
- Übersehene Fälle (Schwelle bewusst stellen)
- Veränderung (laufend beobachten)
- Rechtlicher Rahmen (Medizinprodukt prüfen)
Verzerrte Daten und zu viel Vertrauen sind die größten Risiken. Unten das Gegenmittel.
- Verzerrte Daten: Stammen alle Bilder aus einem Gerät oder einer Gruppe, versagt das System bei anderen. Gegenmittel: vielfältige Daten, Prüfung nach Untergruppen.
- Zu viel Vertrauen: Wer nur noch auf die Anzeige schaut, hört auf, selbst zu prüfen. Gegenmittel: klare Regel, dass das Ergebnis ein Hinweis ist und Menschen entscheiden.
- Übersehene Fälle: Selten ist wichtiger als häufig. Gegenmittel: Schwelle so legen, dass auffällige Proben eher gemeldet werden, und Stichproben der unauffälligen prüfen.
- Veränderung: Neues Mikroskop, neue Färbung, neue Kamera. Gegenmittel: laufend beobachten, bei Änderungen neu prüfen, siehe Vom Prototyp in den Betrieb.
- Rechtlicher Rahmen: Software, die Befunde beeinflusst, kann ein Medizinprodukt sein und braucht dann Zulassung. Dieses Beispiel ist keines. Es ist ein Lernbeispiel.
Nutzen und Aufwand
- Welche Entscheidung? (Welche Probe zuerst prüfen?)
- Welche Daten? (Etikettierte Bilder, rechtlich abgesichert)
- Wer prüft? (Fachpersonal prüft jede Meldung)
Das System lenkt Aufmerksamkeit. Verantwortung und Entscheidung bleiben bei Fachpersonal.
Der Nutzen einer Zweitmeinung liegt darin, Aufmerksamkeit zu lenken: Auffälliges kommt früher auf den Tisch, und die Prüfenden gewinnen Zeit für schwierige Fälle. Das Prinzip gilt weit über Zellproben hinaus, überall dort, wo viele Bilder zu sichten sind.
Handarbeit bleibt: das Etikettieren durch Fachleute, die Prüfung jedes gemeldeten Falles, die Stichproben, die Dokumentation und der rechtliche Weg. Die Verantwortung bleibt bei Menschen. Das System ist nie die letzte Instanz.
Hinweis zu Ethik und Verantwortung: Wer das Ergebnis prüft und wer bei einem Fehler haftet, muss vor dem Einsatz feststehen. Mehr dazu in Fairness, Verzerrung und Verantwortung und Recht und Regeln im Überblick.
- Welche Entscheidung? Welche Probe wird zuerst geprüft? Entschieden wird weiter von Menschen.
- Welche Daten? Etikettierte Bilder aus vielen Quellen, rechtlich abgesichert und geschützt.
- Wer prüft? Fachpersonal prüft jede gemeldete Probe und zieht Stichproben aus den unauffälligen.