Mit der Digitalisierung des Gesundheitswesens wird die Künstliche Intelligenz (KI) auch im Gesundheitswesen immer präsenter, insbesondere in der entscheidenden Phase der Diagnostik. Die Diagnostik ist ein entscheidender Schritt auf dem Weg zum Patienten, der die Richtung der Behandlung vorgibt und sich als komplex und manchmal sehr langwierig erweisen kann, z. B. bei seltenen Erkrankungen oder wenn es keine einfachen Tests und Methoden für die Diagnose gibt.
Ärzte in vielen verschiedenen Fachgebieten können heute auf Künstliche Intelligenz zurückgreifen, um bei der Diagnose unterstützt zu werden, sei es zur besseren Orientierung, zur Beschleunigung des Prozesses oder zur Unterstützung ihrer Auswahl und Entscheidungsfindung. In diesem Artikel geht Alcimed auf die verschiedenen Lösungsansätze ein, die entwickelt wurden, sowie auf die Herausforderungen und Grenzen dieser neuen Werkzeuge.
Einfach ausgedrückt bezieht sich Künstliche Intelligenz auf Softwarelösungen, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliches Eingreifen erfordern. Diese Aufgaben können mehr oder weniger komplex sein und reichen von der Erkennung von Objekten oder Elementen bis hin zur Formulierung von Empfehlungen oder der Produktion von Inhalten und Konversationen.
Der Einsatz von Künstlicher Intelligenz ist besonders relevant für die Analyse und Verarbeitung großer Datenmengen und die Zusammenführung komplexer und heterogener Informationen. Dennoch bleibt die KI bislang eher ein Werkzeug für den Menschen. Daher ist die KI derzeit nicht in der Lage, selbstständig Diagnosen zu stellen und die damit verbundenen Verantwortlichkeiten zu übernehmen. Das Ziel ist vielmehr, die Entscheidungsfindung zu unterstützen, indem verschiedene Informationsquellen schnell und auf „selbstlernende“ Weise miteinander verknüpft werden, die Analysen durch faktenbasierte Statistiken unterstützt werden oder das Gesundheitspersonal auf spezifische oder subtile Punkte hingewiesen wird, wodurch es Zeit sparen kann.
Die medizinische Bildgebung ist ein Bereich, in dem große Mengen an oft heterogenen Daten und Informationen anfallen, die von Radiologen und allen anderen Fachleuten, die eine Diagnose stellen müssen, analysiert werden. So wurden beispielsweise im Jahr 2020 in Frankreich mehr als 10 Millionen bildgebende Verfahren (CT und MRT) in öffentlichen und privaten gemeinnützigen Einrichtungen durchgeführt [1].
Als Reaktion darauf wurden zahlreiche Tools zur Unterstützung der Analyse medizinischer Bildgebung entwickelt. Sie decken ein breites Spektrum an Fachgebieten (z. B. Krebsforschung, Angiologie, Kardiologie, Traumatologie…) und sämtliche bildgebende Verfahren (Röntgen, CT, MRT, Ultraschall) ab. Die Algorithmen werden anhand von Daten-Sets trainiert, die aus medizinischen Bildaufnahmen und klinischen und omischen Daten bestehen, die diese Aufnahmen beschreiben, und die sowohl gesunde als auch kranke Personen umfassen. Nach Abschluss des Lernprozesses können diese Tools:
Mithilfe dieser KI-Anwendungen können sich Spezialisten auf die wichtigsten Fälle konzentrieren und wertvolle Zeit sparen. Nicht-Spezialisten wiederum können Patienten besser durch den Diagnosepfad leiten.
Immer häufiger stützen Ärzte ihre medizinische Diagnostik auch auf Daten aus Gensequenzen. Genetische Analysen stellen nämlich eine zusätzliche Informationsquelle dar und werden beispielsweise in Frankreich durch den Plan France Médecine Génomique 2025 vorangetrieben, der für das Jahr 2020 die Erfassung von 235 000 Genomsequenzen pro Jahr vorsah.
Genetische Analysen sind aufgrund der großen Mengen an Daten oft sehr zeitaufwändig. Die entwickelten Algorithmen sind daher in der Lage, genetische Datensätze zu durchforsten und liefern eine begrenzte Liste von Varianten, die für genetische Syndrome verantwortlich sind, wodurch die Auswahl und damit die Dauer der Interpretation verringert werden.
Die zuletzt entwickelten Algorithmen enthalten außerdem Erklärungen der Ergebnisse, einschließlich der Priorisierung der Varianten. Dies ermöglicht es dem Arzt, die von der Künstlichen Intelligenz durchgeführten Analyse nachzuvollziehen und deren Zuverlässigkeit zu gewährleisten.
In den letzten Jahren ist die Zahl der Anwendungen Künstlicher Intelligenz in vielen Fachbereichen der Medizin explosionsartig gestiegen. In Frankreich wurden 2019 102 KI-Start-ups im Gesundheitswesen gezählt, im Vergleich dazu waren es 2020 bereits 191! Von diesen sind 59 im Bereich der Diagnoseunterstützung positioniert.
Doch auch wenn ihre Zahl wächst, stehen Unternehmen, die Künstliche Intelligenz als Diagnosehilfe einsetzen, vor zahlreichen Herausforderungen:
Trotz allem gibt es bereits erste Anzeichen, dass das Vertrauen wächst. Mehrere öffentliche und private Krankenhäuser setzen heute Entscheidungshilfen ein, die auf Künstlicher Intelligenz basieren. Die verwendeten Tools werden in die tägliche Arbeit der medizinischen Fachkräfte integriert, ohne diese zu ersetzen. Parallel dazu werden Projektausschreibungen zur Unterstützung von Innovationen veröffentlicht, beispielsweise in Frankreich auf Anregung der Challenge Grand Défi „Verbesserung der Diagnostik in der Medizin durch Künstliche Intelligenz“ der Regierung.
Zusammenfassend lässt sich sagen, dass KI-Anwendungen es bereits ermöglichen, Ärzte in ihrer Arbeit zu unterstützen. Sie helfen bei der Diagnose und machen diese zuverlässiger und schneller. Diese Anwendungen werden ständig verbessert, insbesondere um Erkrankungen früher zu erkennen, was eine frühere Behandlung und damit eine Verbesserung der Qualität der Pflege ermöglicht. Dennoch stehen ihre Erfinder noch vor zahlreichen Herausforderungen.
Zwar ist eine Zukunft ohne Ärzte derzeit weder denkbar noch vorgesehen, doch stellt sich die Frage, wer in Zukunft die rechtliche Verantwortung für die Betreuung der Patienten und die Wahl der eingesetzten Therapie tragen wird, wenn die KI die Quelle aller Entscheidungen ist.
Wir bei Alcimed sind von der Zukunft der Künstlichen Intelligenz in der Diagnoseunterstützung überzeugt. Unser Team unterstützt Sie gerne bei Ihren Projekten zum Einsatz von KI im Gesundheitswesen. Zögern Sie nicht, unser Team zu kontaktieren!
Über die Autorin,
Line, Consultant in Alcimeds Innovations- und Public Policy Team in Frankreich
Healthcare
Was ist KI in der medizinischen Bildgebung? Künstliche Intelligenz umfasst verschiedene Techniken wie Machine Learning und Deep Learning, die es Computern ermöglichen, aus Daten zu lernen und ...
Healthcare
Was sind die Anwendungen von Computer Vision im Gesundheitswesen? Anwendung Nr. 1: die medizinische Diagnostik revolutionieren Die medizinische Diagnostik basiert häufig auf der Analyse ...
Healthcare
Virtual Reality Exposure Therapy (VRET): eine VR-Anwendung zur Unterstützung der Behandlung von Patienten mit psychischen Erkrankungen Virtual-Reality-Therapie könnte Therapiesitzungen noch ...