Anzeige
Anzeige
Anzeige
Anzeige
Ki Gesundheitswesen Fotolia 145564581
Künstliche Intelligenz wird schon heute in der medizinischen Diagnostik eingesetz. (Bild: stock.adobe.com)
KI Medizin Optimierung

Diagnose in weniger als einer Sekunde

Noch handelt es sich vorwiegend um Studien und Prototypen. Doch der Einsatz von künstlicher Intelligenz und maschinellem Lernen birgt enormes Optimierungspotenzial für das Gesundheitswesen. Patienten, Ärzte und Pflegepersonal können profitieren.

Anzeige
Anzeige
Anzeige

Keine langen Wartezeiten, mehr Zeit für die Patienten, schnellere Diagnosen: Neue Technologien wie KI und maschinelles Lernen (ML) könnten das Gesundheitswesen optimieren. Die intelligenten Systeme, die Muster in großen Datenmengen erkennen und sich auf deren Basis weiterentwickeln, können eine Vielzahl von Tätigkeiten im Klinikbetrieb übernehmen. Entscheidend ist dabei, dass die Technik den Arzt, beziehungsweise den Pfleger, nicht ersetzt, sondern ihm zuarbeitet. Ein Beispiel ist der humanoide Roboter, der einfache medizinische Tests durchführen kann. Oder Software, die Patientendaten mit zurückliegenden Diagnosen abgleicht und dem behandelnden Arzt anschließend eine individuell abgestimmte Therapie vorschlägt. Schon jetzt gibt es zahlreiche Möglichkeiten, das Klinikpersonal zu entlasten und eine bessere Versorgung der Patienten sicherzustellen. Und ständig kommen Anbieter mit neuen Lösungen auf den Markt.

Vorhersage von Krankheitsverläufen

Besonders großes Potenzial birgt die Vorhersage von Krankheitsverläufen: So nutzt IBMs KI Watson natürliche Sprache, Hypothesen und evidenzbasiertes Lernen, um den Arzt bei der Diagnose und Therapie von Krankheiten zu unterstützen. Wenn der Arzt ihm eine Frage stellt und relevante Faktoren und Symptome mitteilt, beginnt Watson, die Patientendaten zu durchsuchen und kombiniert sie mit aktuellen Befunden und anderen verfügbaren Datenquellen. Anschließend stellt der kognitive Assistent eine Liste möglicher Diagnosen zusammen und bewertet sie nach ihrer Wahrscheinlichkeit.  

Anzeige

Ein weiteres Beispiel für die Vorhersage von Krankheitsverläufen ist die software-gestützte Früherkennung von Kniearthrosen: Mit der KI-basierten Lösung des Wiener Start-up-Unternehmens IB Lab soll sich dieses für Radiologen und Orthopäden aufwändige Verfahren erheblich verkürzen lassen. Anhand von Deep-Learning-Methoden analysiert das System selbständig Röntgenbilder und liefert dem behandelnden Arzt so einen sofortigen Überblick über den aktuellen Status des Gelenks. Nach dem Training an mehr als 15.000 Röntgenaufnahmen erkennt die Software automatisch unterschiedliche Krankheitsstadien. Bei Auffälligkeiten schlägt sie entsprechende Diagnosen vor. Derzeit werden die Vorschläge zu 80 bis 85 Prozent von den Ärzten bestätigt. IB Labs arbeitet daran, möglichst bald eine 90-Prozent-Quote zu erreichen.

Schnellere Diagnosen

Ansätze zur schnelleren Diagnostik gibt es auch in der Kardiologie. Mithilfe spezieller Algorithmen soll beispielsweise eine Herzkammersegmentierung im CT (Computertomografie) in 15 Sekunden möglich sein. Ohne KI-Unterstützung muss der Arzt dafür rund 30 Minuten aufwenden – Zeit, die ihm bei anderen Patienten fehlt. Auch bei der Tumorerkennung lässt sich durch den Einsatz von KI wertvolle Zeit einsparen. Hier kommt es vor allem auf die Erfahrung des Arztes an. In den USA setzen einige Krankenhäuser daher auf intelligente Software, die den Fachärzten bei der Beurteilung von MRT-Bildern hilft. Und japanische Internisten vermeldeten kürzlich in einer Studie erste Erfolge bei der softwaregestützten Endoskopie: Mithilfe eines KI-basierten Systems, das anhand einer Datenbank mit mehr als 30.000 endozytoskopischen, also während einer Endoskopie vergrößerten Bildern, als Referenzdaten trainiert wurde, ließ sich die Bösartigkeit von Darmspiegelungsbefunden in weniger als einer Sekunde vorhersagen.

Individuelle Betreuung

Selbst in der Palliativmedizin könnten die neuen Technologien zu einer besseren Betreuungssituation beitragen. So haben Wissenschaftler an der Stanford University einen Algorithmus entwickelt, um den Todeszeitpunkt unheilbar Kranker zu berechnen. Damit könnte man es den Patienten ermöglichen, ihre letzten Stunden nicht mehr in der Klinik, sondern zuhause in ihrem vertrauten Umfeld zu verbringen. Auf drei bis zwölf Monate soll sich die restliche Lebenszeit mithilfe der Software vorhersagen lassen.

An der Umsetzung hapert es noch

So faszinierend solche Visionen sind: In Deutschland wird ihre Umsetzung durch einige Hürden behindert, beispielsweise durch datenschutzrechtliche Regulierungen. In Ländern wie den USA und China geht man mit diesem Thema bekanntlich sorgloser um. In der EU wird die EU-Datenschutzgrundverordnung (DSGVO), die ab dem 25. Mai 2018 gültig ist, die Weichen neu stellen. Auch fehlende Standards, insbesondere bei den Schnittstellen zwischen unterschiedlichen Datenbanken und KI-Systemen, und die hohe Marktfragmentierung durch eine wachsende Zahl von Anbietern KI- und ML-gestützter Lösungen sorgen nicht gerade für Transparenz im Markt. Erschwerend kommt hinzu, dass in vielen Kliniken die IT-Infrastruktur veraltet ist. Um die neuen Technologien überhaupt nutzen zu können, ist einiges an Investitionen erforderlich. Auch in Schulungen für das Klinikpersonal: Ein Krankenhausarzt muss künftig nicht nur in der Lage sein, die richtige Diagnose zu stellen. Er muss auch die Maschine so anleiten können, dass sie beispielsweise ein MRT korrekt interpretieren kann.

Wie lange es dauert, all diese Hindernisse aus dem Weg zu räumen, wird sich zeigen. Fest steht jedoch: Die neuen Technologien können erheblich dazu beitragen, die Versorgung der Patienten zu verbessern, Ärzte und Pflegepersonal zu entlasten, Kosten einzusparen und die Versorgungslücke zu schließen, die durch Fachkräftemangel und die zunehmende Überalterung der Bevölkerung droht.   

Über den Autor: Dr. med. Peter Windeck ist Geschäftsführer von Rochus Mummert Healthcare Consulting, einer Personalberatung für Führungskräfte im Gesundheitswesen. Nach Abschluss einer kaufmännischen Ausbildung und eines Studiums der Humanmedizin war Peter Windeck mehr als 13 Jahre in der pharmazeutischen Industrie tätig. Managementerfahrung sammelte er in den Bereichen Forschung und Entwicklung, Unternehmensentwicklung sowie Marketing und Medizin. 

Teilen
Jederzeit top informiert

Die wichtigsten LEAD Nachrichten per Messenger oder Newsletter

Anzeige
Anzeige
Verlagsangebot
Das könnte dich auch interessieren
Anzeige
Anzeige
Aktuelle Stellenangebote
Alle Stellenangebote