
Künstliche Intelligenz, kurz KI, kommt in vielen Bereichen des Lebens zum Einsatz. In der Medizin können Algorithmen zum Beispiel die Auswertung großer Datenmengen übernehmen und so Mediziner/innen bei der Diagnose und Behandlung von Krankheiten unterstützen. Die Hoffnungen sind groß, dass künstliche Intelligenz auch gegen den Fachkräftemangel im Gesundheitswesen helfen kann.
KI – Hoffnung für das Gesundheitswesen?
Der Fachkräftemangel im Gesundheitswesen nimmt weltweit zu. Eine im Jahr 2022 veröffentlichte Studie der Wirtschaftsprüfungsgesellschaft PwC kommt etwa zu dem Schluss, dass 2035 knapp 1,8 Millionen offene Stellen im deutschen Gesundheitswesen nicht mehr besetzt werden können, da qualifizierte Fachkräfte fehlen. In anderen Ländern sieht es kaum besser aus.
Um diesem Fachkräftemangel entgegenzuwirken, setzen Experten/-innen ihre Hoffnungen unter anderem auf künstliche Intelligenz. Wo Ärzte/-innen fehlen, sollen Algorithmen zumindest einen Teil der Arbeit übernehmen. Algorithmen kommen in jeder Software und App zum Einsatz und sind auch Bestandteil zahlreicher medizinischer Geräte wie internetfähiger Waagen und Blutdruckmesser. Ihr Vorteil: Sie können schnell und zuverlässig große Datenmengen erheben, auswerten und den Nutzer/innen aufbereitet zur Verfügung stellen.
Mögliche Einsatzgebiete in der Medizin
In der Medizin sollen KI-gestützte Algorithmen vor allem bei der Diagnostik Unterstützung bieten. Hilfe erhofft man sich unter anderem bei der Früherkennung von Krankheiten durch bildgebende Verfahren, etwa bei der Segmentierung des Herzens oder von Tumoren. Weiterhin können Algorithmen Mediziner/innen bei der Wahl und Durchführung von Therapien unterstützen. Die letzte Entscheidung über Behandlungen obliegt dabei weiterhin den Ärzten/-innen.
Nachfolgend einige Beispiele für den Einsatz von künstlicher Intelligenz in der Medizin:
Radiologie – Segmentierung des Herzens
Bei bildgebenden Diagnoseverfahren werden Algorithmen bereits erfolgreich eingesetzt, beispielsweise in der Radiologie, bei Computertomographien (CT) und bei Netzhaut-Scans. Die Algorithmen werden zunächst anhand spezieller Datensätze darauf trainiert, Hinweise auf bestimmte Erkrankungen zu erkennen. Anschließend gleichen sie aktuelle Aufnahmen mit den Bildern aus diesen Datensätzen ab. Bei der Wiedergabe der Bilder heben sie die Bereiche hervor, die auf bestimmte Erkrankungen hindeuten. Das erleichtert es Mediziner/innen, Behandlungsentscheidungen zu treffen.
In der Radiologie können die Algorithmen Ärzte/-innen unter anderem bei der Segmentierung des Herzens unterstützen. Diese Aufgabe ist sehr zeitaufwendig und bietet sich daher für die Automatisierung an. Innerhalb von Sekunden erstellen die Programme eine dynamische 3D-Segmentierung des Herzens mit allen anatomischen Strukturen. Die eingesparte Zeit können Ärzte/-innen für andere Aufgaben verwenden.
Krebserkennung in der Radioonkologie
Ein weiteres Beispiel für den Einsatz von KI in der medizinischen Früherkennung ist die Anwendung von Algorithmen in der Radioonkologie. In der Krebserkennung ist man auf erfahrene Spezialisten/-innen mit Fachwissen im Bereich der Strahlentherapie angewiesen. Vielerorts mangelt es allerdings an diesen Fachkräften. Ähnlich wie in der Radioonkologie können nun Algorithmen die Aufgabe der Segmentierung von Tumoren übernehmen.
Bei der Segmentierung von Lungentumoren hat man mit dem Einsatz spezialisierter Algorithmen bereits gute Erfahrungen gemacht. Das US-amerikanische Dana-Farber Cancer Institute und das Harvard Cancer Center haben die KI-gestützten Programme zum Einsatz gebracht. Bei der Entwicklung arbeiteten die Programmierer/innen eng mit Mediziner/innen zusammen. Die Ergebnisse des Forschungsprojekts weisen darauf hin, dass die künstliche Intelligenz zumindest in diesem Bereich ähnlich gut arbeitet wie ein Mensch.
Chatbots als Diagnosehilfe
Algorithmen können Mediziner/innen auch in Form von Chatbots bei der Diagnosestellung unterstützen. Ärzte/-innen und Patienten/-innen kommunizieren per Texteingabe mit der künstlichen Intelligenz und geben zum Beispiel bestimmte Symptome ein. Die Chatbots zeigen darauf mögliche Diagnosen und ihre Wahrscheinlichkeit an. Die tatsächliche Diagnose durch eine/n Arzt/Ärztin ersetzen derartige Programme natürlich nicht. Sie können aber bei der ersten Einschätzung von Krankheitsanzeichen helfen und zu schnelleren Arbeitsabläufen führen.
Herausforderungen beim Einsatz von KI in der Medizin
Damit Algorithmen Daten zuverlässig auswerten können, müssen sie zunächst anhand von repräsentativen Datensätzen trainiert werden. Ansonsten besteht die Gefahr, dass sie bestimmte relevante Merkmale einer Erkrankung nicht erkennen und etwa Tumore übersehen, deren Eigenschaften nicht ausreichend mit den Tumoren im Trainingsdatensatz übereinstimmen. Die Trainingsdatensätze sollten aber nicht nur möglichst umfassend sein, sondern sollten auch auf festgelegten syntaktischen und semantischen Standards basieren. Syntaktische Standards geben vor, wie Datensätze strukturiert werden, etwa welche Informationen an welcher Stelle zu finden sind. Semantische Standards legen einheitliche Definitionen für Informationen fest, etwa für Begriffe und Abkürzungen. Ein Großteil der klinischen Dokumentation erfolgt jedoch immer noch in unstrukturierer Form.
Der Einsatz auf künstlicher Intelligenz basierender Systeme gehen zudem mit hohen Investitionskosten einher. Zu den Kosten der eigentlichen Soft- und Hardware kommt der Aufwand für die Aus- und Fortbildung des Personals. Diese Kosten können vor allem für kleine und ambulante Gesundheitseinrichtungen eine Herausforderung darstellen.