Künstliche Intelligenz ist da, und sie verändert die Medizin grundlegend. Lesen Sie, wie sie sich auf Dinge wie personalisierte Pflege auswirkt, und lesen Sie, was ein Kritiker zu sagen hat.
Wenn viele von uns den Begriff "künstliche Intelligenz" (KI) hören, stellen wir uns vor, dass Roboter unsere Arbeit erledigen und Menschen überflüssig machen. Und da KI-gesteuerte Computer so programmiert sind, dass sie Entscheidungen ohne menschliches Zutun treffen, fragen sich manche, ob Maschinen bald die schwierigen Entscheidungen treffen werden, die wir heute unseren Ärzten anvertrauen.
Laut Dr. David B. Agus, Professor für Medizin und Ingenieurwesen an der University of Southern California Keck School of Medicine und der Viterbi School of Engineering, ist es wichtig, Fakten von Science-Fiction zu unterscheiden, denn die KI ist bereits da - und sie verändert die Medizin grundlegend.
Im Gegensatz zur Robotik bezieht sich KI im Gesundheitswesen hauptsächlich auf den Zugriff von Ärzten und Krankenhäusern auf riesige Datensätze mit potenziell lebensrettenden Informationen. Dazu gehören Behandlungsmethoden und deren Ergebnisse, Überlebensraten und die Geschwindigkeit der Behandlung, die über Millionen von Patienten, geografische Standorte und unzählige, manchmal miteinander verknüpfte Gesundheitszustände gesammelt werden. Die neue Rechenleistung kann große und kleine Trends in den Daten erkennen und analysieren und sogar Vorhersagen durch maschinelles Lernen treffen, um potenzielle gesundheitliche Folgen zu erkennen.
Beim maschinellen Lernen werden statistische Verfahren eingesetzt, um Computersysteme in die Lage zu versetzen, mit den eingehenden Daten zu "lernen", Muster zu erkennen und Entscheidungen mit minimaler menschlicher Anleitung zu treffen.
Mit solchen zielgerichteten Analysen können Ärzte Risiken besser einschätzen, korrekte Diagnosen stellen und Patienten wirksamere Behandlungen anbieten, sagt Agus, der Autor von The Lucky Years: How to Thrive in the Brave New World of Health und The End of Illness. Er glaubt, dass das Potenzial der KI zur Verbesserung der Gesundheitsversorgung "atemberaubend" ist.
"Wir haben eine Menge Daten, die wir über Jahrzehnte gesammelt haben", sagt er. "Zum ersten Mal ermöglicht es uns die Rechenleistung, diese Daten so zu nutzen, dass sie den Patienten zugute kommen."
Die Herausforderung bestehe darin, dass "eine Person Hunderttausende, wenn nicht gar Millionen von Gesundheitsdaten hat. Wenn man also Datensätze mit Hunderttausenden von Patienten hat und jeder Patient eine Million Datenpunkte hat, müssen die Daten angemessen und korrekt erfasst werden, damit die Möglichkeiten des maschinellen Lernens zum Tragen kommen".
Er nennt ein Beispiel. "Kürzlich kam eine Studie heraus, die zeigte, dass man viereinhalb Jahre länger lebt, wenn man Eierstockkrebs hat und gleichzeitig einen Betablocker einnimmt - ein Medikament, das zur Behandlung von Blutdruck eingesetzt wird", sagt er. "Das ist eine Beobachtung, auf die wir durch die Biologie niemals gekommen wären. Big Data zeigt es uns. Jetzt muss [diese Erkenntnis] in einer großen Studie überprüft werden, um zu sehen, ob sie auch wirklich stimmt."
Aus der Sicht des Patienten ist es aufregend, dass die KI es [den Ärzten] ermöglicht, die Behandlung zu personalisieren, wovon wir seit Jahrzehnten geträumt haben", sagt er.
Agus kann nun einen einzelnen Patienten nehmen und sofort andere Patienten mit ähnlichen Symptomen finden. "Ich ziehe sie aus einer Datenbank heraus", sagt er, "und kann sagen: 'Hier sind ihre Reaktionen'. Mit maschinellem Lernen und KI kann ich auf alle Informationen zugreifen und ein sehr fundiertes Gespräch mit dem Patienten führen", während er im Untersuchungszimmer sitzt, und "Daten [über Gesundheitszustände] freilegen, über die wir in der Vergangenheit einfache Entscheidungen getroffen haben. KI ermöglicht es uns, viel tiefer zu gehen und nach Assoziationen zu suchen, zu denen das menschliche Gehirn nicht in der Lage ist, ein Computer aber schon."
Natürlich gibt es auch Gegner des Einsatzes von Analysen im Gesundheitswesen, aber die Bedenken konzentrieren sich weniger auf KI, maschinelles Lernen und prädiktives Tracking als vielmehr darauf, wie Big Data genutzt werden kann, um die Leistung eines ganzen Krankenhauses - oder sogar eines einzelnen Chirurgen - zu messen, zu belohnen oder zu bestrafen.
Solche Messungen können sich darauf auswirken, wie, wann oder sogar ob ein Patient behandelt wird, schreibt Jerry Muller, Autor des 2018 erschienenen Buches The Tyranny of Metrics. "Nirgendwo sind Metriken so sehr im Trend wie in der Medizin", sagt er. Und wenn es um Menschenleben geht, so seine Schlussfolgerung, "steht viel auf dem Spiel".
Muller weist auf das Problem der menschlichen Natur hin: Menschen und Bürokratien seien dafür bekannt, dass sie aus Selbsterhaltungstrieb mit den Zahlen "spielen".
Er führt Beispiele von gefragten Chirurgen an, die hohe Überlebensraten von Patienten aufrechterhalten, indem sie sich weigern, riskantere Fälle anzunehmen, wodurch möglicherweise nicht standardmäßige Behandlungen - und mögliche Todesfälle nach jeder Art von medizinischer Intervention - aus Datentrends, die KI erkennen könnte, eliminiert werden. Auch die Erfolgsquoten werden so künstlich aufgebläht.
Dennoch glaubt Agus, dass die Nutzung von Daten zu großen Innovationen führen wird. "Algorithmen und KI gibt es schon seit einiger Zeit, aber wir lernen gerade, wie wir die Daten besser sammeln und organisieren können", sagt er. "Im vergangenen Jahrzehnt ging es um Molekularbiologie: Wir haben die DNA sequenziert und ihre Zusammenhänge untersucht, und das war aufregend. Dieses Jahrzehnt wird das Jahrzehnt der Daten sein."
Angesichts der Tatsache, dass führende Krankenhäuser im ganzen Land KI und metrische Analysen einsetzen, um die Pflege zu verbessern und zu rationalisieren, könnte Agus Recht haben. In unserer zunehmend vernetzten Welt werden Daten und Schicksal für immer miteinander verbunden.
Das Gefühl, verkabelt zu sein
Einige Beispiele für technologische Innovationen im Gesundheitswesen sind
Robotische Überlegungen: Manchmal sind Roboter im Spiel. Eine Studie der University of Bristol aus dem Jahr 2017 ergab, dass Kinder mit Autismus Schwierigkeiten haben, Gesichtsausdrücke zu erkennen. Im selben Jahr brachte Dell Technologies Milo auf den Markt, einen zwei Meter großen, visuell ausdrucksstarken Roboter, der autistischen Kindern im Alter von 5 bis 17 Jahren beibringt, Anzeichen von Emotionen zu erkennen, und der inzwischen in Bildungseinrichtungen in 27 US-Bundesstaaten eingesetzt wird.
Verbindung zu ALS-Patienten: Eine Brille, die die Augen verfolgt und eine KI-Technologie verwendet, die als Brain-Computer-Interface (BCI) bekannt ist, ermöglicht es Menschen, die die Fähigkeit zu sprechen oder sich zu bewegen verloren haben, wieder zu kommunizieren. Die Patienten "tippen" mit ihren Augen auf einen Monitor, der ihre Gedanken durch computergestützte Dekodierung wiedergibt, und können darüber hinaus E-Mails nutzen, Bücher lesen und mit der Welt in Verbindung bleiben.
Erkennung von Vorhofflimmern: Einige Arten von Herzrhythmusstörungen, insbesondere Vorhofflimmern, können die Wahrscheinlichkeit von Herzinfarkten oder Schlaganfällen erhöhen. Forschungen der Stanford University zeigen, dass KI-Software Herzrhythmusstörungen anhand eines Elektrokardiogramms (EKG) genauer erkennen kann als ein menschlicher Experte.
Am Horizont: Magnetresonanztomographie (MRT) und computergestützte axiale Tomographie (CT) ermöglichen detaillierte, nicht-invasive Einblicke in das Körperinnere. KI könnte schon bald zusätzliche Gewebeproben durch Radiologie-Tools der nächsten Generation ersetzen und virtuelle Biopsien von Tumoren ermöglichen.
Nach den Zahlen:
1 von 7.000: Anzahl der Amerikaner aller Altersgruppen mit Long-QT-Syndrom, einer tödlichen Herzstörung, denen eines Tages mit Kardio Pro geholfen werden könnte, einem KI-gesteuerten Herzmonitor für zu Hause, der schwere und gutartige Arrhythmien erkennt.
30%: Verringerung der Wartezeit von Patienten vor der Einweisung, berichtet das Johns Hopkins Hospital, nachdem es 2016 ein digitales Kommandozentrum mit 22 Monitoren eingeführt hat, um die Patientenerfahrung zu verbessern, Risiken zu verringern und die Abläufe zu optimieren.
95.5%: Prozentsatz der Genauigkeit, mit der ein Deep-Learning-Computerprogramm mit Hilfe eines speziellen Mikroskops Krebszellen präzise identifiziert hat, so eine 2016 in Nature Scientific Reports veröffentlichte Studie der UCLA.
Finden Sie weitere Artikel, blättern Sie in früheren Ausgaben und lesen Sie die aktuelle Ausgabe des Doctor Magazine.
