Original-URL des Artikels: https://www.golem.de/news/ki-in-der-medizin-keine-angst-vor-dr-future-1807-135154.html    Veröffentlicht: 10.07.2018 09:03    Kurz-URL: https://glm.io/135154

KI in der Medizin

Keine Angst vor Dr. Future

Mit Hilfe künstlicher Intelligenz können schwer erkennbare Krankheiten früher diagnostiziert und behandelt werden, doch bei Patienten löst die Technik oft Unbehagen aus. Und das ist nicht das einzige Problem.

Lernfähige Systeme werden in immer mehr medizinischen Bereichen eingesetzt. Sie unterstützen Laboranten und Ärzte überall da, wo der Computer den menschlichen Fähigkeiten überlegen ist: Bei der Auswertung großer Datenmengen, dem Erkennen von Mustern, dem Abgleich vieler verschiedener Symptome. Bei Patienten ist allerdings noch einige Überzeugungsarbeit notwendig - obwohl die künstliche Intelligenz (KI) keineswegs medizinisches Personal ersetzen soll.

Ein wichtiges Einsatzgebiet für lernfähige Systeme ist die Labormedizin. Müssen zum Beispiel Laboranten ein Blutbild analysieren und dafür weiße Blutkörperchen abzählen, kann es zu Fehlern kommen. Ein Computer kann Blutproben schneller und präziser auswerten. Anschließend wird das Blutbild noch einmal von den Laboranten überprüft - so kommt es seltener zu Fehldiagnosen.

Auch bei der Analyse von Langzeit-EKGs kommen Maschinen zum Einsatz. Das hängt damit zusammen, dass gerade bei einer 24-stündigen Untersuchung eine Datenmenge zusammenkommt, deren Auswertung jede Menge Zeit in Anspruch nimmt. Damit ein Arzt nicht tagelang an diesem einzelnen Datenberg festhängt, werden Computersysteme eingesetzt. Finden diese eine Unstimmigkeit, kann sich der Mediziner diese genauer anschauen und mögliche Behandlungsschritte in Erwägung ziehen.

Hilfe bei der Frühdiagnose

Den nächsten Schritt der digitalen Medizin bilden lernfähige Systeme zur Diagnose von Krankheiten, die aufgrund von vielen unterschiedlichen Symptomen nur schwer zu erkennen sind. Die amerikanische Food and Drug Administration (FDA) hat zum Beispiel Osteodetect, ein System zur Erkennung von distalen Radiusfrakturen, einem Bruch am unteren Ende der Speiche nahe am Handgelenk, oder auch eines zur Diagnose von Augenleiden, die im Zuge von Diabetes entstehen, sowie eines für Schlaganfälle zugelassen.

Bei allen drei Fällen müssen viele Parameter geprüft werden, um eine genaue Diagnose abzugeben. Ärzte können dabei einzelne Faktoren übersehen, was zum Beispiel bei der Früherkennung von einem Schlaganfall tödlich enden kann. Hier können die intelligenten Systeme helfen, die auf eine Erkrankung spezialisiert sind.

Einige Erkrankungen zeichnen sich durch viele Symptome aus. Oftmals können Ärzte nicht alle aus dem Stand durchgehen. Deshalb werden die Maschinen nur auf eine Krankheit und ihre spezifischen Signale angelernt, zum Beispiel dem Schlaganfall. Dafür werden sie unter anderem mit Bildern aus der Kernspintomographie oder auch mit Röntgenaufnahmen gefüttert. Die Zahl variiert dabei von System zu System. Dennoch lässt sich eins festhalten: Je mehr Informationen der Computer im Voraus bekommt, desto genauer kann er die Patientendaten in realen Situationen analysieren. Die Erfolgsquote steigt, Fehlanalysen nehmen ab.

Mensch und Maschine ergänzen sich

Auch hierzulande werden KI-Systeme zur Diagnose von bestimmten Krankheiten entwickelt. Das Uniklinikum Essen arbeitet zum Beispiel an einem System zur Untersuchung von Uteruskarzinomen. Da es rund 2.000 Parameter gibt, die sich der Erkrankung zuordnen lassen, ist es für Ärzte schwer mit absoluter Bestimmtheit zu sagen, ob ein Uterustumor gestreut hat oder nicht. "Wir haben unser Programm mit einem Testdatensatz gefüttert und ihm dann die Information gegeben, welche Bilder zu einer erkrankten Person gehören und welche nicht. Mit diesem Verfahren liegt die Trefferquote bei 95 Prozent", erklärt Michael Forsting, Direktor der Radiologie des Essener Universitätsklinikums, im Gespräch mit Golem.de.

Die Präzision der computergestützten Untersuchung wurde auch an der Heidelberger Universität bestätigt. Diese hat ein KI-System für die Dermatologie entwickelt, das als Convolutional Neural Network (CNN) bezeichnet wird und Melanome von ungefährlichen Muttermalen unterscheiden kann. Dafür wurden dem lernfähigen System 100.000 Bilder gezeigt, welche entweder als gefährlich oder ungefährlich eingestuft worden waren. Danach trat das System gegen 58 Hautärzte aus verschiedenen Ländern an. Die KI sowie die Ärzte sollten 100 Bilder mit oder ohne Hauterkrankung untersuchen. Das System ordnete 95 Prozent der Melanome und 63,8 Prozent der Muttermale richtig ein. Die Ärzte lagen dagegen bei 86,6 Prozent der Melanome und bei 71,3 Prozent der Muttermale richtig.

Bekamen die Ärzte ein paar Informationen zu den Bildern wie zum Beispiel das Geschlecht oder Alter der jeweiligen Person, verbesserten sich ihre Ergebnisse zwar um ein paar Prozent. Die Genauigkeit der Maschine bei der Erkennung von gefährlichen Melanomen konnten sie jedoch nicht erreichen. Es gibt allerdings einen wichtigen Unterschied: Die Ärzte sind effektiver bei der Diagnose von nichtbösartigen Muttermalen als der Computer. Eine Kooperation zwischen beiden Parteien wäre also optimal.

Blinddarmentzündungen sind schwer zu diagnostizieren

Die Idee, künstliche Intelligenz auch in medizinischen Einrichtungen einzusetzen, ist übrigens nicht neu. Bereits 1999 stellte die Hochschule Ravensburg-Weingarten den Prototyp eines lernfähigen Diagnosesystems mit dem Namen Lexmed fertig. Das System sollte bei der Erkennung von Blinddarmentzündungen helfen. Da es insgesamt 15 verschiedene Symptome wie zum Beispiel Übelkeit oder auch Fieber für die Erkrankung gibt, ist die Diagnose häufig problematisch. Dementsprechend wäre die Unterstützung durch einen Computer für die Ärzte hilfreich. Der Prototyp wurde erfolgreich in einem Krankenhaus getestet, die AOK Baden-Württemberg wollte ihn flächendeckend einsetzen. Leider entschied sich die AOK letztendlich gegen den Einsatz, zum einen aus Angst vor einem Zwist mit der Ärztekammer, zum anderen, weil es noch keine Abrechnungskategorie für Computerdiagnosen gab.

Die Vergangenheit zeigt auch, dass lernfähige Systeme bei anderen Erkrankungen hätten hilfreich sein können. Ein gutes Beispiel dafür ist das Magengeschwür. In den achtziger Jahren galt es noch als reine Stresserkrankung. Die Pathologie hatte allerdings Unstimmigkeiten bei den Aufnahmen der Geschwüre erkannt und die zuständigen Internisten angesprochen. Die Pathologen vermuteten, dass sich eine bakterielle Infektion hinter der Krankheit verbirgt. Damals wurde diese These angezweifelt, heute gilt sie als bestätigt. In Kombination mit einer künstlichen Intelligenz, die alle Parameter der Erkrankung einbezieht, hätte man sie schon damals wesentlich besser behandeln können.

Von all diesen Vorteilen sind Patienten aber weniger überzeugt.

Patienten sind skeptisch

Verschiedene Studien deuten auf eine gespaltene Meinung zu den lernfähigen Systemen. So hat zum Beispiel die Technologieberatung Bearing Point im vergangene Jahr 1.031 Freiwillige in Deutschland zum Thema KI und Pflegeroboter online befragt. Die Teilnehmer konnten dabei Aussagen in einem Raster von "trifft voll zu" bis zu "trifft nicht zu" bewerten. Dabei lehnten 63 Prozent der Befragten die Diagnose durch einen Computer ab. Es würden zwar 61 Prozent die Behandlung durch einen Arzt in Kombination mit einem Computer akzeptieren, aber ob das genug ist, ist unklar. Schließlich lehnen trotzdem gute 39 Prozent diese Behandlungsform immer noch ab. Wieso das so ist, wird in der Studie nicht erläutert.

Vermutlich haben die Patienten Angst, dass die Verantwortung am Ende vollständig auf einen Computer übertragen wird, wodurch der Arzt immer stärker in den Hintergrund rückt. Allerdings hat das Unternehmen diese Studie in keinem Fachmagazin publiziert, sie ist zudem mit 1.031 Befragten aus Deutschland auch nicht gerade repräsentativ für das ganze Land.

Auch der Future Health Index führte 2017 eine Online-Umfrage durch, bei der die Teilnehmer unter anderem zur Akzeptanz von technologiegestützten medizinischen Versorgung befragt wurden. Die Forschungsplattform fragte zum Beispiel 29.410 freiwillige Teilnehmer aus insgesamt 19 Ländern - unter anderem Deutschland, Singapur und der Schweiz -, welche Werkzeuge und andere Technologien ihrer Meinung nach den größten Einfluss auf die Verbesserung der Gesundheitsversorgung hätten. 15 Prozent sprachen sich dabei für medizinische Callcenter aus, die mit einer KI ausgestattet sind, und lediglich zehn Prozent für eine robotergestützte Gesundheitsversorgung.

Interessant ist jedoch, dass 25 Prozent und damit die Mehrheit für intelligente Gesundheitstracker wie zum Beispiel Fitnessarmbänder ist und sogar 20 Prozent für intelligente Gesundheitstools, die Anleitung bieten. Hier wird deutlich, dass die Menschen computergestützte Systeme in der Medizin zwar grundsätzlich nicht ablehnen, es ihnen aber dennoch wichtig ist, dass sie zum einen über die Systeme aufgeklärt werden und zum anderen nicht ausschließlich von diesen behandelt werden.

"Skeptischen Patienten könnte man die Angst vor künstlicher Intelligenz nehmen, wenn man sie darauf hinweist, dass die Systeme auf einzelne Krankheiten spezialisiert sind und dementsprechend Daten mit einer zusätzlichen Genauigkeit auswerten können. Auch Ärzte machen Fehler, was durch computergestützte Diagnosen vermieden werden kann", erklärt Radiologe Forsting. Schließlich verlassen sich die Menschen auf die Ärzte und nicht auf eine KI - egal, wie genau diese auch ist. Diese Menschen möchte Forsting beruhigen: "In erster Linie handelt es sich bei dem Computer um ein Assistenzsystem. Das kann man mit einem Lehrbuch vergleichen. Ein Arzt kann sich Informationen aus diesen ziehen, sollte sich aber auch auf sein eigenes Urteilsvermögen verlassen."

Die Zulassung ist schwierig

Neben den skeptischen Patienten gibt es noch ein Problem beim Einsatz von lernfähigen Systemen in der Medizin: die Zulassung. In Europa gibt bisher noch keine Kriterien für ein Medizinprodukt, welches sich stets weiterentwickelt, nachdem es zugelassen wurde. Das hängt damit zusammen, dass die Systeme weiterhin mit Bildern gefüttert werden können und zudem neue Parameter, die im Zusammenhang mit einer Erkrankung stehen, erlernen können. So könnte sich das weiterentwickelte System von dem alten unterscheiden, was wiederum zu der Frage führt, ob es dann noch einmal neu geprüft werden muss. Das gilt besonders für eine Software, die Teil der Therapieplanung wird.

Die US-Behörde FDA hat diesbezüglich Richtlinien eingeführt, um die Zulassung von lernfähigen Diagnosesystemen zu ermöglichen. Diese sollten unter anderem eine bahnbrechende Technologie darstellen, erhebliche Vorteile gegenüber von bereits bestehenden Systemen vorweisen oder im besten Interesse des Patienten stehen. Diese Bedingungen wurden laut der Behörde zum Beispiel von Osteodetect erfüllt.

Die FDA ist in Sachen Zulassung von lernfähigen Systemen weiter als das EU-Äquivalent , die European Medicine Agency (EMA), welche in dieser Hinsicht noch etwas unschlüssig wirkt. Die Einordnung als reine Assistenzsysteme ist allerdings sinnvoll, da die Ärzte so nicht in den Hintergrund rücken. Schließlich werden sie dadurch weiterhin verpflichtet, selbst Diagnosen zu erstellen und sich kritisch mit den Daten der Computer auseinanderzusetzen, was wiederum skeptischen Patienten zugute kommt.

Ob die von der FDA zugelassenen Programme letztendlich zur reinen Behandlung durch einen Computer führen, bleibt abzuwarten. Als reines Hilfsinstrument bieten sie jedoch eine Menge Vorteile, was neben den bereits vorgestellten Systemen ein neues aus England zur Analyse von Atemproben unter Beweis stellt.  (tkr)


Verwandte Artikel:
Imagen Tech: KI-System Osteodetect erkennt Knochenbrüche   
(28.05.2018, https://glm.io/134616 )
Android: Google Lens erreicht Deutschland   
(24.05.2018, https://glm.io/134555 )
Medizintechnik: Künstliche Intelligenz erschnüffelt Krankheiten   
(28.06.2018, https://glm.io/135202 )
Medizin: Diagnosehandschuh für jedermann   
(25.08.2012, https://glm.io/94086 )
For the Win: Googles KI besiegt menschliche Spieler in Quake 3 Arena   
(05.07.2018, https://glm.io/135334 )

© 1997–2019 Golem.de, https://www.golem.de/