KI in der Medizin

von | 17. Juni 2020 | Grundlagen

Was ist künstliche Intelligenz

Künstliche Intelligenz (Abkürzung KI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenten Verhaltens und maschinellem Lernen befasst. In der Praxis wird KI häufig als Sammelbegriff für algorithmische Systeme verwendet, die spezifische Aufgaben lösen können. Der Begriff der künstlichen Intelligenz wird im Allgemeinen sehr weit verwendet. Grund dafür ist, dass er mangels einer genauen Definition von Intelligenz nicht eindeutig abgrenzbar ist.

Sehr häufig werden künstliche Intelligenz und Machine Learning (Maschinelles Lernen) synonym gebraucht. Genau genommen handelt es sich beim Machine Learning jedoch um einen Teilbereich der künstlichen Intelligenz, in dem ein künstliches System aus zahlreichen Beispielen Regeln erlernt, die es in der Folge verallgemeinern kann. Vereinfacht gesagt ist Machine Learning somit die Schaffung eines computergesteuerten Systems, das Lösungswege für ein wiederkehrendes Problem selbst erlernen kann.

Möglichkeiten von KI in der Medizin

Medizintechnik

Die Medizintechnik ist einer der Teilbereiche in denen KI in der Medizin bereits seit längerem und in vielfältiger Weise eingesetzt wird. Eine Reihe medizintechnischer Systeme auf Basis künstlicher Intelligenz hat bereits in den USA und in Europa die Zulassung als Medizinprodukt erhalten. Der Einsatz von KI in der Medizintechnik ist in allen Phasen der Patientenversorgung möglich. Er beginnt in der Prävention und reicht über das Screening, die Diagnose, die Therapieplanung und die Therapie bis hin zur Nachsorge und Rehabilitation.

Sehr häufig werden Systeme auf Basis künstlicher Intelligenz im Bereich der Prävention eingesetzt, beispielsweise in Form von Gesundheitsassistenten, die Menschen zu einer gesünderen Lebensweise animieren. Ein sehr breites Anwendungsgebiet für KI in der Medizintechnik ist die diagnostische Bildgebung. KI-basierte Systeme sind heutzutage sehr gut in der Lage, auffällige Bildbereiche zu identifizieren. In der Strahlentherapie von Krebs können KI-Systeme optimierte Bestrahlungspläne vorschlagen. Im Fachbereich der Kardiologie sind Systeme künstlicher Intelligenz bereits imstande, auf Grundlage von Langzeit-EKGs Herzrhythmusstörungen zu entdecken. In der Anästhesie können auf Basis von intelligenten Systemen frühzeitig lebensbedrohliche Zustände erkannt werden. Im Fachgebiet der Dermatologie werden KI-Systeme dafür eingesetzt, bösartige Hautveränderungen zu entdecken. In der Neurologie wird künstliche Intelligenz angewandt, um epileptische Anfälle vorherzusagen. Und in der Endokrinologie können sich Diabetes-Patienten durch Machine Learning Systeme bei ihrer Therapie beraten lassen.

Medizinische Diagnostik

Die genaue Diagnose von Krankheiten ist in vielen Fachgebieten eine der schwierigsten Fragestellungen der Medizin. Sie erfordert in der Regel nicht nur eine langwierige Ausbildung, sondern auch jahrelange Erfahrung eines Arztes. In seiner Diagnose stützt sich ein Arzt nicht selten auf den reichhaltigen Erfahrungsschatz, den er im Laufe seiner Laufbahn erworben hat.

An dieser Stelle kommen die Vorteile künstlicher Intelligenz ins Spiel. Leistungsstarke Computersysteme können in Verbindung mit großen Datenbanken eine große Hilfe bei der Diagnose vieler Krankheiten sein. Die Fortschritte der letzten Jahre im Bereich des Machine Learnings erlauben es, KI in immer mehr Bereichen der medizinischen Diagnostik erfolgversprechend einzusetzen.

Ähnlich wie ein erfahrener Arzt können Machine Learning Algorithmen selbständig lernen, bestimmte Krankheitsmuster zu erkennen. Im Unterschied zu einem Arzt, der in seinem Leben nur einige Hundert oder Tausend Fälle einer Krankheit zu Gesicht bekommen hat bzw. wird, können KI-Systeme mit abertausenden Daten gefüttert werden und auf dieser Basis ihre Diagnosefähigkeit trainieren und kontinuierlich verbessern.

Vor diesem Hintergrund lässt sich KI in der Medizin besonders in denjenigen Bereichen gut einsetzen, wo diagnostische Informationen bereits in großer Anzahl in digitaler Form vorliegen. Dies ist beispielsweise bei CT-Scans, Elektrokardiogrammen, Hautbildern und Herz-MRT-Aufnahmen der Fall. So sind KI-Systeme bereits heute in der Lage, Lungenkrebs oder Schlaganfälle auf Basis von CT-Scans zu diagnostizieren, Hautläsionen anhand von Hautbildern zu klassifizieren oder das Risiko eines plötzlichen Herztodes oder einer anderen Herzerkrankung auf Grundlage von Elektrokardiogrammen und Herz-MRT-Aufnahmen festzustellen.

In der bislang größten international durchgeführten Studie von PwC „Sherlock in Health“ zur automatisierten Hautkrebserkennung wurden 511 Mediziner aus 63 Ländern mit 139 Computeralgorithmen verglichen. Zielsetzung war die Diagnose von Hautkrebs auf Basis von dermatoskopischen Bildern der sieben häufigsten pigmentierten Hautveränderungen. In der Studie schnitten die Computeralgorithmen deutlich besser ab als die Mediziner. Sogar durchschnittliche Algorithmen zeigten ähnlich gute oder sogar bessere Leistungen als menschliche Ärzte.

Diese und viele weitere in jüngster Vergangenheit durchgeführte Studien machen Hoffnung, dass der Einsatz von KI in der Medizin in Zukunft zu großen Fortschritten in der Qualität und Schnelligkeit von Diagnosen führen wird. Ein Computeralgorithmus ist nicht nur schneller als ein Mensch, er ist auch kostengünstiger und kann ortsunabhängig eingesetzt werden. Dies ermöglicht vor allem Staaten mit unterentwickelten Gesundheitssystemen in Zukunft die Teilhabe an wissenschaftlichen Erkenntnissen, die dort bislang kaum oder gar nicht in der Praxis angewandt werden konnten.

Trotz aller Fortschritte in der Computertechnik sollten die Hoffnungen in Bezug auf den Einsatz von künstlicher Intelligenz in der medizinischen Diagnostik nicht übertrieben werden. Es ist nach wie vor eher unwahrscheinlich, dass in den kommenden Jahren KI Ärzte auf breiter Front ersetzen wird. Vielmehr wird es zu einer Symbiose von Mensch und Technik in der Diagnose von Krankheiten kommen. Ärzte werden sich zukünftig immer stärker in ihrer Diagnose von Computersystemen unterstützen lassen. Voraussetzung dafür ist jedoch, dass die Ärzte nachvollziehen können, auf welcher Basis die Computeralgorithmen zu einer gewissen Einschätzung gekommen sind. Nur so können Menschen etwaige auftretende Fehleinschätzungen von Maschinen korrigieren und deren Algorithmen weiter verbessern.

Herstellung von Medikamenten

Einer der größten und vielversprechendsten Einsatzbereiche von KI in der Medizin ist die Herstellung von Medikamenten. Die Entwicklung von Arzneimitteln ist nicht nur ein zeitaufwendiges, sondern auch ein sehr kostspieliges Unterfangen. Da der Prozess der Medikamentenentwicklung jedoch aus sehr vielen analytischen Einzelschritten besteht, in denen mit einer großen Datenbasis gearbeitet wird, sind Machine Learning Systeme geradezu prädestiniert dafür, in der Arzneimittelforschung eingesetzt zu werden.

Die pharmazeutische Praxis zeigt, dass künstliche Intelligenz in allen Stufen der Medikamentenentwicklung erfolgreich eingesetzt werden kann. Dies beginnt in der Identifizierung der sogenannten Interventionsziele. Grundlage der Entwicklung eines Arzneimittels ist das Verständnis des biologischen Ursprungs einer Krankheit und ihrer Resistenzmechanismen. Sofern dieses Verständnis gegeben ist, können Targets (meist Proteine) zur Behandlung der Krankheit identifiziert werden. Die inzwischen große Verfügbarkeit von High-Throughput-Screening-Verfahren, bei denen im Hochdurchsatz an vielen Tausenden von Substanzen biochemische, genetische und pharmakologische Tests durchgeführt werden, ist eine ausgezeichnete Datenbasis für den Einsatz von Machine Learning Systemen zur Identifizierung von Zielproteinen.

In Stufe 2 der Arzneimittelentwicklung muss eine geeignete Verbindung gefunden werden, die mit dem identifizierten Zielmolekül in der gewünschten Weise interagiert. Auch in dieser Stufe müssen eine enorme Anzahl potenzieller Verbindungen auf ihre Wirkung und ebenso ihre Nebenwirkungen hin untersucht werden. Aufgrund ihrer Lernfähigkeit sind Machine Learning Systeme in der Lage, Millionen von Zielmolekülen zu durchleuchten und zu beurteilen und auf Basis eines Trial and Error Prozesses immer bessere Moleküle mit größerer Wirkung und geringeren Nebenwirkungen zu identifizieren. Besonders diese Stufe birgt ein enormes zeitliches und finanzielles Einsparpotenzial in der Entwicklung von Arzneimitteln.

Auch die Durchführung klinischer Studien (Stufe 3 der Medikamentenentwicklung) kann durch den Einsatz von KI massiv beschleunigt werden. Bei den meisten klinischen Studien ist die Identifizierung geeigneter Testpersonen nach wie vor ein Problem, das in der Praxis zu Zeitverzögerungen bei der Zulassung von Medikamenten führt. Machine Learning kann die Umsetzung klinischer Studien beschleunigen, in dem Computersysteme automatisch geeignete Testpersonen identifizieren und auf eine sinnvolle Zusammenstellung der Gruppen von Studienteilnehmern achten.

Und nicht zuletzt kann KI auch in der vierten Stufe der Arzneimittelentwicklung unterstützen, bei der es um die Auffindung von Biomarkern für die Diagnose einer Krankheit geht. Bei Biomarkern handelt es sich um Moleküle in Körperflüssigkeiten, anhand derer Krankheiten eindeutig festgestellt werden können. Der Prozess, geeignete Biomarker für eine bestimmte Krankheit zu identifizieren, ist oftmals zeitaufwendig und kostspielig. KI kann wertvolle Dienste bei der Klassifizierung von Molekülen in geeignete und ungeeignete Biomarker leisten.

Personalisierte Behandlung

Jeder Mensch reagiert unterschiedlich auf den Einsatz von Medikamenten und sonstigen Therapiemöglichkeiten. Eine personalisierte Behandlung von Patienten könnte in vielen Bereichen der Medizin eines der größten Potenziale zur Verbesserung der individuellen Therapien und letztlich zur Steigerung der Lebenserwartung und der Lebensqualität der betroffenen Menschen bieten. Vor allem bei komplexen Therapien, wie beispielsweise bei Krebserkrankungen, bietet die personalisierte Behandlung enormes Potenzial.

Derzeit ist die Bestimmung der Faktoren zur personalisierten Behandlung jedoch vielfach aufgrund technischer oder finanzieller Einschränkungen nicht umsetzbar. Der Einsatz von KI in der Medizin kann dafür sorgen, diese Einschränkungen in Zukunft zu verringern. KI-Systeme können aufgrund ihrer Analyse- und Lernfähigkeiten herausfinden, welche Faktoren bei einem Patienten ausschlaggebend dafür sind, dass er gut oder schlecht auf eine bestimmte Therapie anspricht. Durch den Vergleich von Tausenden Datensätzen von Patienten sind KI-Systeme in der Lage, gegebenenfalls vorhandene Muster in der personalisierten Behandlung zu erkennen und somit Ärzte dabei zu unterstützten, einen individuellen Behandlungsplan zu entwerfen.

Verbesserung der Genbearbeitung

Unter der Genbearbeitung wird das Einfügen, Löschen oder der Austausch von Gensequenzen in der DNS verstanden, die zu einer Änderung der Funktionsweise des Organismus führen. Der größte Entwicklungssprung auf diesem Fachgebiet fand 2012 mit der Entdeckung von CRISPR statt. Wissenschaftler entdeckten, dass bestimmte Bakterien die Genbearbeitung als Abwehrmechanismus nutzen und erkannten, dass sie diese Fähigkeit zur selektiven Bearbeitung von DNS anwenden konnten.

CRISPR stellte sich als viel schneller, einfacher und kostengünstiger als andere Ansätze der Genbearbeitung heraus. Doch die Methode ist nicht ohne Fallstricke. Eine der Hauptschwierigkeiten ist die Identifikation derjenigen Genabschnitte mit den geringsten unbeabsichtigten Nebenwirkungen. Machine Learning Systeme können die wissenschaftliche Forschung in dieser Frage sehr effektiv unterstützen und die Prüfung der Genbearbeitung auf Nebenwirkungen erheblich beschleunigen.

Psychologie

Die Psychologie ist derjenige Fachbereich, in der KI in der Medizin die geringsten Einsatzmöglichkeiten bescheinigt werden. Über 80 Prozent der Psychologen halten es einer Befragung zufolge für unwahrscheinlich, dass eine künstliche Intelligenz jemals in der Lage sein werde, eine angemessene psychologische oder psychiatrische Behandlung durchzuführen. KI-Systeme können zwar auf Basis von Daten gewisse Diagnose- und Prognosefähigkeiten entwickeln, nicht jedoch fachliche Fähigkeiten erlernen, die essenziell für die Durchführung einer psychologischen oder psychotherapeutischen Behandlung sind.

Krebsforschung

Krebserkrankungen sind einer der Fachbereiche, in denen sich Ärzte die größte Unterstützung durch den Einsatz von KI in der Medizin erwarten. Krebserkrankungen sind nicht nur besonders weit in der Bevölkerung verbreitet, sie produzieren im Rahmen der Diagnose und Therapie auch sehr große Datenmengen. Bei Krebspatienten müssen Röntgenbilder, Gewebeproben, Tumormarker im Blut sowie genetische Informationen richtig verarbeitet und interpretiert werden. Eine Leistung, die viel Arbeit bzw. Rechenleistung erfordert. KI-Systeme sind bereits heute in der Lage, Onkologen bei der Auswertung medizinischer Bilder, von Gensequenzen und Gewebeproben zu unterstützen. Ihre hohe Rechenleistung und ihre Lernfähigkeit machen sie zu einem idealen Hilfswerkzeug in der Erkennung und der Behandlung von Krebs.

Die Qualität und Zuverlässigkeit von KI-Systemen im Kampf gegen den Krebs konnte bereits im Rahmen mehrerer Studien nachgewiesen werden. In einer Studie mit MRT-Bildern konnte ein KI-System tumorverdächtige Hirnareale genauso sicher erkennen wie erfahrene Ärzte. Und in einer weiteren Untersuchung auf Basis von 2.000 MRT-Bildern war ein KI-System sogar besser in der Lage als Ärzte, das Ansprechen der Patienten auf die Therapie zu beurteilen.

Im klinischen Alltag spielen KI-Systeme derzeit noch eine Nebenrolle in der Behandlung von Krebs. Das liegt an mehreren Aspekten. Zum einen ist Krebs aufgrund seiner Schwere eine sehr emotionale Angelegenheit, die bis auf Weiteres nur von Menschen beurteilt werden kann. Computer haben (noch) keine Empathie und können sich deshalb nicht in die Lage von Krebspatienten hineinversetzen. Zum anderen müssen KI-Systeme für einen breiten Einsatz mit Daten aus unterschiedlichen Kliniken trainiert werden. Dieser Datenaustausch ist in der Praxis häufig noch nicht gegeben.

Trotz dieser Schwierigkeiten wird in vielen Bereichen mit Hochdruck an weiteren Anwendungen von KI bei Krebserkrankungen geforscht. Mithilfe von künstlicher Intelligenz sollen Ärzte in naher Zukunft in die Lage versetzt werden, ein genaues Profil von Krebszellen zu erstellen. Auf dieser Basis lassen sich in der Folge patientenindividuell die effektivsten Medikamente und Therapieformen definieren.

Triage Bots

Triage Bots sind ein noch sehr junges Anwendungsfeld von KI in der Medizin. Bei einem Triage Bot handelt es sich um einen intelligenten Chatbot, der Menschen auf Grundlage bestimmter von ihnen zur Verfügung gestellten Daten eine Ersteinschätzung (Triage) in Bezug auf eine möglicherweise vorhandene Erkrankung geben kann.

Für Privatpersonen können Triage Bots eine große praktische Hilfe darstellen. Die meisten Menschen sind mit der Situation vertraut, dass sie im Internet nach Symptomen einer Krankheit suchen, mit denen sie oder ein Familienmitglied aktuell konfrontiert sind. Das Internet ist jedoch in den meisten Fällen eine denkbar schlechte Quelle zur medizinischen Eigendiagnostik. Abhilfe sollen in Zukunft Triage Bots schaffen.

Auf Basis der Symptome, die eine Person dem Triage Bot zur Verfügung stellt, kann das dem Bot zugrundelegende KI-System der Person weiterführende Fragen stellen, die zu einer genaueren Diagnose der möglichen Erkrankung notwendig sind. Am Ende dieses Prozesses kann der Triage Bot der Person eine Ersteinschätzung seines Zustandes geben und eine Empfehlung aussprechen, ob ein Arztbesuch oder gar eine Fahrt in die Notaufnahme des nächsten Krankenhauses erforderlich ist oder nicht.

Triage Bots sind eine der umstrittensten Anwendungsbereiche von KI in der Medizin. Während manche Experten in ihnen einen völlig unqualifizierten Ersatz von Ärzten sehen, sind andere hingegen der Meinung, dass die Bots eine wertvolle Hilfestellung für Menschen sein können, die gerade keinen Zugriff auf einen Arzt haben.

Covid-19

Künstliche Intelligenz hat sich auch im Kampf gegen die Coronavirus-Pandemie bereits als bedeutendes Instrument erwiesen. Machine Learning Systeme werden weltweit dafür eingesetzt, Risikogruppen schnellstmöglich zu identifizieren. Dabei wird nicht nur bestimmt, wie hoch das Risiko einer Person ist, an COVID-19 zu erkranken, sondern auch das Risiko beurteilt, wie hoch das Risiko eines schweren Verlaufs der Krankheit ist.

Ein weiterer Teilbereich, in dem KI gegen die Ausbreitung des Coronavirus eingesetzt werden kann, ist die Patientendiagnose. Aufgrund der dabei anfallenden riesigen Datenmengen eignen sich Machine Learning Systeme hervorragend, Menschen mit Virussymptomen frühzeitig zu erkennen. So können KI-Systeme beispielsweise dafür eingesetzt werden, über eine Gesichtserkennung festzustellen, ob Menschen Fieber haben oder nicht.

Machine Learning Systeme sind ein ebenso mächtiges Werkzeug in der Identifikation vorhandener Medikamente mit einer mehr oder weniger hohen Wirksamkeit gegen das Coronavirus. Mithilfe von Language Processing lassen sich Millionen wissenschaftlicher Artikel durchforsten und aus ihnen biomedizinische Netzwerke erstellen, die Medikamente und Proteine sinnvoll miteinander in Beziehung setzen. Auch die Wechselwirkungen zwischen Medikamenten und viralen Proteinen lassen sich durch Machine Learning Systeme vorhersagen.

Auch wir, die Alexander Thamm GmbH arbeitet gemeinsam mit der Ludwig Maximilian Universität München an Frühwarnsystemen für Corona-Neuinfektionen. Ziel ist die Vorhersage tagesaktueller Infektionszahlen, damit regionale Gesundheitsbehörden frühzeitig geeignete Maßnahmen gegen eine weitere Ausbreitung des Virus treffen oder bestehende Beschränkungen lockern können. Die Methode wird zudem den datenbasierten Informationsfluss für Behörden optimieren und könnte künftig auch in anderen medizinischen Bereichen Anwendung finden.

Und nicht zuletzt werden KI-Systeme auch dazu verwendet, die Wirte von Viren in der Natur zu identifizieren und auf dieser Grundlage die nächste Virus-Pandemie vorherzusagen. Mithilfe von Machine Learning Systemen lassen sich diejenigen Virenstämme schneller identifizieren, die ein höheres Potenzial haben, auf den Menschen überzuspringen.

Whitepaper KI in der Medizin

Kostenloses Whitepaper

Wir haben alle wichtigen Inhalte für Sie aufbereitet und zusammengefasst. Das Whitepaper beinhaltet folgende Punkte:

  • Erklärung Grundbegriffe
  • Einstieg KI in der Medizin
  • Einsatzgebiete
  • Use Cases
  • Der Stand der Forschung
Jetzt downloaden

Voraussetzungen für die Anwendung von KI in der Medizin

Wichtigste Voraussetzung für die Anwendung von KI in der Medizin ist die Datenverfügbarkeit. Alle Systeme künstlicher Intelligenz basieren auf der Analyse von Datensätzen. Grundsätzlich gilt, je größer der zugrundeliegende Datensatz, desto größer die Analysefähigkeit und Erfolgswahrscheinlichkeit des KI-Systems.

In der Praxis bedeutet dies, dass alle im Gesundheitssystem tätigen Parteien (Hausärzte, Fachärzte, Kliniken, Krankenkassen, etc.) in einem ersten Schritt ihre vorhandenen Daten digitalisieren müssen. In einem zweiten Schritt muss über einheitliche Datenformate oder standardisierte Schnittstellen sichergestellt werden, dass die Daten reibungslos zwischen allen Parteien ausgetauscht werden können. Für einen sinnvollen und großflächigen Einsatz von KI in der Medizin müssen Daten möglichst flächendeckend und strukturiert zur Verfügung stehen. Die Datenhoheit einzelner Parteien oder gar Dateninseln, die in keinem Datenaustausch mit anderen Beteiligten stehen, führen dazu, dass die auswertbare Grundgesamtheit zu klein ist für den sinnvollen Einsatz von KI in der Medizin.

Neben der Qualität und der Kompatibilität von Daten müssen im Zusammenhang mit dem Einsatz von KI in der Medizin allerdings auch eine Reihe ethischer, gesellschaftlicher und rechtlicher Fragestellungen geklärt werden. Ganz zentral unter den Voraussetzungen für die Anwendung von KI in der Medizin ist die Frage nach dem adäquaten Datenschutz. Der Einsatz künstlicher Intelligenz sollte weitestgehend auf Basis anonymisierter Patientendaten erfolgen. Zu groß ist die Gefahr, dass Daten missbräuchlich abgegriffen und verwendet werden.

Rahmenbedingungen

Der Einsatz von KI in der Medizin erfordert ein Netz an Rahmenbedingungen in unterschiedlichen Bereichen. Wie bereits im letzten Abschnitt angeschnitten, tangiert künstliche Intelligenz nicht nur rein medizinische, sondern auch ethische, gesellschaftliche und rechtliche Fragestellungen. Diese müssen vor dem Einsatz von KI in der Medizin mit allen beteiligten Parteien ausreichend diskutiert und im Rahmen eines gesellschaftlichen Gesamtkonsenses in Gesetze und Leitlinien gegossen werden.

Um die erforderlichen Rahmenbedingungen für den Einsatz von KI in der Medizin zu schaffen, hat das Bundesministerium für Bildung und Forschung die sogenannte Medizininformatik-Initiative auf den Weg gebracht. Die Initiative soll die Voraussetzungen dafür schaffen, dass in Zukunft jeder Arzt, jeder Patient und jeder Forscher in Zukunft Zugang zu den für ihn erforderlichen Informationen hat. Im Rahmen der Initiative arbeiten alle Universitätskliniken Deutschlands gemeinsam mit Forschungseinrichtungen, Krankenkassen, Unternehmen und Patientenvertretern daran, die Rahmenbedingungen zu entwickeln, damit zukünftig die Erkenntnisse aus der Forschung direkt Patienten zugänglich gemacht werden können.

Um dieses Ziel zu erreichen, wird daran gearbeitet, Forschungs- und Versorgungsdaten standortübergreifend miteinander zu verknüpfen. Gleichzeitig sollen innovative IT-Lösungen entwickelt werden, die alle Möglichkeiten digitaler Dienstleistungen im Gesundheitsbereich ausschöpfen sollen.

Der digitale Zwilling in der Medizin

Unter einem digitalen Zwilling wird das virtuelle Abbild eines Patienten verstanden. Ein digitaler Zwilling soll es in der Zukunft erleichtern, Arzneimittel und sonstige Medizinprodukte gefahrlos an Patienten zu testen. Der digitale Zwilling ist, wenn man so will, eine der wesentlichen Grundlagen für Modelle der personalisierten Medizin. Die Vision von Ärzten und Wissenschaftlern geht so weit, dass bei zukünftigen Krankenhausbesuchen eines Patienten der digitale Zwilling bereits vor Ort ist. Der Zwilling stellt dem Krankenhaus alle bisherigen Untersuchungsergebnisse, Informationen über Vorerkrankungen und Operationen sowie genetischen Daten bereit, sodass sich die Ärzte ein vollumfängliches Bild des Patienten und seines Krankheitsverlaufs machen können. Während der Diagnostik und Therapie werden die Informationen des digitalen Zwillings mit Datenmodellen des Krankheitsbildes verglichen, um eine möglichst individuelle und effektive Therapie sicherzustellen.

Doch dem großen Vorteil des risikolosen Testens von Medikamenten bzw. Medizinprodukten und der Informationsbereitstellung im Gesundheitswesen stehen noch viele ungeklärte rechtliche Fragen entgegen. Bezieht der digitale Zwilling Informationen über einen konkreten Patienten ein, ist das Recht auf informationelle Selbstbestimmung gegeben. Personenbezogene Daten mit Gesundheitsbezug sind durch die Datenschutzgrundverordnung besonders stark geschützt. Ein Einwilligen des Patienten zur Weitergabe seiner persönlichen Daten in ist aller Regel erforderlich.

Stand heute / Stand der Forschung

Trotz aller spektakulärer Erfolgsmeldungen der letzten Jahre steckt der Einsatz von KI in der Medizin nach wie vor in den Kinderschuhen. Vorreiter in der Anwendung von künstlicher Intelligenz in der Medizin ist das Fachgebiet der Radiologie. CT-, MRT- und Röntgen-Aufnahmen eignen sich besonders gut für die Analyse durch Machine Learning Systeme. Neben der im Abschnitt zur medizinischen Diagnostik dargestellten Studie zur automatisierten Hautkrebserkrankung wurden in den letzten Jahren eine Reihe weiterer vergleichender Untersuchungen durchgeführt.

In einer Studie der Universität Stanford in den USA konnte gezeigt werden, dass ein Algorithmus 14 Erkrankungen der Lunge und des Brustkorbs besser erkennen konnte als Radiologen. An der Universität von Yokohama in Japan haben Ärzte endoskopische Videoaufnahmen von Darmspiegelungen mithilfe von KI-Systemen ausgewertet und dabei bösartige Polypen fast genauso sicher erkannt wie nach einer pathologischen Untersuchung.

Einige Machine Learning Systeme sind weltweit bereits im täglich Einsatz. Am Massachusetts General Hospital in Boston wird künstliche Intelligenz bei der Analyse von Röntgenaufnahmen der Brust eingesetzt. Und in Deutschland ist das Melanom-Diagnosesystem der Universität Heidelberg in Dutzenden Arztpraxen in Verwendung.

Die Vorteile

Wie in den vorangegangenen Abschnitten dargestellt, bringt der Einsatz von KI in der Medizin eine Vielzahl von Vorteilen mit sich. Allen voran können KI-Systeme in vielen medizinischen Fachrichtungen und vor allem in der Arzneimittelentwicklung wesentliche Zeit- und Kosteneinsparungen bewirken. Die Analyse großer und komplexer Datenmengen kann für eine schnellere (Früh-)Diagnose von Erkrankungen sorgen. Zudem können KI-System sehr sinnvoll bei der Wahl der optimalen Therapiemethode eingesetzt werden.

Insgesamt stellen Systeme der KI in der Medizin eine Arbeitsentlastung und -erleichterung von Ärzten dar. Dies hat zur Folge, dass Ärzte ihre knappe Zeit auf diejenigen Fragestellungen fokussieren können, in denen computerbasierte Systeme noch keine Unterstützung bieten können. Und nicht zuletzt besitzt KI in der Medizin ein großes Potenzial für Länder bzw. Regionen, in denen das Gesundheitswesen nicht besonders gut entwickelt ist. Besonders in Gegenden mit einer niedrigen Ärztedichte kann der Einsatz von KI in der Medizin dazu beitragen, dass Ärzte so weit wie möglich in der Diagnose und Therapie von KI-Systemen entlastet werden.


Die Nachteile

Die beiden großen Risiken und Herausforderungen von KI in der Medizin sind der Datenschutz und das Verständnis der Algorithmen. Der Datenschutz ist primär eine rechtliche Fragestellung, bei der sichergestellt werden muss, dass Patienten nach wie vor die Hoheit über ihre gesundheitsbezogenen Daten behalten. Die Herausforderung in Bezug auf das Verständnis der Algorithmen lautet, dass Wissenschaftler und Ärzte Machine Learning Systemen kein blindes Vertrauen entgegenbringen sollten und Diagnose und Therapie nicht durch ein „Black Box“ KI-System geliefert werden dürfen. In Europa gibt es beispielsweise noch keine Richtlinien für die Zulassung von lernfähigen Diagnosesystemen. Die USA sind in dieser Beziehung bereits einen Schritt weiter.

Vor-Nachteile-KI-Medizin

Fazit

Die Medizin ist einer der größten und vielversprechendsten Anwendungsbereiche von künstlicher Intelligenz. Der Einsatz von KI in der Medizin kann dazu beitragen, Krankheiten genauer zu diagnostizieren, Medikamente schneller zu entwickeln, Gene zielgenau zu editieren, Therapien zu personalisieren und Patienten Hilfestellungen bei der Selbstdiagnose an die Hand zu geben. Die Anwendung von KI in der Medizin hat in den letzten Jahren bereits zu einigen viel beachteten Erfolgen geführt. Trotzdem steckt die künstliche Intelligenz wie in allen Anwendungsbereichen auch in der Medizin noch in den Kinderschuhen. Aufgrund des stetig wachsenden Datenvolumens und der immer leistungsfähigeren Algorithmen werden KI-Systeme in naher Zukunft weitere Aufgaben in der Medizin übernehmen können und zu einem effizienteren, kostengünstigeren und vor allem intelligenteren Gesundheitswesen beitragen.

Autor:innen

[at] REDAKTION

Unsere AT Redaktion besteht aus verschiedenen Mitarbeitern, die mit größter Sorgfalt und nach Bestem Wissen und Gewissen die entsprechenden Blogartikel ausarbeiten. Unsere Experten aus dem jeweiligen Fachgebiet versorgen Sie regelmäßig mit aktuellen Beiträgen aus dem Data Science und AI Bereich. Wir wünschen viel Freude beim Lesen.

0 Kommentare