Wie künstliche Intelligenz beim Kampf gegen Doping helfen kann

Pressemitteilung der Universität des Saarlandes vom 10.02.2022

Künstliche Intelligenz könnte in Zukunft dazu beitragen, dass sportliche Wettkämpfe sauber und fair bleiben: Professor Wolfgang Maaß forscht mit seinem Team daran, Dopingverstöße mit selbstlernenden Computersystemen schneller und einfacher zu entlarven. In Projekten mit der Welt-Anti-Doping-Agentur Wada arbeitet der Wirtschaftsinformatiker daran, Datensysteme, die er für die Industrie 4.0 entwickelt hat, mit Daten aus Doping-Kontrollen zu trainieren, um sportlichen Betrug effizient aufzudecken.

Ungleiche Chancen, unfairer Wettkampf, unsauberer Sport – wird gedopt, bleibt nicht nur die Gerechtigkeit auf der Strecke. Sportlerinnen und Sportler setzen auch ihre Gesundheit aufs Spiel. Der Kampf gegen Doping ist ein schwieriges Unterfangen. Sportbetrug zu entlarven, ist komplex und aufwändig. Künstliche Intelligenz könnte die Doping-Kontrolleure bei dieser Aufgabe unterstützen, ist Professor Wolfgang Maaß überzeugt. „Methoden künstlicher Intelligenz können die Doping-Kontrollverfahren beschleunigen und effizienter machen“, erklärt der Wirtschaftsinformatiker. Normalerweise sorgen Maaß und sein Team mit ihren intelligenten Datensystemen an der Universität des Saarlandes und am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) für Transparenz in der Industrie 4.0: Sie sagen früh und zuverlässig voraus, ob etwa Störungen an Anlagen oder in Lieferketten drohen und finden passende Lösungen. Jetzt will Maaß die smarten Computer-Algorithmen auch gegen Doping einsetzen. „Unsere Datensysteme sind auch über den Wirtschaftsbereich hinaus aufschlussreich“, erklärt er.

Die Ergebnisse von bislang drei Projekten, bei denen Maaß mit der Welt-Anti-Doping- Agentur Wada kooperiert, liefern deutliche Hinweise darauf, dass die mit Wirtschaftsdaten vortrainierten Saarbrücker KI-Systeme auch bei Doping funktionieren und Sportbetrugsfälle verschiedener Art schnell und zuverlässig erkennen können. „Unsere bisherigen Forschungsarbeiten verlaufen vielversprechend. Die KI-basierten Analysen von biochemischen und weiteren Daten aus Doping-Kontrollen liefern sehr gute Ergebnisse“, sagt Maaß. Seine Vision ist, die Arbeit der Doping-Labore in Zukunft durch Analysen im virtuellen Labor zu unterstützen.

Bei Doping-Kontrollen fallen zahlreiche Daten an. So werden in Trainings- und Wettkampfzeiten teils über längere Zeiträume Blut- und Urinproben genommen, in Laboren analysiert und auf verbotene Substanzen und Methoden hin untersucht. Auch weitere Informationen rund um die Athletinnen und Athleten kommen hinzu. Da die Kontrollen immer und überall erfolgen können, melden die Sportler zum Beispiel auch ihren aktuellen Aufenthaltsort. Mit allen solchen Daten können die angelernten KI-Datensysteme gefüttert werden, um Manipulationen auf die Spur zu kommen.

Mithilfe maschineller Lernmethoden und Deep Learning bringen die Forscherinnen und Forscher dem System bei, Doping treffsicher an typischen Mustern zu erkennen. Es lernt, winzigste, aber charakteristische Doping-Merkmale wie Puzzleteile zu identifizieren. Hierfür trainiert Maaß‘ Team das Computer-System mit den Daten aus Doping-Kontrollen vieler Athletinnen und Athleten. Das System ist in der Lage, alle möglichen Verknüpfungen in den Daten zu durchleuchten, das heißt, es begreift, wie die einzelnen Puzzleteile des mehrdimensionalen Puzzles eines Doping-Falles zusammenhängen.

Das KI-System erfasst und gewichtet etwa Blutmarker oder Steroidprofil-Daten in Urin, bezieht kausale und zeitliche Abläufe bei mehreren Proben ebenso mit ein wie die chemischen Umwandlungen der Stoffe im Körper oder auch die Wirk-Zusammenhänge des Dopingmittels. Mit etwas Training findet es in den digitalen Daten und Zahlenkolonnen Muster und kleinste Nuancen, die auf Abweichungen hindeuten und typisch für Dopingfälle sind. Auf diese Weise sagt es voraus, wie wahrscheinlich es bei einer bestimmten Puzzle-Konstellation ist, dass jemand verbotene Substanzen eingesetzt oder die Tests anderweitig verfälscht hat.

„Um komplexe Modelle trainieren zu können, brauchen wir sehr viel Datenmaterial, insbesondere zu positiven Dopingfällen. Mit sogenannten generativen maschinellen Lernverfahren – wir sprechen abgekürzt von ‘GAN‘ – können wir unseren Datenpool anreichern. Erst ein tiefes Verständnis der Daten und der zugrundeliegenden, biologischen Zusammenhänge erlaubt es uns, derartige KI-Modelle zu entwickeln und zu testen“, erklärt Wolfgang Maaß.

2015 testete Maaß in Kooperation mit der Wada erstmals, ob seine Datensysteme generell in der Lage sind, anhand einer anonymisierten Auswahl biochemischer Analyse-Daten Doping mit dem Mittel Erythropoetin, kurz „EPO“, aufzuspüren. Bei dieser Methode des Blutdopings wird die Zahl an roten Blutkörperchen erhöht, um mehr Sauerstoff zu transportieren und so die Leistung zu steigern. „Wir verwendeten als Datensatz für das Training mehrere Blutindikatoren und eine Reihe von Fragebögen über Aktivitäten der Sportlerinnen und Sportler“, erläutert Maaß. Beim Vergleich mit den tatsächlichen Ergebnissen der Dopingkontrollen zeigte das Datensystem bereits in diesem ersten, noch nicht spezifisch weiterentwickelten Stadium eine sehr gute Trefferquote.

Ein weiteres Projekt mit der Wada bestätigte die sehr gute Vorhersage-Qualität: Diesmal arbeiteten Maaß und sein Forschungsteam mit dem Fachbereich für Ernährung, Bewegung und Sport der Universität Kopenhagen im Rahmen einer Studie ebenfalls zu EPO-Doping zusammen. Ohne weitere Hintergrundinformationen werteten die Saarbrücker Forscherinnen und Forscher mithilfe ihres Datensystems bestimmte Blutmarker und Blutwerte aus verschiedenen Trainingsgruppen mit insgesamt 50 Probandinnen und Probanden aus: Die Computer-Algorithmen erkannten die EPO-Doping-Gruppe und filterten diese aus den Vergleichsgruppen heraus – darunter auch eine Gruppe Sportler, deren Blutkörperchen-Zahl wegen Trainings in großer Höhe natürlich erhöht war.

Im jüngsten Projekt mit der Wada und dem Institut für Biochemie der Sporthochschule Köln, dessen Ergebnisse das Team im Dezember vorgelegt hat, erkannten die Computer-Algorithmen durch spezielle Trainings auch anderweitige Manipulation über die klassischen Dopinganalysen hinaus: „Unser System kommt auch dem Austausch von Urinproben auf die Spur“, sagt Maaß. Diese Art des Betrugs, bei dem die Urinprobe eines gedopten Sportlers mit einer „sauberen“ Urinprobe vertauscht wird, ist für Doping-Kontrolleure extrem schwer nachzuweisen und mit höchst aufwändigen Analysen verbunden. Mit Deep-Learning-Trainings erkennt das Saarbrücker Datensystem auch die typischen Muster solcher Manipulationen. „Die Sensitivität und Spezifität unserer Methoden erreicht bereits jetzt hohes Niveau; wir können dies aber auch noch weiter verbessern. Dies lässt darauf schließen, dass der Einsatz von KI-Methoden im Doping die Kontrollen effektiv unterstützen kann“, sagt Maaß, der jetzt die Zusammenarbeit mit der Wada und der Sporthochschule Köln weiter intensivieren will.

Aktuell arbeitet Wolfgang Maaß daran, die Forschungsaktivitäten gegen Doping grenzüberschreitend auszuweiten: Er leitet den Aufbau eines deutsch-französischen Netzwerks, das den Einsatz von künstlicher Intelligenz im Kampf gegen Doping intensivieren soll: Beteiligt hieran sind das französische Anti-Doping Labor in Paris (Laboratoire AntiDopage Français, LADF, Université Paris-Saclay), das französische Nationale Forschungsinstitut für Informatik und Automatisierung INRIA (Institut national de recherche en informatique et en automatique), die Sporthochschule Köln sowie Maaß‘ Lehrstuhl an der Saar-Universität und seine Forschungsgruppe „Smart Service Engineering“ am Deutschen Forschungszentrum für Künstliche Intelligenz, DFKI.

Externer Link: www.uni-saarland.de

Flugzeuge im Funkkontakt: TU Graz entwickelt Simulationstools zur Transponderbelastung

Pressemeldung der TU Graz vom 21.01.2022

Wenn Flugzeuge vom Radar verschwinden, kann das an überlasteten Transpondern liegen. Für Austro Control entwickelte die TU Graz ein Simulationstool zur Bestimmung der Transponderbelastung. Dieses wird nun im Auftrag der EUROCONTROL für den europäischen Luftraum ausgebaut.

Er gehört zur gesetzlichen Pflichtausstattung von zivilen Flugzeugen: der Transponder; ein elektronisches Gerät, das auf Radarabfragen antwortet und so der Flugsicherung und den Kollisionsvermeidungssystemen (air collision avoidance systems) anderer Luftfahrzeuge am Himmel hilft, die genaue Position des Flugzeugs zu ermitteln. Die Dauer, die das Signal vom Transponder bis zum Empfänger braucht, gibt Aufschluss über die genaue Position des Flugzeugs. Je nach Transpondertyp werden auch weiterführende Informationen übermittelt, etwa zu Flughöhe oder Flugkennung.

Hat ein Transponder besonders viele Signalabfragen zu bewältigen, besteht die Gefahr einer Überlastung – der Transponder antwortet dann nicht mehr auf alle Abfragen und im äußersten Fall auf gar keine Abfragen mehr. Das Flugzeug kann dadurch für kurze Zeit vom Radar verschwinden. Das Risiko eines solchen Szenarios ist zwar gering, aber gegeben.

„Ein Flugzeug, das plötzlich vom Bildschirm der Flugüberwachung verschwindet, ist immer höchst alarmierend“, sagt Helmut Schreiber vom Institut für Hochfrequenztechnik der TU Graz. Er untersuchte im Auftrag der österreichischen Flugsicherung Austro Control sämtliche Einflussfaktoren auf die Transponderbelastung und entwickelte darauf aufbauend das Simulationstool „TOPAS (Transponder Occupancy Analysis Software)“ für die Transponderbelastung im österreichischen Luftraum. Im Auftrag der EUROCONTROL wird dieses Tool nun für den gesamteuropäischen Luftraum weiterentwickelt. Unter dem Akronym ESIT (EUROCONTROL Simulator of Surveillance Interrogators and Transponders) arbeitet die TU Graz dafür eng mit Austro Control sowie mit der deutschen Firma SeRo Systems und der EUROCONTROL zusammen. „Für die Planung und den Ausbau von Flugsicherungsinfrastruktur ist es essentiell zu wissen, wie sich diese Infrastruktur auf die Transponderbelastung auswirkt. Das betrifft etwa das Hinzufügen neuer Radaranlagen oder Änderungen von Abfragestrategien. Da ist es wichtig herauszufinden, wo es bereits Hotspots gibt und eine Entlastung notwendig ist. Unsere Simulationswerkzeuge leisten hier einen wichtigen Beitrag“, so Schreiber.

Paul Bosman, Abteilungsleiter der ATM-Infrastruktur bei EUROCONTROL ergänzt: „Wir freuen uns über die hervorragende Zusammenarbeit mit der TU Graz, Austro Control und SeRo Systems. Die Simulationstools werden zu einer nachhaltigen Nutzung der kritischen Ressourcen Funkfrequenzen und Transponderkapazität beitragen, wovon alle europäischen Luftraumnutzer profitieren werden.“

Digitaler Zwilling

Einen raschen und ungefähren Überblick über die Transponderbelastung gibt eine relativ einfache Tabellenkalkulation. Sie berücksichtigt nur die Anzahl der Sensoren und der Flugzeuge, nicht aber deren räumliche Verteilung. Die Tools TOPAS und ESIT hingegen beziehen als digitaler Zwilling die tatsächlichen Positionen aller Radarsensoren und auch die reale Luftverkehrssituationen mit ein. „Mit so einer Simulation sind auch komplexere Abfragefolgen programmierbar, sowohl für ganze Radarsysteme als auch isoliert für einzelne Sensoren. Damit erzielen wir realistischere und genauere Ergebnisse: Wir erfahren konkret, wann und wo es welche Belastungssituationen für Transponder geben wird“, erklärt Helmut Schreiber.

Mit dem ESIT-Tool können Nutzer (staatliche Behörden, Flugsicherungen) die Transponderbelastung in ihrem Luftraum bestimmen, die durch eigene Systeme und die der Nachbarstaaten verursacht wird. Nachdem das Tool ausschließlich auf Servern der EUROCONTROL laufen wird, haben die Nutzer keinen Zugang zu sensiblen Daten der Infrastruktur anderer Länder.

Radar fragt, Transponder antwortet

Neben zivilen und militärischen Radarstationen an Flughäfen oder an neuralgischen Punkten wie der Koralpe, beanspruchen außerdem laufende Funkkontakte sogenannter Multilaterations-Systeme die Transponder. Österreichweit gibt es dafür rund 70 Sende- und Empfangsstationen. Die Multilateration, kurz MLAT, funktioniert wie ein umgekehrtes GPS: Mehrere Antennenstationen auf dem Boden tasten das ausgesandte Funksignal eines Transponders ab und schicken zusätzlich auch eigene Abfragen an den Transponder.

Je nach Entfernung des Flugzeugs erreichen die Funkwellen des Transponders die jeweiligen Empfangsantennen zu anderen Zeitpunkten. Jede Empfangsstation meldet den exakten Zeitpunkt, an dem sie das Signal erhalten hat, an einen Zentralrechner. So lässt sich der Weg des Flugzeuges mitverfolgen. Helmut Schreiber vom Institut für Hochfrequenztechnik der TU Graz erklärt: „MLAT-Systeme haben große Vorteile: Sie können teure Radarstationen ersetzen. Und der Ausfall eines einzelnen Empfängers ist weniger dramatisch als etwa der Ausfall einer ganzen Radarstation. Trotz dieser Vorteile können die laufenden Funkkontakte bei einer schlechten Konfiguration Transponder in einem außerordentlich hohen Maß belasten und ebenso dazu führen, dass ein Flugzeug quasi unsichtbar wird.“

Die Entwicklung der zivilen Flugüberwachung geht laut Schreiber in die Richtung, dass längerfristig auf Radaranlagen zumindest teilweise verzichtet werden kann: Flugzeuge bestimmen mittels Satellitennavigationssystem ihre Position selbst und schicken diese automatisch an die Flugüberwachung. Auch dies wird durch ESIT simuliert. Durch Berechnung der potentiellen Transponderbelastungen erhöhen TOPAS und ESIT somit die Sicherheit in der Luft für bestehende und zukünftige Systeme. (Susanne Filzwieser)

Externer Link: www.tugraz.at

Abgasanalyse mit dem Handy: Neue App lässt Diesel-Fahrer ihr Auto selbst überprüfen

Pressemitteilung der Universität des Saarlandes vom 06.10.2021

Informatiker der Universität des Saarlandes haben ein Verfahren entwickelt, mit dem sich unkompliziert und in Echtzeit ermitteln lässt, wie viele Abgase der eigene Diesel-PKW ausstößt. Dazu benötigt man die kostenlose App „LolaDrives“ und einen günstigen Bluetooth-Adapter, der das Diagnosesystem des Autos auslesen kann. Entwickelt wurde die App im Rahmen des DFG-geförderten transregionalen Sonderforschungsbereichs „Grundlagen verständlicher Softwaresysteme“ am Saarland Informatics Campus.

Nutzer können ihre Fahrdaten auf freiwilliger Basis für die Forschung bereitstellen.

Seit September 2017 muss ein Auto einen sogenannten „Real Driving Emissions (RDE)“-Test bestehen, um in der Europäischen Union zugelassen zu werden. Dabei werden die Abgasemissionen im Fahrbetrieb unter realistischen, alltäglichen Bedingungen gemessen. „Wir dachten uns: Dann sollte doch prinzipiell jeder selbst diesen Test durchführen können“, sagt Sebastian Biewer, Doktorand am Lehrstuhl „Dependable Systems and Software“ von Professor Holger Hermanns an der Universität des Saarlandes.

Anstatt Testequipment im Wert von Hunderttausenden Euros anzuschaffen, haben die Saarbrücker Informatiker die App „LolaDrives“ entwickelt. Diese verwendet „RTLola“, eine Technologie zur Analyse von Echtzeitsystemen von Bernd Finkbeiner, Professor an der Universität des Saarlandes und Faculty am Helmholtz-Zentrum für Informationssicherheit (CISPA). Die App funktioniert in fast allen Autos ab Baujahr 2005. „Wichtig ist, dass der Wagen über eine Schnittstelle zur On-Board-Diagnose (OBD) verfügt“, sagt Sebastian Biewer. Die OBD ist ein Fahrzeugdiagnosesystem, das während der Fahrt abgasbeeinflussende Systeme und andere Steuergeräte, wie beispielsweise den Drehzahlmesser, überwacht. Mithilfe eines Bluetooth-Adapters wird auf die On-Board-Diagnose zugegriffen. Wenn der Wagen läuft, muss man das Handy per Bluetooth mit dem OBD-Adapter verbinden und die „LolaDrives“-App starten.

Das Programm erlaubt es dem Nutzer dann entweder, die Daten des Diagnosesystems auszulesen, oder es führt ihn Schritt für Schritt durch einen RDE-Test. „LolaDrives ist nach unserer Kenntnis die einzige App, die einen RDE-Test ermöglicht“, ergänzt Sebastian Biewer. Damit die App die Emissionswerte errechnen kann, muss die OBD-Schnittstelle des Wagens jedoch die passenden Daten zur Verfügung stellen – insbesondere die Werte des Stickoxid-Sensors des Abgassystems, der nur in Diesel-Fahrzeugen verbaut ist. Ob die passenden Daten abgerufen werden können und damit ein RDE-Test machbar ist, teilt „LolaDrives“ direkt nach dem Start eines Tests mit.

Den App-Entwicklern war es wichtig, die Benutzung so einfach wie möglich zu gestalten. Denn für einen gültigen RDE-Test müssen zahlreiche Bedingungen erfüllt sein: Die Fahrtdauer muss mindestens 90 bis 120 Minuten betragen, in festgelegten Distanzen in verschiedenen Abschnitten stattfinden (Innerorts, Landstraße und Autobahn), bestimmte Geschwindigkeitsvorgaben dürfen nicht verletzt werden und auch das Beschleunigungs- und Bremsverhalten spielt eine Rolle. „Unsere App zeigt all diese Elemente in einer leicht verständlichen Nutzeroberfläche an und führt strukturiert durch die verschiedenen Stufen des Tests, indem sie genau ansagt, was wann zu tun ist. Sie teilt mit, ob der Test erfolgreich war und auch, ob der Test durch den Verstoß gegen eine der Vorgaben unwiederbringlich gescheitert ist“, sagt Yannik Schnitzer, der als Student der Informatik bereits ab seinem zweiten Semester die Entwicklung der App vorangetrieben hat.

Nutzer können ihre Fahrdaten auf freiwilliger Basis und ohne Einschränkung der App-Funktionalitäten datenschutzkonform an die Forscher spenden. Informatik-Professor Holger Hermanns, Sprecher des transregionalen Sonderforschungsbereichs „Grundlagen verständlicher Softwaresysteme“, in dessen Rahmen die Forschung um „LolaDrives“ stattfindet, sagt dazu: „Anhand der Daten möchten wir eine Plattform aufbauen, mit der wir mehr Transparenz und Verständlichkeit in den KFZ-Bereich bringen wollen. Vergangene Skandale haben gezeigt, wozu es führt, wenn Hersteller verantwortungsloses Handeln durch Intransparenz verschleiern können. Wir wollen helfen, Softwareverhalten aufzudecken, das für den Hersteller der Software vorteilhaft, aber für den Benutzer oder die Gesellschaft unerwünscht ist.“

Die RDE-Tests, die mit der App durchgeführt werden, sind rechtlich nicht bindend. „Uns geht es darum, das Informationsbedürfnis der Nutzer zu stillen. Die Ergebnisse unserer RDE-Tests sind plausibel, wenn man sie im Kontext der veröffentlichten Emissions-Daten und Grenzwerte betrachtet. Aber letztendlich sind sie Annäherungen an die ‚echten‘ Tests, die zwingend mithilfe kostspieliger mobiler Mini-Labors durchgeführt werden müssen,“ sagt Professor Holger Hermanns.

„LolaDrives“ ist zurzeit für Android über den Google Playstore erhältlich. Eine Version für Apple-Geräte ist bereits in Entwicklung. Das Projekt verfügt zudem über ein begrenztes Kontingent an Bluetooth-OBD-Adaptern, die interessierten Datenspendern kostenlos zur Verfügung gestellt werden.

Originalpublikation:
Biewer S., Finkbeiner B., Hermanns H., Köhl M.A., Schnitzer Y., Schwenger M. (2021) RTLola on Board: Testing Real Driving Emissions on your Phone. In: Groote J.F., Larsen K.G. (eds) Tools and Algorithms for the Construction and Analysis of Systems. TACAS 2021. Lecture Notes in Computer Science, vol 12652. Springer, Cham.

Externer Link: www.uni-saarland.de

Maschinelles Lernen verbessert die biologische Bildanalyse

Pressemitteilung der Universität Tübingen vom 09.09.2021

Internationales Forschungsteam entwickelt Algorithmus, der die superauflösende Mikroskopie beschleunigt

Mit der superauflösenden Mikroskopie gewinnen Wissenschaftlerinnen und Wissenschaftler neue Einblicke in die Welt der Zellen und können nanometerkleine Strukturen im Zellinneren erkunden. Das Verfahren hat die Lichtmikroskopie revolutioniert und seinen Erfindern 2014 den Nobelpreis für Chemie eingebracht. Tübinger KI-Forscher haben in einem internationalen Projekt einen Algorithmus entwickelt, der diese Technologie wesentlich beschleunigt.

Eine Art der superauflösenden Mikroskopie ist die sogenannte Einzelmolekül-Lokalisationsmikroskopie (single-molecule localisation microscopy, SMLM). Dabei werden die zu erforschenden Strukturen mit fluoreszierenden Molekülen markiert, von denen zu jedem Zeitpunkt nur eine begrenzte Anzahl mit Licht aktiviert wird. Diese lassen sich dann sehr präzise lokalisieren. Mit diesem Trick werden mehrere Bilder einer einzelnen Probe generiert. Diese Rohdaten werden von einem Computerprogramm ausgewertet und zu einem einzigen aussagekräftigen Bild zusammengesetzt. Mit dieser Technik lassen sich viel höhere Auflösungen erreichen als mit der klassischen Lichtmikroskopie. Doch sie hat einen Nachteil: Es braucht eine große Menge an Bildern, was das Verfahren sehr zeitaufwändig macht.

Das Team von Jakob Macke, Professor für Maschinelles Lernen in der Wissenschaft an der Universität Tübingen, hat in einer internationalen Zusammenarbeit einen neuen Algorithmus entwickelt, der diese Einschränkung der SMLM überwindet. Die gemeinsame Arbeit mit der Ries Gruppe des Europäischen Laboratoriums für Molekularbiologie (EMBL) Heidelberg und dem Team von Dr. Srinivas Turaga vom Janelia Research Campus (Virginia, USA) wurde in der Fachzeitschrift Nature Methods veröffentlicht.

Mit Deep Learning zur hochpräzisen Lokalisierung einzelner Moleküle

Der Algorithmus DECODE (DEep COntext DEpendent) basiert auf Deep Learning: Er nutzt ein künstliches neuronales Netz, das durch Trainingsdaten lernt. Statt mit echten Bildern wird das Netz in diesem Fall jedoch mit synthetischen Daten aus Computersimulationen trainiert. Unter Einbeziehung von Informationen über den Aufbau des Mikroskops und der Physik der Bildgebung erzielten die Forschenden Simulationen, die den realen Aufnahmen sehr ähnlich sind. „Das neuronale Netz, das wir mit Simulationsdaten trainiert haben, ist so in der Lage, fluoreszierende Moleküle auch in echten Bildern zu erkennen und zu lokalisieren“, erklärt Artur Speiser, zusammen mit Lucas-Raphael Müller federführender Autor der Arbeit.

Einer der Vorteile des Algorithmus DECODE: Er kann Fluoreszenzträger bei höheren Dichten lokalisieren, als bislang möglich, sodass weniger Bilder je Probe benötigt werden. Auf diese Weise kann die Bildgebungsgeschwindigkeit ohne nennenswerten Verlust an Auflösung um das bis zu Zehnfache gesteigert werden. Darüber hinaus kann DECODE die Unsicherheiten quantifizieren ‒ das Netzwerk kann also selbst erkennen, wenn es sich in seiner Lokalisierung nicht sicher ist.

Interdisziplinarität erweitert die Perspektiven der Forschung

„Diese Arbeit ist beispielhaft für den Ansatz unseres Exzellenzclusters ‚Maschinelles Lernen: Neue Perspektiven für die Wissenschaft‘“, sagt Macke, dessen Lehrstuhl Teil des Tübinger Clusters ist. „Die Ideen, die diesem Ansatz zugrunde liegen, haben wir ursprünglich in einem ganz anderen Kontext entwickelt. Aber in enger Zusammenarbeit mit Experten für computergestützte Mikroskopie entstanden daraus leistungsstarke Methoden für die Analyse von SMLM-Daten.“ Das Team entwickelte zudem ein Softwarepaket, das den DECODE-Algorithmus verwendet. „Die Software lässt sich einfach installieren und ist kostenlos verfügbar, sodass wir hoffen, dass sie in Zukunft vielen Wissenschaftlern von Nutzen sein wird“, sagt Dr. Jonas Ries vom EMBL.

Originalpublikation:
Artur Speiser, Lucas-Raphael Müller, Philipp Hoess, Ulf Matti, Christopher J. Obara, Wesley R. Legant, Anna Kreshuk, Jakob H. Macke, Jonas Ries & Srinivas C. Turaga: Deep learning enables fast and dense single-molecule localization with high accuracy. Nature Methods.

Externer Link: www.uni-tuebingen.de

Mit Augmented Reality Spinnenangst bekämpfen

Medienmitteilung der Universität Basel vom 20.09.2021

Forschende der Universität Basel haben eine Augmented-Reality-App für Smartphones entwickelt, um Angst vor Spinnen zu reduzieren. Die App hat sich in einer klinischen Studie bereits bewährt: Schon nach wenigen Trainingseinheiten zuhause empfanden die Probanden weniger Angst vor realen Spinnen.

Die Angst vor Spinnen gehört zu den häufigsten Phobien. Betroffene versuchen, Situationen mit Spinnen zu vermeiden und leben deshalb mit einer Vielzahl von Einschränkungen. Sie verzichten etwa auf soziale Anlässe in der Natur, Zoobesuche oder bestimmte Reiseziele; sie kontrollieren Räume exzessiv auf Spinnen, oder meiden bestimmte Räume wie Keller oder Estrich komplett. Eine wirksame Behandlung gegen Spinnenangst stellt beispielsweise die Expositionstherapie dar, bei der sich Betroffene therapeutisch angeleitet den gefürchteten Situationen aussetzen. Dabei wird die Angst schrittweise abgebaut. Diese Therapie wird jedoch selten in Anspruch genommen, weil Betroffene sich nur ungern echten Spinnen aussetzen.

Das interdisziplinäre Forschungsteam um Prof. Dr. Dominique de Quervain hat Abhilfe geschaffen und die Smartphone-basierte Augmented-Reality-App Phobys entwickelt. Im Fachmagazin «Journal of Anxiety Disorders» berichten die Forschenden von vielversprechenden Ergebnissen mit dieser App gegen Spinnenphobie.

Phobys basiert auf der Expositionstherapie und verwendet ein realistisches 3D-Spinnenmodell, welches in die reale Welt projiziert wird. «Für Menschen, die Angst vor Spinnen haben, ist es leichter, sich einer virtuellen Spinne auszusetzten als einer echten», erklärt Anja Zimmer, Erstautorin der Studie.

Wirksamkeit in Studie überprüft

Zimmer und ihre Kollegen untersuchten die Wirksamkeit von Phobys in einer klinischen Studie mit 66 Probanden. Die an Spinnenangst leidenden Studienteilnehmenden absolvierten während zwei Wochen entweder sechs halbstündige Trainingseinheiten mit Phobys oder bekamen als Kontrollgruppe keine Intervention angeboten. Vor und nach der Behandlung näherten sich die Studienteilnehmenden einer echten Spinne in einer durchsichtigen Box so weit, wie es ihre Spinnenangst zuliess. Die Gruppe, die mit Phobys trainiert hatte, zeigte deutlich weniger Angst und Ekel in der realen Spinnensituation und war in der Lage, näher an die Spinne zu gelangen als die Kontrollgruppe.

Die App Phobys bietet neun verschiedene Levels, um der virtuellen Spinne näher zu kommen und mit ihr zu interagieren. Mit jedem Level werden die Aufgaben intensiver und damit schwieriger. Jedes Level endet mit einer Bewertung der eigenen Angst und des Ekels, und die App entscheidet, ob das Level wiederholt werden sollte oder zum nächsten fortgeschritten werden kann. Die App verwendet zudem spielerische Elemente, wie belohnende Feedbacks, Animationen und Soundeffekte, um die Motivation hoch zu halten.

Phobys gibt’s in den App Stores

Mithilfe der GeneGuide AG (Division MindGuide), einem Spin-off-Unternehmen der Universität Basel, wurde die App weiterentwickelt und ist nun in den App Stores für iPhones und Android-Smartphones erhältlich. Betroffene mit leichten Formen der Spinnenangst können die App in Eigenregie benutzen. Bei Menschen mit einer ausgeprägten Spinnenangst empfehlen die Forschenden die Nutzung der App nur in Begleitung einer Fachperson. Ob man Angst vor einer virtuellen Spinne hat, kann in der App gratis getestet werden. Das Training zur Reduktion der Spinnenangst ist in der App erwerbbar.

Die aktuelle Studie gehört zu einer Reihe von Projekten der Transfakultären Forschungsplattform Molecular and Cognitive Neurosciences, welche von Prof. Dr. Andreas Papassotiropoulos und Prof. Dr. Dominique de Quervain geleitet wird, die das Ziel verfolgen, die Behandlung von psychischen Störungen durch den Einsatz neuer Technologien zu verbessern und diese breit verfügbar zu machen.

Originalpublikation:
Anja Zimmer, Nan Wang, Merle K Ibach, Bernhard Fehlmann, Nathalie S Schicktanz, Dorothée Bentz, Tanja Michael, Andreas Papassotiropoulos, Dominique JF de Quervain
Effectiveness of a smartphone-based, augmented reality exposure app to reduce fear of spiders in real-life: A randomized controlled trial
Journal of Anxiety Disorders (2021)

Externer Link: www.unibas.ch