Künstliche Intelligenz im Gesundheitswesen

Bei Künstlicher Intelligenz (KI) handelt es sich um eine empirische Disziplin und ein Teilgebiet der Informatik. Die Verarbeitungsgrundlage von KI sind große Datenmengen, die erkannt und sortiert werden. Dies erfolgt mittels programmierter Abläufe oder durch maschinelles beziehungsweise effizientes Lernen. Man spricht daher auch davon, dass KI menschliche kognitive Fähigkeiten imitiert. In der Medizin bieten medizinische KI-Systeme zahlreiche Chancen in den Bereichen Diagnostik, Therapie und Prävention, indem sie zum Beispiel dazu beitragen, die Qualität zu verbessern und Diagnosen zu erleichtern. Ärzt:innen bzw. Pfleger:innen können so auch von Routinearbeiten entlastet werden.

Datenschutzaspekte spielen bei der Nutzung von Patientendaten immer eine wichtige Rolle, damit keine Rückschlüsse auf Personen möglich sind. Diese müssen daher sachgerecht, unter Einhaltung des Datenschutzes nach der Datenschutz- Grundverordnung (DSGVO), berücksichtigt werden. Auf der anderen Seite benötigt die Forschung aber auch Gesundheitsdaten, um technische Innovationen und neue Ansätze im Versorgungsmanagement etablieren zu können. Daher sind die Rahmenbedingungen zur Nutzbarkeit von Daten entscheidend und sollten technische Qualitätskriterien wie Verlässlichkeit und ethisch-moralische Kriterien wie Transparenz berücksichtigen.

Der Begriff Big Data beschreibt zunächst besonders große und komplexe Datenmengen, die sich insbesondere durch ihre Schnelllebigkeit und eine geringe Strukturierung auszeichnen. Es sind daher Tools und Programme notwendig, um diese stetig weiter anwachsenden Datenmengen analysieren und in der Medizin nutzen zu können. Hierzu gehören neuartige Technologien wie das Maschinelle Lernen oder Grid Computing (Zusammenschluss lose gekoppelter Rechner). Es kommt auch vor, dass bereits mit dem Begriff Big Data Technologien beschrieben werden, die das Sammeln und Auswerten dieser Daten ermöglichen.

Im Gesundheitswesen bietet Big Data einen großen Nutzen für Patient:innen, Ärzt:innen und auch Forscher:innen. So lassen sich beispielsweise einzelne Krankheitsbilder und dazugehörige Heilungsverläufe quantitativ erfassen und analysieren. Es ist daher möglich, aus diesen Datenmengen eindeutige Handlungsempfehlungen für klinische Pfade, Therapie- und Behandlungsansätze zu entwickeln.

Maschinelles Lernen ist eine Untergruppe der KI. Mithilfe maschineller Lernverfahren können große Mengen an Daten schnell und präzise analysiert und verarbeitet werden. Dabei lernt ein Computer selbständig die Struktur von Daten kennen und lernt und optimiert anhand von Erfahrungen. Technisch betrachtet erlernt ein Algorithmus durch Wiederholung selbstständig das Erfüllen einer Aufgabe, indem sich die Maschine an einem vorgegebenen Gütekriterium und dem Informationsgehalt der Daten orientiert. Grundvoraussetzung für die komplexen Berechnungen von maschinellem Lernen sind die Verfügbarkeit von großen Datenmengen und hohen Rechenleistungen. Roboter können beispielsweise lernen, wie sie Objekte greifen müssen, um sie transportieren zu können. Ein weiteres Anwendungsgebiet für maschinelles Lernen ist Computer Vision zur Erkennung eines Merkmals oder Objekts im digitalen Bild.

Radiologie

Bei der Befundung von Röntgen-, CT- und MRT-Aufnahmen kann Künstliche Intelligenz bereits heute wertvolle Unterstützung bringen. Das System weist die Radiolog:innen auf Auffälligkeiten hin; so wird einerseits das Risiko menschlicher Fehler reduziert und gleichzeitig das ärztliche Personal entlastet. Fortgeschrittene Technologien können außerdem Bilder qualitativ nachbearbeiten und damit vermeiden, dass Untersuchungen wiederholt werden müssen. Mittels Radionomics werden riesige Datenmengen aus Bildgebungsverfahren, Molekulargenetik, Labormedizin und klinische Erkenntnisse miteinander verknüpft, um jede Tumorerkrankung individuell identifizieren zu können und daraus anhand von Vorhersagemodellen personalisierte Behandlungsstrategien und ihre Erfolgswahrscheinlichkeiten ableiten zu können.

Dermatologie

Auch in der Dermatologie findet Künstliche Intelligenz bereits Anwendung und kann, aufgrund der trainierten maschinellen Analyse von Bildern, zur Verbesserung der Sensibilität und Genauigkeit von Haut-Screenings beitragen. Dermatolog: innen können so bei ihrer Einschätzung zwischen gut- oder bösartigen Hautveränderungen unterstützt werden.

Aber auch Versicherte erhalten mit Smartphone-Apps zur Diagnose von Hautkrebs Unterstützung in einer möglichen Vorbewertung und Entscheidung, eine Ärztin oder einen Arzt aufzusuchen. Die Apps sind seit einigen Jahren auf dem Markt verfügbar und verwenden KI zur Risikobewertung einer Hauterkrankung. Angesichts von Wartezeiten auf einen Hautarzttermin oder auch in ländlichen Regionen kann dies ein sinnvoller Beitrag zur Verbesserung der Versorgung sein. Es ist daher besonders wichtig, dass KI-Anwendungen möglichst allen Versicherten offenstehen, wenn sie qualitativ hochwertig sind. Denn sonst besteht das Risiko, dass falsche Diagnosen unnötige Ängste und Arztbesuche auslösen.

ChatGPT und andere Produkte wie Google Bard sind Chatbots, die mit KI-gestützten Sprachmodellen (Large Language Models – LLM) arbeiten. Die Kommunikation erfolgt dabei per Text- oder Spracheingabe.

Im medizinischen Bereich können Chatbots bereits heute in Form von Apps heruntergeladen werden, in die mögliche Symptome eingegeben werden. Die Nutzer: innen werden anschließend in der Einschätzung ihrer Symptome bzw. möglichen Diagnose unterstützt. Dabei kann das System auch anzeigen, für wie wahrscheinlich es jede einzelne Diagnosemöglichkeit hält. Aus technischer Sicht liegen auch hier Algorithmen zugrunde, die auf Basis der Eingaben in der Datenbank die passenden Informationen nachschlagen.

Zukünftig werden derartige Produkte auch in der Lage sein, auf Basis umfangreicher medizinischer Datenbanken Ärzt:innen Hinweise zu Diagnostik und Therapie zu geben, während diese die Anamnese im Praxisverwaltungssystem dokumentieren. Allerdings müssen solche Systeme vor ihrem Einsatz hinsichtlich ihres Nutzens- und Schadenspotenzials geprüft werden, um Falschinformationen – zum Beispiel durch Halluzinieren“ der KI – auszuschließen.