Favorite (7)
Durch das Sammeln und Analysieren von Daten können Behandlungen und Technologien viel schneller entwickelt, das Wissen über seltene Krankheiten leichter verbreitet und Epidemien schneller erkannt und bekämpft werden.
All diese neuen computergestützten Möglichkeiten erfordern aktuell jedoch noch eine individuelle Verarbeitung. Kontrolle und Auswertung durch ärztliches, pharmazeutisches oder anderes wissenschaftliches Fachpersonal sind immer notwendig.
Dies begrenzt natürlich die Geschwindigkeit der Auswertungsprozesse. Darüber hinaus haben die neuen Methoden eine Informationsflut geschaffen, mit der eine Person allein nicht mehr umgehen kann. Dies wurde teilweise durch die Spezialisierung in der Medizin kompensiert. Die Hausarztpraxis, die früher fast alles selbst machen konnte, ist jetzt genötigt, an Fachärzte und Fachärztinnen weiter zu delegieren.
Neben den Digitalisierungsprozessen gibt es zahlreiche neue Möglichkeiten: Mikrokomponenten wie Sensoren oder Kameras können mittlerweile günstig und in großen Mengen hergestellt werden. Dies hat das "Internet der Dinge" (Internet of Things) möglich gemacht - jedes Gerät, jeder Raum, jedes "Wearable" kann jetzt Daten generieren und in die Cloud hochladen. Alle diese IoT-Komponenten sind miteinander vernetzt und können miteinander kommunizieren und interagieren. Selbstlernende Algorithmen erfassen und analysieren Daten aus dem World Wide Web in Echtzeit, ziehen Schlussfolgerungen und treffen Entscheidungen. Intelligente Systeme werden damit möglich.
Künstliche Intelligenz oder Artificial Intelligence (KI/AI) ist die Fähigkeit einer Maschine, Entscheidungen zu treffen und Aufgaben auszuführen, die menschliche Intelligenz und menschliches Verhalten simulieren, z. B. visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung zwischen Sprachen.
Eine detailliertere Definition kennzeichnet KI als die Fähigkeit eines Systems, externe Daten richtig zu interpretieren, aus diesen Daten zu lernen und diese Erkenntnisse zu nutzen, um bestimmte Ziele und Aufgaben durch flexible Anpassung zu erreichen.
Was die KI-Technologie von herkömmlichen Technologien im Gesundheitswesen unterscheidet, ist die Fähigkeit, Informationen zu sammeln, zu verarbeiten und dem Anwenderkreis ein genau definiertes Ergebnis zu liefern.
AI tut dies durch maschinelle Lernalgorithmen, die Verhaltensmuster erkennen und eine eigene Logik erstellen können. Es ist nicht verwunderlich, dass neben medizinischen Einrichtungen auch große IT-Unternehmen wie IBM und Google AI-Algorithmen für das Gesundheitswesen entwickelt haben.
Die Forschung in den 1960er und 1970er Jahren brachte das erste Problemlösungsprogramm oder Expertensystem hervor, das als "Dendral" bekannt wurde und für Anwendungen in der organischen Chemie entwickelt wurde. Es bildete die Grundlage für ein nachfolgendes System "MYCIN", ein wissensbasiertes Beratungsprogramm für die Diagnose von Infektionskrankheiten, das als eine der bedeutendsten frühen Anwendungen künstlicher Intelligenz in der Medizin gilt. MYCIN und andere Systeme wurden jedoch in der Praxis nicht routinemäßig eingesetzt.
Die 1980er und 1990er Jahre brachten den Mikrocomputer und neue Ebenen der Netzwerkkonnektivität. Während dieser Zeit erkannten Forschung und Entwicklung, dass KI-Systeme im Gesundheitswesen so ausgelegt sein müssen, dass sie das Fehlen perfekter Daten mit berücksichtigen. Ansätze mit Fuzzylogik und künstlichen neuronalen Netzen wurden auf intelligente Computersysteme im Gesundheitswesen angewendet.
In dieser Zeit wurden mehrere neue fortschrittliche Technologien entwickelt. Beispielsweise wurde die Rechenleistung massiv verbessert, was zu einer schnelleren Datenerfassung und -verarbeitung führte. Es kam zu einem Anstieg des Volumens und der Verfügbarkeit gesundheitsbezogener Daten von persönlichen und gesundheitsbezogenen Geräten.
Weit verbreitete Implementierung elektronischer Patientenakten, Verbesserungen bei der Verarbeitung natürlicher Sprache und der Bildverarbeitung sowie massiv verbesserte Präzision in der roboterunterstützten Chirurgie: All diese Entwicklungen führen zu einer Reihe nützlicher Anwendungen für die künstliche Intelligenz in der Gesundheitsbehandlung.
Professor Holger Hänßle vom Universitätsklinikum Heidelberg hat als einer der Ersten eine Studie veröffentlicht, die im direkten Vergleich zeigt, wer die besseren Diagnosen stellen kann: Mensch oder Maschine?
Konkret ging es darum, gefährlichen schwarzen Hautkrebs besser zu erkennen. Laut Hänßle war die künstliche Intelligenz deutlich besser als die durchschnittliche Leistung der medizinischen Fachleute. Nur 13 der 58 beteiligten Dermatologen konnten den Algorithmus übertreffen. Und das trotz der Tatsache, dass es sich um die weltbesten Experten gehandelt hatte.
Für dieses Experiment hatten der Professor und sein Team ein künstliches neuronales Netz mit 100.000 Fotos trainiert, die schwarzen Hautkrebs oder harmlose Muttermale zeigen. Außerdem gaben sie der KI die richtige Diagnose. Danach war das neuronale Netz einem durchschnittlichen Dermatologen überlegen - aber nur für diese spezielle Frage.
Die Diagnose von Krankheiten erfordert eine jahrelange medizinische Ausbildung. Und selbst dann ist die Diagnosestellung oft ein mühsamer und zeitaufwändiger Prozess. In vielen Bereichen übersteigt die Nachfrage nach Experten das verfügbare Angebot bei weitem. Dies belastet die Ärzte und kann die Einleitung von lebensrettender Therapie verzögern.
Das maschinelle Lernen hat in letzter Zeit große Fortschritte bei der automatischen Diagnose von Krankheiten gemacht, wodurch Diagnosen billiger und zugänglicher werden. Algorithmen für maschinelles Lernen können lernen, Muster ähnlich wie die Ärzte zu sehen.
Im Vergleich zu einem menschlichen Arzt kann der Algorithmus in Sekundenbruchteilen Schlüsse ziehen und ist weltweit kostengünstig reproduzierbar!
Künstliche Intelligenz wird ein wichtiger Bestandteil der Telemedizin sein: Die Möglichkeit, Patienten rund um die Uhr mittels KI zu überwachen ermöglicht, eine Information an Ärzte zu senden sobald eine mögliche Krankheitsaktivität auftritt. Ein tragbares Gerät ermöglicht die ständige Überwachung eines Patienten und bemerkt Änderungen, die für den Menschen möglicherweise kaum wahrnehmbar sind.
Verschiedene Patienten sprechen unterschiedlich auf Medikamente und Behandlungspläne an, sodass eine personalisierte Behandlung ein enormes Potenzial zur Steigerung der Lebenserwartung von Patienten bietet. Es ist jedoch sehr schwer zu erkennen, welche Faktoren die Wahl der Behandlung beeinflussen sollten.
Maschinelles Lernen kann diese komplizierte statistische Arbeit automatisieren - und dabei helfen, herauszufinden, welche Merkmale darauf hindeuten, dass ein Patient auf eine bestimmte Behandlung besonders anspricht. Die daraus resultierenden Ergebnisvorhersagen erleichtern es Ärzten, den richtigen Behandlungsplan zu entwerfen.
Die Medizin der Zukunft wird auch durch die Schaffung künstlicher Organe bestimmt. Mittels 3-D-Druck können zunehmend mehr Komponenten als Implantate für den menschlichen Körper hergestellt werden. Es gibt bereits erfolgreiche Beispiele: Schwerwiegende Gesichtsverletzungen können mit der digitalen Diagnostik, der Aufbereitung von Modellen und der Herstellung individuell gefertigter Implantate behandelt werden.
Noch mehr ist mit dem sogenannten Bioprinting möglich, das Ohrmuscheln, Blase oder Haut produzieren kann. Eines Tages können es dann Niere, Leber und Herz sein.
Es wird erwartet, dass die Verwendung von AI die medizinischen Kosten senkt, da eine genauere Diagnose und bessere Vorhersagen im Behandlungsplan sowie eine bessere Prävention von Krankheiten möglich sind.
Virtuelle Pflegehelfer werden voraussichtlich immer häufiger eingesetzt. Diese verwenden KI, um Fragen des Patienten zu beantworten und unnötige Krankenhausbesuche zu reduzieren. Sie sind nützlich, da sie rund um die Uhr verfügbar sind und bereits in der Lage sind, grobe Wellness-Checks mithilfe von KI und Sprache durchzuführen.
Es gibt zudem bereits Hinweise darauf, dass der Einsatz von Chatbots zu positiven Ergebnissen im Bereich der psychischen Gesundheit führt.
Andere zukünftige Anwendungen für KI sind Brain-Computer-Interfaces (BCI), von denen erwartet wird, dass sie Menschen mit Problemen beim Bewegen, Sprechen oder bei Rückenmarksverletzungen helfen. Die BCIs werden AI verwenden, um diesen Patienten zu helfen, sich zu bewegen und zu kommunizieren, indem sie neuronale Signale decodieren.
Der Einsatz von KI in der Medizin wirft auch soziale, rechtliche und ethische Fragen auf. Besonders wichtig ist der Datenschutz, aber auch Verantwortung und Transparenz. Die Bundesregierung fördert daher aktuell Forschungsprojekte zu ethischen, rechtlichen und sozialen Aspekten von Digitalisierung, Big Data und künstlicher Intelligenz im Gesundheitswesen.
Ist alles, was möglich ist, ethisch vertretbar? Alles, was sich digitalisieren lässt, wird digitalisiert - soll dieses Paradigma auch für die Medizin in einer Welt 4.0 gelten? Was kann die Medizin der Zukunft leisten? Wo liegen die Grenzen? Ist der technische Fortschritt wirklich in allen Bereichen unseres Lebens verpflichtend und unaufhaltsam?
Derzeit werden KI-Systeme zur Unterstützung von Ärzten eingesetzt. Die letzte Entscheidung liegt beim Arzt. Aber muss es immer so sein? Wenn der selbstlernende, immer besser werdende "Dr. AI" seine Diagnosen und Therapien so gut erstellt, macht es dann menschliche Ärzte unnötig?
KI-Systeme könnten in der Medizin, bei der Diagnose, Vorbeugung und Verlängerung unseres Lebens von großer Hilfe sein. KI in der Medizintechnik kann helfen, die immer weiter wachsende Informationsflut kompetent zu verarbeiten - im Sinne des Patienten. Ein Problem ist jedoch, dass KI-Algorithmen zum Lernen große Datenmengen benötigen. Medizinische Unterlagen, genetische Informationen und elektronische Patientenakten können jedoch sensible persönliche Informationen enthalten.
Deshalb arbeiten Forscher der Stanford Medical School an der University of California in Berkeley, deren Spin-offs in Oasis Labs, und Wissenschaftler der ETH Zürich daran, den Lernprozess so abzusichern, dass die Daten nicht verloren gehen oder anderweitig missbraucht werden. In Stanford bleiben die Daten immer in der Oasis Cloud. Außenstehende können Algorithmen einspeisen und Ergebnisse erzielen, ohne dass die Daten selbst das System jemals verlassen.
Um den Schutz und die Achtung von Werten wie Freiheit, Privatsphäre, Souveränität, Nächstenliebe, Gerechtigkeit, Solidarität und Verantwortung auch unter Big-Data-Bedingungen zu gewährleisten, empfahl der Deutsche Ethikrat ein auf Selbstbestimmung und Datensouveränität basierendes Gestaltungs- und Regelungskonzept.
Laut dem Gartner-Hype-Zyklus erlebt künstliche Intelligenz derzeit einen Hype. Viele Artikel loben es als Lösung für alle Probleme in der Medizin oder als Beginn der Machtübernahme der Maschinen.
Aber wir stehen vor einer Phase der Ernüchterung: "Dr. Watson scheitert", schrieb der Spiegel in einer Ausgabe über den Einsatz von KI in der Medizin. Es ist zu erwarten, dass die Medien über die tragischen Folgen falscher Entscheidungen der KI in Übergröße und Skandalisierung berichten.
Mit der Zeit wird der Einsatz von KI jedoch genauso normal und unverzichtbar sein wie der Einsatz von elektrischer Energie. Wir können und wollen nicht, dass medizinisches Personal Dinge tut, mit denen Computer besser und schneller umgehen können. Oder was meinen Sie?
