Die KI wurde Ende des 20. Jahrhunderts von Computeringenieuren programmiert und basiert auf einer Reihe von Anweisungen (Regeln), die von Menschen erstellt wurden. Dadurch kann die Technologie grundlegende Probleme lösen.
Anmerkung der Redaktion: Neue Technologien im Informationszeitalter wirken sich auf viele Branchen aus. Angesichts der Auswirkungen von Automatisierung, Informatik und künstlicher Intelligenz (KI) bilden Ärzte, Krankenhäuser, Versicherungsunternehmen und Branchen im Gesundheitswesen keine Ausnahme. Insbesondere im Gesundheitsbereich hat KI jedoch einen positiveren Einfluss als in anderen Branchen.
Erste Generation
Das Training von KI ähnelt dem von Medizinstudenten. Auch hier werden KI-Systemen Hunderte von Algorithmen beigebracht, um Patientensymptome in Diagnosen zu übersetzen. Dies gilt als die erste Generation von Gesundheitsregeln, die in KI-Systeme integriert wurden.
Entscheidungsalgorithmen wachsen wie ein Baum, beginnend am Stamm (dem Problem des Patienten) und verzweigen sich von dort aus. Klagt ein Patient beispielsweise über starken Husten, fragt der Arzt zunächst, ob Fieber vorliegt. Es gibt zwei Fragenkomplexe: Fieber/kein Fieber. Die ersten Antworten führen zu weiteren Fragen zum Zustand. Dies wiederum führt zu weiteren Verzweigungen. Schließlich stellt jeder Zweig eine Diagnose dar, die von bakterieller, Pilz- oder Viruspneumonie bis hin zu Krebs, Herzinsuffizienz oder Dutzenden anderer Lungenerkrankungen reichen kann.
Die erste Generation künstlicher Intelligenz konnte zwar Probleme erkennen, aber keine Krankenakten analysieren und klassifizieren. Daher waren frühe Formen künstlicher Intelligenz nicht so präzise wie Ärzte, die medizinisches Wissen mit Intuition und Erfahrung kombinierten. Aufgrund dieser Einschränkungen wurde regelbasierte KI später in der klinischen Praxis kaum eingesetzt.
Vollautomatisierung
Zu Beginn des 21. Jahrhunderts begann die zweite Ära der KI mit der Artificial Narrow Intelligence (ANI), also künstlicher Intelligenz, die spezifische Aufgaben löst. Die Entwicklung neuronaler Netzwerke, die die Struktur des menschlichen Gehirns nachahmen, ebnete den Weg für Deep-Learning-Technologien. ANI funktioniert ganz anders als ihre Vorgänger. Statt vordefinierte Regeln von Forschern bereitzustellen, nutzen Systeme der zweiten Generation riesige Datensätze, um Muster zu erkennen, für die Menschen lange Zeit benötigen würden.
In einem Beispiel fütterten Forscher ein ANI-System mit Tausenden von Mammogrammen, von denen die Hälfte bösartige und die andere Hälfte gutartige Krebserkrankungen zeigten. Das Modell konnte sofort Dutzende von Unterschieden in Größe, Dichte und Schattierung der Mammogramme erkennen und jedem Unterschied einen Gewichtungsfaktor zuweisen, der die Wahrscheinlichkeit einer bösartigen Erkrankung 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 den Radiologen noch den Softwareentwicklern bekannt sind.
Im Gegensatz zu regelbasierter KI übertreffen KI-Tools der zweiten Generation die menschliche Intuition manchmal in ihrer diagnostischen Genauigkeit. Diese Form der künstlichen Intelligenz weist jedoch auch gravierende Einschränkungen auf. Erstens ist jede Anwendung aufgabenspezifisch. Das heißt, ein System, das darauf trainiert ist, Mammogramme zu lesen, kann keine Gehirnscans oder Röntgenaufnahmen des Brustkorbs interpretieren. Die größte Einschränkung der ANI besteht darin, dass das System nur so gut ist wie die Daten, mit denen es trainiert wurde. Ein klares Beispiel für diese Schwäche ist der Fall, als UnitedHealthcare sich auf schwache KI verließ, um die am schwersten erkrankten Patienten zu identifizieren und ihnen zusätzliche medizinische Leistungen anzubieten. Als die Forscher die Daten filterten, stellten sie später fest, dass die KI eine verheerende Annahme getroffen hatte. Patienten wurden als gesund diagnostiziert, nur weil ihre Krankenakten zeigten, dass sie wenig medizinische Versorgung erhielten, während Patienten, die viele medizinische Leistungen in Anspruch nahmen, als ungesund eingestuft wurden.
Zukünftige KI-Generationen werden es Menschen ermöglichen, Krankheiten zu diagnostizieren und Behandlungen zu planen, wie es jeder Arzt tut. Ein generatives KI-Tool (Googles MED-PALM2) hat die ärztliche Zulassungsprüfung bereits mit Expertennote bestanden. Viele andere medizinische KI-Tools können mittlerweile ähnliche Diagnosen stellen wie Ärzte. Diese Modelle benötigen jedoch weiterhin ärztliche Aufsicht und können Ärzte nicht ersetzen. Angesichts der aktuellen exponentiellen Wachstumsrate dürften diese Anwendungen in den nächsten fünf Jahren jedoch mindestens 30-mal leistungsfähiger werden. Zukünftige Tool-Generationen wie ChatGPT werden medizinisches Fachwissen für jedermann zugänglich machen und die Arzt-Patienten-Beziehung grundlegend verändern.
Zusammengestellt von VIET LE
[Anzeige_2]
Quelle
Kommentar (0)