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 beeinflussen viele Branchen. Angesichts der Auswirkungen von Automatisierung, Informatik und künstlicher Intelligenz (KI) bilden Ärzte, Krankenhäuser, Versicherungen und andere Branchen im Gesundheitswesen keine Ausnahme. Insbesondere im Gesundheitsbereich hat KI jedoch einen positiveren Einfluss als in anderen Branchen.
Erste Generation
Die Art und Weise, wie KI derzeit trainiert wird, ähnelt dem Ansatz von Medizinstudenten. Auch KI-Systeme werden mit Hunderten von Algorithmen trainiert, um Patientensymptome in Diagnosen zu übersetzen. Dies gilt als die erste Generation von Gesundheitsregeln, die in KI-Systeme integriert werden.
Entscheidungsalgorithmen wachsen wie ein Baum, beginnend beim 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 Künstlichen Schmalen Intelligenz (ANI), also künstlicher Intelligenz, die spezifische Aufgaben löst. Die Entwicklung neuronaler Netze, die die Struktur des menschlichen Gehirns nachahmen, ebnete den Weg für Deep-Learning-Technologien. ANI funktioniert ganz anders als ihre Vorgänger. Anstatt von Forschern vorgegebene Regeln bereitzustellen, nutzen Systeme der zweiten Generation riesige Datensätze, um Muster zu erkennen, für die Menschen lange Zeit benötigen würden.
In einem Beispiel fütterten die Forscher ein ANI-System mit Tausenden von Mammogrammen, von denen die Hälfte bösartige und die andere Hälfte gutartige Krebserkrankungen zeigte. Das Modell konnte sofort Dutzende von Unterschieden in Größe, Dichte und Schattierung der Mammogramme erkennen und jedem Unterschied einen Einflussfaktor zuordnen, der die Wahrscheinlichkeit einer bösartigen Erkrankung widerspiegelte. Wichtig ist, dass diese Art von KI nicht wie der Mensch auf Heuristiken (Faustregeln) beruht, sondern auf subtilen Unterschieden zwischen bösartigen und normalen Untersuchungen, die weder dem Radiologen noch dem Softwareentwickler 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 künstlichen Intelligenz besteht darin, dass das System nur so gut ist wie die Daten, mit denen es trainiert wurde. Ein klares Beispiel für diese Schwäche war, 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 durchforsteten, stellten sie fest, dass die KI eine schädliche Annahme traf. Patienten wurden als gesund diagnostiziert, nur weil ihre Krankenakten wenig medizinische Versorgung enthielten, während Patienten, die viel medizinische Versorgung in Anspruch nahmen, als ungesund eingestuft wurden.
Zukünftige KI-Generationen werden es Menschen ermöglichen, Krankheiten zu diagnostizieren und Behandlungen wie ein Arzt zu planen. 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 werden Ärzte wahrscheinlich nicht ersetzen. Angesichts ihres aktuellen exponentiellen Wachstums 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)