Blogs / Artificial Intelligence

Wie Daten Leben retten

Spitäler setzen künstliche Intelligenz ein. Algorithmen könnten die nächste Pandemie verhindern.

Pascal Kaufmann

Wie in vielen anderen Bereichen wurden in den letzten Jahren auch im Gesundheitswesen zahlreiche Forschungs- und Pilotprojekte für den Einsatz von künstlicher Intelligenz lanciert. Das Coronavirus stellt die Spitäler und damit auch die dort verwendeten neuartigen Anwendungen auf eine harte Probe.

Dabei ist der Erfahrungsschatz des Arztes in der ganzheitlichen Beurteilung eines Patienten der Maschine noch immer überlegen. Das Zusammenspiel von Mensch und Maschine rettet allerdings Leben, wie aktuelle Beispiele aus dem Alltag in den Spitälern eindrücklich zeigen.

Die Medizin modernisiert sich

Unter die Disziplin der klassischen künstlichen Intelligenz fällt insbesondere der Begriff des maschinellen Lernens oder des Machine Learning, das sich in den letzten Jahrzehnten zu einem wichtigen Werkzeug in der wissenschaftlichen und der medizinischen Forschung etabliert hat. Machine Learning ist eng mit Big Data verknüpft. Aus grossen Datenmengen können Muster und statistische Relevanz extrahiert werden.

So können Patientendaten zu Krankheitsverläufen genutzt werden, um unvorhergesehene Ereignisse bei Intensivpatienten vorauszusagen oder um für einen Krebspatienten die bestpassende Therapie für seine ganz spezifische Krankheitsgeschichte zu finden. Derzeit wird diese Art der Anwendung aufgrund der Coronapandemie stark weiterentwickelt und in zahlreichen neuen Projekten gefördert.

«Forscher, die in der Schweiz aufgrund geschlossener Hochschulen keine Experimente mehr im Labor durchführen dürfen, setzen verstärkt auf vorhandene Datenmengen. Bioinformatiker werten die bis dato gesammelten Daten maschinell aus und sind daher sehr gefragt», erklärt Dr. Daniela Suter, Geschäftsführerin der Stiftung Gen Suisse. Die Medizin modernisiert sich, die Digitalisierung hat die Gesundheitsbranche erreicht.

Der Wettlauf um das beste Vorhersagemodell

Auch in den Führungsetagen der Spitäler hat das Coronavirus seine Spuren hinterlassen. Mit Hochdruck wird maschinelles Lernen für die Prognose von Infektionsraten beigezogen, öffentlich verfügbare Daten werden in Vorhersagemodellen abgebildet.

Bereits in der Vergangenheit wurde mit unterschiedlichen Modellen versucht vorherzusagen, wie sich ein Virus wie die saisonale Grippe in einer Region, einem Land oder auf der Welt verbreiten wird. «Die Abteilungen der amerikanischen CDC (Centers for Disease Control and Prävention) führen dazu sogar einen jährlichen Wettbewerb durch, um vielversprechende Firmen und Teams zu identifizieren, die die Behörden bei der Vorbereitung auf die nächste Grippesaison unterstützen», erklärt Thomas Zwahlen, Gründer und Geschäftsführer der schweizerischen Indema.

Dank diesem Wissen können sich die Gesundheitseinrichtungen besser auf die kommende Lage vorbereiten. Das Biozentrum der Universität Basel entwickelt beispielsweise mathematische Modelle, um den Verlauf von Pandemien zu prognostizieren. Auch beim aktuellen Coronavirusausbruch leisten entsprechende Modelle wertvolle Dienste, wobei auch Daten aus den sozialen Medien oder aus anderen Ländern für die Berechnung der Auswirkungen in der Schweiz herangezogen werden. Statistische Zusammenhänge und nützliche Simulationen retten Leben, indem Engpässe vorausgesehen werden und die Beschaffung von Material und Personal geplant werden kann.

Anwendungen, die die betroffenen Einrichtungen bei der täglichen Arbeit unterstützen, sind bereits heute in Schweizer Spitälern im Einsatz. Mit Chime (Covid-19 Hospital Impact Model for Epidemics) steht für die Spitäler eine Lösung bereit, um die erwartete Zahl der zu hospitalisierenden Patienten und der täglichen Einweisungen zu prognostizieren und die Kapazitätsplanung zu machen. Das Coronavirus beschleunigt die dringend notwendige Technologisierung der Spitallandschaft auf allen Ebenen.

Modernste KI-Werkzeuge für den Ernstfall

Mit maschinellem Lernen kann das Risiko nicht nur für die Schweiz oder für einzelne Kantone, sondern auch für jede einzelne Person anhand ihrer Profildaten berechnet werden. Auf diese Weise lässt sich bestimmen, welche Bevölkerungsgruppen speziell vor der Krankheit geschützt und aus diesem Grund isoliert werden müssen. Eine hundertprozentig genaue Prognose ist jedoch nicht möglich, denn es existiert eine hohe Dunkelziffer an Personen, die das Virus zwar in sich tragen und weiterverbreiten, jedoch keine oder nur milde Symptome ausprägen. Sie werden daher in der Statistik nicht erfasst. Hier sind menschliches Augenmass und Intuition noch immer entscheidend.

«Möglicherweise spielt auch genetische Veranlagung eine Rolle bei der Ausprägung von Covid-19. Die Analyse genetischer Daten ist jedoch hoch komplex und eine gute und verlässliche Datenbasis massgeblich für die Qualität und Zuverlässigkeit der Ergebnisse», berichtet Daniela Suter.

Auch eine effizientere und zielgerichtetere Patientenbehandlung wird durch den Einsatz von Algorithmen angestrebt. Die Bildanalyse als Einsatzgebiet für maschinelles Lernen ist ein zentrales Feld für KI im Spital. In der gegenwärtigen Situation kann sie helfen, die knappen personellen Ressourcen in den Spitälern durch Unterstützung bei der Diagnose zu entlasten, indem beispielsweise Radiologiebilder mit Unterstützung eines Algorithmus ausgewertet werden.

«Die Beurteilung durch einen Arzt dauert im Schnitt länger, und die Fehleranfälligkeit steigt unter den gegebenen Umständen von langen Arbeitszeiten und hohem Druck. Mit dem Einsatz von künstlicher Intelligenz kann dieser Prozess zuverlässiger und rund um die Uhr erledigt werden», sagt Thomas Zwahlen. Die Diagnose Lungenentzündung kann dank künstlicher Intelligenz schneller gestellt und der Patient früher behandelt werden. Vor kurzem hat eine Studie belegt, dass erfahrene Ärzte, die in der Analyse von Röntgenbildern besser sind als reine Algorithmen, mit der Hilfe von Deep-Learning-Algorithmen ihre Bildanalyse signifikant verbessern.

Bereits erprobte und bewährte Möglichkeiten für den Einsatz von KI zeigen sich auch im Decision Support, also in der Unterstützung und der Beschleunigung der Entscheidungsfindung für Mediziner und Pflegespezialisten. Dabei führen beispielsweise die Automatisierung und die Auslagerung von Arbeitsschritten bei der Bildanalyse zu einer signifikanten Effizienzsteigerung.

Das Zusammenspiel von Mensch und Maschine entwickelt sich täglich weiter. Der Einsatz von Maschinen im Alltag des Spitals wird selbstverständlich. Augmented Intelligence, quasi die Verbesserung der menschlichen Intelligenz durch technische Unterstützung, macht selbst unter konservativen Medizinern als Begriff die Runde.

Wenn das Team Arzt und Maschine an Grenzen stösst

Der Bereich der Genetik zeigt aber die Grenzen der meisten Modelle. Die Komplexität der Interaktionen übersteigt jede Vorstellungskraft. Ein Computermodell ist ja auch nur so intelligent wie sein Programmierer. Es scheint, als stosse das so erfolgreiche Team von Mensch und Maschine an eine Barriere, die auch durch die Analyse gigantischer Datensätze nicht zu überwinden ist. Noch ist kein Heilmittel gegen HIV oder Sars-CoV-2 gefunden, die Welt der Viren birgt weiterhin sehr viele Geheimnisse. Versagt das Team aus Arzt und Maschine?

Künstliche Intelligenz im Spital kann bei der Diagnosestellung noch nicht den Arzt ablösen: Zwar ist KI unglaublich performant und kann Millionen von Datensätzen analysieren, die Kompetenz und das Verständnis für Zusammenhänge fehlen der Maschine aber weiterhin vollends.

Der menschliche Geist ist für die ganzheitliche Beurteilung eines Patienten der Maschine noch immer klar überlegen. Die Fähigkeit, aus «Small Data» Zusammenhänge zu erkennen, ist noch immer unerreicht. Dies gilt besonders für die automatische Kodierung von Arzt- und Pflegeberichten, was ein schwieriger Anwendungsfall für KI ist. Die schiere Menge an möglichen Diagnosen ist kein geeignetes Lernumfeld für Algorithmen. Zu heterogen und unterschiedlich sind die Datensätze, die Natur hält sich nicht immer an einfach analysierbare Muster.

Zudem bleiben zahlreiche Herausforderungen wie Fragen nach der Verantwortung und der Gewährleistung, fehlende Nachvollziehbarkeit oder Ethik ungelöst. Noch nie war ein qualitativer Durchbruch im Bereich der KI dringlicher als heute, da viele Fragen ungelöst sind und die Zeit nicht ausreicht, auf wissenschaftliche Durchbrüche mit klassischer Forschung zu warten. Der Ruf nach automatisierter Kreativität, künstlicher menschenartiger Intelligenz und Systemen, die alles medizinische Wissen der Welt zu neuen Schlussfolgerungen synthetisieren können, wird immer lauter. Wo bleibt der künstliche Arzt?

Wie man weitere Pandemien verhindert

Die Devise heute lautet: Teamwork an allen Fronten, in der Bioinformatik, in der Diagnostik, im Bereich Machine Learning und in der Suche nach dem heiligen Gral – der maschinellen Intelligenz und Kreativität. Die Zeit drängt.

Bis dahin leistet Machine Learning einen wichtigen Beitrag. Mithilfe modernster Algorithmen können die Struktur von Proteinen und deren Wechselwirkungen mit chemischen Verbindungen vorhergesagt werden. Darüber hinaus können ohne aufwändige Tests und Versuchsreihen vielversprechende, bereits bekannte Medikamente identifiziert werden, die gegen das Coronavirus eingesetzt werden können. Es können aber auch Einblicke gewonnen werden, die die Entwicklung neuartiger Medikamente oder Impfungen beschleunigen.

Eines ist sicher – das Coronavirus hat die digitale Revolution in Forschung und Medizin bereits heute stark vorangetrieben. Die Menschheit ist besser gewappnet, wenn es um die frühzeitige Identifikation von zukünftigen Ausbrüchen, Übertragungsgeschwindigkeiten, Wahrscheinlichkeiten, Verbreitungswegen sowie die Abschätzung von Auswirkungen geht.

Ein tiefes Verständnis der Biologie und der Mechanismen von Viren und Mikroorganismen sowie der zugrundeliegenden Prinzipien ist notwendig, um die Ursache von Pandemien zu bekämpfen. Das Coronavirus stärkt die Partnerschaft und das Zusammenspiel von Mensch und Maschine, auf dass globale Katastrophen wie das Coronavirus sich nicht wiederholen werden.

Pascal Kaufmann hat 2017 die gemeinnützige Stiftung Mindfire lanciert, die sich zum Ziel gesetzt hat, das Prinzip der Intelligenz zu entschlüsseln und diese Erkenntnisse der Spitzenforschung verfügbar zu machen.