Thought Leadership
Die Gesundheitsbranche will künstliche Intelligenz vor allem für bessere Diagnosen und Therapien nutzen. Weitere Felder zeichnen sich ab – und Herausforderungen.
Ein Arzt gibt die Symptome in den Rechner ein, IBM Watson diagnostiziert die Krankheit und listet die Therapie auf. Geschehen 2016, als der Supercomputer eine seltene Leukämie bei einer japanischen Patientin erkannte, worüber unter anderem die Süddeutsche Zeitung berichtete. Watson kombiniert künstliche Intelligenz (KI) und anspruchsvolle analytische Software. Der Superrechner nutzt Suchmaschinen und Expertensysteme für die komplexe Analyse von Texten, Studien, Datenbanken sowie Patientenakten.
Andere KI-Systeme finden Tumore auf CT- und MRT-Scans, erkennen Hautkrebs in der Dermatologie und Lungenerkrankungen auf Röntgenaufnahmen. Die KI-Diagnosen liegen viel schneller vor und können oft genauer sein als die von Fachärzten. Eine solche Anwendung kann mehr CT-, MRT- und andere Referenzdaten berechnen, als ein Arzt in seiner ganzen Karriere je sehen wird.
Optimisten haben daher bereits eine Vision vor Augen, nach der das gesamte aktuelle Medizinwissen in jeder Praxis abrufbar ist. Der Hausarzt nutzt demnach künftig die Ergebnisse, die ihm ein KI-System als fachliche Zweitmeinung liefert. Eine Entwicklung in diese Richtung setzt voraus, dass wir uns auf Resultate einlassen, die nur schwer nachvollziehbar sind. Ein Expertensystem fällt nach definierten Regeln Entscheidungen, es arbeitet also transparent, erkennt jedoch keine Muster in Röntgenbildern und lernt nicht hinzu. Für diese Aufgabe sind KI-Anwendungen prädestiniert, die neuronale Netze verwenden. Diese bilden das Herzstück von maschinellem Lernen (ML), der heute wichtigsten KI-Disziplin.
Die Informationsverarbeitung läuft bei neuronalen Netzen ähnlich wie im Gehirn ab. Ein Neuron wird als Funktion (Algorithmus) modelliert, einschließlich Input, Parametern und Output. Als Dateninput dienen Fotos, Texte, Zahlen, Videos oder Audiodateien. Diese trainieren das Modell, selbstständig Muster zu erkennen, bessere Ergebnisse zu liefern und letztendlich auch unbekannte Daten zu bewerten. Beim Lernen verändert sich die Gewichtung von Parametern und damit die Verknüpfungen im System – am Ende lässt sich nicht mehr nachvollziehen, wie ein Ergebnis zustande gekommen ist. Dieser Umstand wirkt sich nicht nachteilig aus, solange man Qualitätssicherung betreibt, wofür bisher verbindliche Regeln fehlen.
Gesunder Forscherdrang und weitere Auffälligkeiten im Branchencheck
In diesem Rahmen bewegen sich Unternehmen im Gesundheitssektor, die erste Erfahrungen in KI-Projekten gesammelt haben. Nach diesem Kriterium und der Unternehmensgröße ab 500 Mitarbeitern wählte der Datenmanagementspezialist NetApp die Teilnehmer für eine Umfrage im August 2018 aus. Befragt wurden 120 Führungskräfte wie CDOs, Abteilungsleiter und Projektleiter aus den Branchen Healthcare, Automotive, Finance und Manufacturing.
Der Ansatz blickt tief in die aktuelle KI-Praxis im Gesundheitswesen und zeigt zugleich Unterschiede zu den drei anderen Fokusbranchen auf. So lassen sich überall Datenschutzbedenken feststellen, die KI-Projekte verzögern oder verhindern. Exakt die Hälfte der Unternehmen im Gesundheitssektor haben damit zu kämpfen. Aber trotz des Umgangs mit Patientendaten ist diese Quote im Branchenvergleich am geringsten, in dem sich die produzierende Industrie mit 67 Prozent am skeptischsten zeigt.
Spitze verkörpert der Medizinsektor beim Evaluieren von KI-Projekten, da sich 37 Prozent der Unternehmen aus dem Gesundheitswesen in dieser Phase befinden. Im Planen, Testen und Umsetzen hinken Medizinfirmen jedoch hinterher. So weist die Finanzindustrie eine Implementierungsquote von 23 Prozent aus, während die Medizinbranche auf lediglich 3 Prozent kommt. Mit der Automobilindustrie eint das Gesundheitswesen, dass 43 Prozent ihrer Vertreter KI am häufigsten für Produktentwicklung und Forschung einsetzen.
Die Umfrage fördert außerdem Erkenntnisse zutage, die nur das Gesundheitswesen betreffen. Typisch ist demnach, dass der Chef bestimmt, wo es im Projekt lang geht, aber nicht den Sinn eines KI-Einsatzes erkennt. Diese Meinung gaben 37 Prozent der befragten Verantwortlichen zu Protokoll. Momentan zielen Medizinfirmen vor allem auf eine bessere Diagnose ab, wie die Anwendungsrangfolge zeigt: Frühzeitiges Erkennen von Seuchen / Erkrankungen (63 Prozent) liegt vor prädiktiver Wartung von medizinischen Geräten (60 Prozent) und der Betreuung sowie Pflege von Patienten durch vernetzte Roboter (40 Prozent).
Befund und (Be-)Handlungsempfehlungen
Aus dem Blick in die medizinische KI-Praxis lassen sich einige Ableitungen treffen: Die KI-Technologie wird künftig im Verbessern von Diagnosen und Therapien ihr Potenzial noch stärker ausspielen und den Technikeinsatz auf weiteren Gebieten vorantreiben. Dazu ist es nötig, die Verantwortung für KI-Projekte aufzuteilen und die KI-Kompetenz hierarchieübergreifend zu stärken. Auf diese Weise kann man das bestehende Missverständnis zwischen Chefetage und Mitarbeitern beseitigen. Allerdings müssen Verantwortliche in diesem Prozess die Qualitätssicherung fest im Auge behalten. Diese spielt eine wichtige Rolle.
Zum einen vertraut ein Patient seinem Arzt, der wiederum der KI vertrauen muss, deren Ergebnisse nicht reproduzierbar sind. Ein Ansatz wäre, ein zugelassenes Medizingerät, das neuronale Netze verwendet, im gut trainierten Originalzustand zu belassen. Ansonsten hängt es von den Fähigkeiten des medizinischen Fachpersonals ab, ob dieses das KI-System in der Bilderkennung besser oder eben schlechter macht.
Vertraut ein Arzt seiner KI, interpretiert die Technik CT-, MRT- oder Echographie-Daten wesentlich schneller und präziser, was zu einer besseren Diagnose und Therapie führt. Der Entscheidungsprozess würde sich drastisch verkürzen, weil bei unklaren Krankheitsbildern kein zweiter Experte die Befunde bewerten müsste. Ärzte könnten mehr Zeit mit den Patienten verbringen. Das Lösen der Vertrauens- und Qualitätssicherungsfrage wird die Effizienz steigern, was angesichts des Ärztemangels auf dem Land oder der Wartezeiten bei Spezialisten zwingend erforderlich ist. Hinsichtlich der noch zu führenden Ethikdebatte kann man Kritiker aber beruhigen: KI wird maximal zum Assistenzarzt, die Verantwortung bleibt beim Fachpersonal.
