In der Medizin entwickeln sich KI-Generationen rasant.

Künstliche Intelligenz wurde Ende des 20. Jahrhunderts von Computeringenieuren programmiert und basiert auf einer Reihe von Anweisungen (Regeln), die von Menschen erstellt wurden. Dadurch ist es der Technologie möglich, grundlegende Probleme zu lösen.

Anmerkung der Redaktion: Viele Branchen sind im Informationszeitalter von neuen Technologien betroffen. Automatisierung, Informatik und künstliche Intelligenz (KI) haben Auswirkungen auf Bereiche wie Ärzteschaft, Krankenhäuser, Versicherungen und das Gesundheitswesen. Insbesondere im Gesundheitswesen wirkt sich KI jedoch positiver aus als in anderen Branchen.

Erste Generation

Die Art und Weise, wie KI trainiert wird, ähnelt dem Vorgehen von Medizinstudierenden. Auch KI-Systeme lernen Hunderte von Algorithmen, um Patientensymptome in Diagnosen zu übersetzen. Dies gilt als die erste Generation von Regeln für das Gesundheitswesen, die in KI-Systeme integriert wurden.

Generative KI-Anwendungen helfen Ärzten dabei, Informationen in Echtzeit zu aktualisieren.

Entscheidungsalgorithmen wachsen wie ein Baum, ausgehend vom Stamm (dem Problem des Patienten) und verzweigen sich von dort aus. Klagt ein Patient beispielsweise über starken Husten, fragt der Arzt zunächst nach Fieber. Es gibt also zwei Fragensätze: Fieber/kein Fieber. Die ersten Antworten führen zu weiteren Fragen zum Krankheitsbild. Dadurch entstehen weitere Verzweigungen. Schließlich stellt jede Verzweigung eine Diagnose dar, die von bakterieller, Pilz- oder Viruspneumonie bis hin zu Krebs, Herzinsuffizienz oder Dutzenden anderer Lungenerkrankungen reichen kann.

Die erste Generation von KI konnte zwar Probleme erkennen, aber keine medizinischen Daten analysieren und klassifizieren. Daher waren frühe Formen künstlicher Intelligenz nicht so präzise wie Ärzte, die medizinische Wissenschaft mit Intuition und Erfahrung verbanden. Aufgrund dieser Einschränkungen wurde regelbasierte KI in der klinischen Praxis daher nur selten eingesetzt.

Vollständige Automatisierung

Anfang des 21. Jahrhunderts begann mit der Künstlichen Schmalen Intelligenz (ANI) die zweite Ära der KI – einer KI, die auf die Lösung spezifischer Aufgaben spezialisiert ist. Die Entwicklung neuronaler Netze, die die Struktur des menschlichen Gehirns nachahmen, ebnete den Weg für Deep Learning. ANI funktioniert grundlegend anders als ihre Vorgänger. Anstatt vordefinierte Regeln von Forschern zu verwenden, nutzen Systeme der zweiten Generation riesige Datensätze, um Muster zu erkennen, für die Menschen sehr viel Zeit benötigen würden.

In einem Beispiel fütterten Forscher ein ANI-System mit Tausenden von Mammografien, von denen die Hälfte bösartige und die andere Hälfte gutartige Tumore zeigte. Das Modell konnte sofort Dutzende von Unterschieden in Größe, Dichte und Schattierung der Mammografien identifizieren und jedem Unterschied einen Gewichtungsfaktor zuweisen, der die Wahrscheinlichkeit einer Bösartigkeit widerspiegelte. Entscheidend ist, dass diese Art von KI nicht wie Menschen auf Heuristiken (Faustregeln) beruht, sondern auf subtilen Unterschieden zwischen bösartigen und normalen Untersuchungen, die weder Radiologen noch Softwareentwicklern bekannt sind.

Im Gegensatz zu regelbasierter KI übertreffen KI-Tools der zweiten Generation die menschliche Intuition in der diagnostischen Genauigkeit mitunter. Diese Form der künstlichen Intelligenz weist jedoch auch gravierende Einschränkungen auf. Erstens ist jede Anwendung aufgabenspezifisch. Ein System, das für die Auswertung von Mammografien trainiert wurde, kann beispielsweise keine Gehirnscans oder Röntgenaufnahmen des Brustkorbs interpretieren. Die größte Einschränkung der künstlichen Intelligenz (KNI) besteht darin, dass die Leistung des Systems von den Trainingsdaten abhängt. Ein deutliches Beispiel für diese Schwäche ist der Einsatz von schwacher KI bei UnitedHealthcare, um die schwerstkranken Patienten zu identifizieren und ihnen zusätzliche medizinische Leistungen anzubieten. Bei der Datenfilterung stellten die Forscher später fest, dass die KI eine fatale Fehlannahme getroffen hatte: Patienten wurden als gesund eingestuft, nur weil ihre Krankenakten zeigten, dass sie wenig medizinische Versorgung erhalten hatten, während Patienten mit hohem Versorgungsbedarf als krank galten.

Zukünftige Generationen von KI werden es Menschen ermöglichen, Krankheiten zu diagnostizieren und Behandlungen wie Ärzte zu planen. Ein generatives KI-Tool (Googles MED-PALM2) hat bereits die ärztliche Zulassungsprüfung mit Bestnoten bestanden. Viele andere medizinische KI-Tools können mittlerweile Diagnosen ähnlich denen von Ärzten erstellen. Allerdings benötigen diese Modelle weiterhin ärztliche Aufsicht und können Ärzte nicht ersetzen. Angesichts des derzeitigen exponentiellen Wachstums wird erwartet, dass diese Anwendungen in den nächsten fünf Jahren mindestens 30-mal leistungsfähiger werden. Zukünftige Generationen von Tools wie ChatGPT werden voraussichtlich medizinisches Fachwissen für jedermann zugänglich machen und die Arzt-Patienten-Beziehung grundlegend verändern.

Zusammengestellt von VIET LE

Quelle