28.02.2018

Das kanadische Startup Cloud DX zeigt mit seiner App, wie künstliche Intelligenz zukünftig die traditionelle Medizin unterstützen kann: Die Anwendung nimmt das Husten von Patienten auf und erkennt so Anzeichen für Tuberkulose, Asthma oder eine Lungenentzündung. Und das so erfolgreich, dass die App mit dem renommierten XPrize ausgezeichnet wurde. 

Intelligente Apps als Früherkennungsmethode 

Einen ähnlichen Weg geht die in Deutschland entwickelte App Ada. Anhand von Nutzerantworten auf einige wenige Fragen versucht die App ein Krankheitsbild als eine erste Diagnose zu erkennen. Derzeit unternimmt Ada Health gemeinsam mit der AOK eine Akzeptanzstudie, an der 500 Patienten und 50 Ärzte teilnehmen. Zusätzlich arbeitet das Team momentan an der Integration von 7.500 seltenen Krankheiten in die App. Damit soll die frühe Erkennung einer seltenen Krankheit in Zusammenarbeit mit einem Arzt möglich werden. Gerade weil die Krankenheiten nicht häufig auftreten und somit oft unbekannt sind, entsteht ein enormer Mehrwert, da einzelne Ärzte ohne eine technische Unterstützung schnell an die Grenzen kommen. 

Im Allgemeinen sollten die Apps vor allem bei der Analyse von Symptomen immer in Zusammenarbeit mit Ärzten und medizinischem Fachpersonal genutzt werden, wie auch das Unternehmen Ada Health betont. Verzichten Patentienten auf diese Unterstützung, ist keine seriöse Diagnose möglich, weil Patienten alleine nicht sicher die Symptome identifizieren können. Ärzte profitieren wiederum durch eine schnellere und präzisere Analyse von Krankheitsbildern aufgrund der Datenbasis in Kombination mit künstlicher Intelligenz. Wie in anderen Bereichen und Branchen ist die Vision also nicht, dass menschliche Arbeits- und Kreativkraft ersetzt wird, sondern durch künstliche Intelligenz entlastet und gestärkt wird.

Predictive Medicine

Nach der Klärung von datenschutzrechtlichen Fragen kann auch aufgrund der Historie von Patienten ein Menge Rückschlüsse gezogen werden. Künstliche Intelligenzen können auf dieser Basis in Kombination mit anonymisierten Daten anderer Patienten Erkenntnisse ableiten, beispielsweise für eine mögliche Behandlungen. Auch Prognosen können so viel zuverlässiger dargestellt werden. So könnten beispielsweise potentielle Herzinfarkt-Patienten klarer und schneller identifiziert werden mit dem Ziel, frühzeitig Gegenmaßnahmen einzuleiten. 

Auf diesem Feld forscht auch Google Alphabet mit seiner Tochter Verily intensiv. Anhand einer Langzeit-Studie mit 10.000 Probanden wollen die Forscher verstehen, wie sich der Veränderungsprozess von Gesundheit zu Krankheit darstellt und welche Faktoren das Risiken einer Erkrankung erhöhen.  Im Allgemeinen ist die Analyse großer Datenmengen aufgrund ihrer technischen Charakteristik eine große Stärke von KI, sei es in der Medizin oder auf anderen Feldern. Dazu kommt die Fähigkeit, mit Machine Learning-Prozessen aufgrund der bereits erzielten Ergebnisse die künstliche Intelligenz sehr schnell zu verbessern. 

Corti rettet Herzinfarkt-Patienten in Dänemark

Im Falle eines Herzinfarkts zählt jede Sekunde - die Überlebenschance der Betroffenen sinkt jede Minute um 10 Prozent. In Kopenhagen kommt jetzt eine künstliche Intelligenz zum Einsatz, die bei der schnellen Erkennung von Herzinfarkten hilft und auf maschinellem Lernen basiert.Der Assistent namens Corti läuft im Hintergrund des Telefongesprächs und gibt dem menschlichen Notfallretter Alarmsignale, wenn sich Anzeichen für einen Herzinfarkt ergeben. Dazu gehören die Informationen aus der Kommunikation mit dem Anrufer, aber auch Hintergrundgeräusche wie die typischen Atemgeräusche eines Herzinfarktpatienten. So konnte die Erkennungsrate von 73 Prozent auf 95 Prozent gesteigert werden. Hier zeigt sich exemplarisch: Die Kraft von künstlicher Intelligenz liegt in der Kombination der analytischen Klarheit mit den menschlichen Fähigkeiten wie Intuition und empathischer Kommunikation. Vertrauen entsteht in dieser frühen Entwicklungsphase der Technologie vor allem dann, wenn der Mensch die KI kontrolliert und die finale Entscheidung trifft.

Automatisierte Bilderkennung als Unterstützung für Radiologen

Einer der großen Forschungsschwerpunkte der führenden Technologie-Unternehmen im Bereich KI liegt in der automatisierten Bilderkennung. Auch in der medizinischen Anwendung der Bilderkennungsverfahren liegt großes Potential. So analysiert das deutsche Startup Fuse-AI MRT-Bilder auf der Suche nach Krebstumoren und klassifiziert sie nach gut- und bösartig. Laut Klaus Juffernbruch, Vorsitzender der Expertengruppe „Intelligente Gesundheitsnetze“ des Digitalgipfels der Bundes­regierung, können KI-gestützte Systeme die drohenden Versorgungsengpässe durch den Fachkräftemangel abmildern. Es sind bereits Algorithmen zugelassen, die bei Herzuntersuchungen mit bildgebenden Verfahren die sogenannte Kammersegmentierung in 15 Sekunden realisieren. Kardiologen benötigen sonst durchschnittlich 30 Minuten für diesen Prozess. Ähnliche Effizienzen sind durch bildgebende Verfahren auch in anderen medizinischen Bereich zu erwarten. 

Fazit

  • Künstliche Intelligenz ist auf vielen medizinischen Feldern bereits im Einsatz
  • neue Entwicklungen werden durch Tech-Unternehmen wie Google massiv forciert
  • gute Ergebnisse werden Widerstand gegen die Technologie moralisch schwierig machen und zu einer schnellen Verbreitung führen
  • die Kraft von KI liegt in der Zusammenarbeit mit und in der Kontrolle durch Ärzte und medizinisches Fachpersonal 
  • mit einem Ersetzen der Ärzte durch die KI ist also nicht zu rechnen