Künstliche Intelligenz in der Medizin : Wie KI die Diagnose, Versorgung und Pflege revolutioniert

„Unmögliches wird sofort erledigt, Wunder dauern etwas länger.“ Dieses Fundstück aus dem nicht durchweg seriösen Sprüche-Archiv hat mit der Künstlichen Intelligenz (KI) eine überraschende Wendung genommen. Was gestern noch als mindestens unwahrscheinlich durchgegangen wäre, ist heute blitzschnelle Datenanalyse, automatische Bilderkennung und Deep Learning.

Der KI werden ungeahnte Möglichkeiten nachgesagt, manche Experten sprechen von einem neuen technischen Entwicklungsschritt der Menschheit, von einer weiteren industriellen Revolution. Die Einsatzgebiete scheinen kaum Grenzen zu kennen und versprechen Ergebnisse, die auf herkömmlichem Weg nie erreicht würden. Speziell in der Medizin sind die Erwartungen an KI riesig.

Die Gesundheitsversorgung ist für KI-Anwendungen prädestiniert

Manche Experten meinen, dass der Gesundheitsbereich für KI prädestiniert sei. Tatsächlich wird diese Technik bereits erfolgreich genutzt und liefert zuverlässige Ergebnisse, obwohl das KI-Zeitalter im Grunde genommen gerade erst begonnen hat. In der Forschung wird an Projekten gearbeitet, die spektakulär neue Entwicklungen ermöglichen in der Prävention, Diagnose und Therapie. Aber was ist Künstliche Intelligenz und was ist nötig, um sie zu nutzen?

KI unterscheidet sich von gewöhnlichen Computerprogrammen durch die Möglichkeit, eigenständig zu lernen. Das sogenannte maschinelle Lernen umfasst die Fähigkeit, komplexe Muster zu erkennen und daraus bestimmte Schlüsse zu ziehen. Voraussetzung dafür sind große Datenmengen (Big Data), die von Computern mit ausreichender Rechenleistung ausgewertet werden. Im Grunde geht es darum, menschliche kognitive Fähigkeiten auf Rechner und Programme zu übertragen. Die Computer können, anders als Menschen, in kurzer Zeit riesige Datenmengen nach bestimmten Zielvorgaben auswerten.

Es geht darum, komplexe Muster zu erkennen

Die Rechner werden nicht müde und machen keine Flüchtigkeitsfehler, allerdings sind sie keine eigenständigen, intelligenten Wesen mit allgemeiner Problemlösungskompetenz, sondern funktionieren nach programmierten Algorithmen. Je mehr Daten das KI-Programm zur Verfügung hat, umso treffsicherer können sie ausgewertet werden, die KI lernt aus Erfahrung. Beispiel Gesichtserkennung: Je mehr Bilder eines bestimmten Menschen die KI kennt, umso sicherer wird dieser Mensch in einer großen Zahl von Personenbildern anhand bestimmter Datenpunkte erkannt.

Die Bilderkennung spielt in der Gesundheitsversorgung eine zentrale Rolle, allerdings geht es in diesem Fall um Röntgen- oder Sonografiebilder, CT- oder MRT-Aufnahmen. Auf der Grundlage großer Datenmengen und der dazu passenden Diagnosen werden in der radiologischen Diagnostik zum Beispiel pathologische Veränderungen gefunden und analysiert.

Verlässlichkeit der Diagnose ist entscheidend

Wer sich schon einmal eine MRT-Aufnahme am Computer angeschaut hat, kann ahnen, dass die Analyse solcher Bilder einiges an Erfahrung und Wissen erfordert, aber auch Aufmerksamkeit und Geduld. Selbst spezialisierte Ärzte machen vielleicht eine Anomalie aus, die keine ist, oder übersehen eine, die besser entdeckt worden wäre.

In der Wissenschaft werden medizinische Tests unterschieden nach Sensitivität und Spezifität. Gelingt es mit einer Methode, eine bestimmte Krankheit zuverlässig zu ermitteln, ist die Sensitivität hoch (richtig-positiv). Kann mit einem Test zuverlässig ermittelt werden, dass eine Person nicht an einer bestimmten Krankheit leidet, also gesund ist, spricht man von einer hohen Spezifität (richtig-negativ).

Sensitivität und Spezifität von Tests spielten in der Corona-Pandemie eine wichtige Rolle, als es darum ging, schnell herauszufinden, ob Personen mit dem Virus infiziert waren oder nicht – mit allen teils schwerwiegenden Folgen. Auch bei anderen bedrohlichen Erkrankungen wie Krebs ist die Frage der diagnostischen Sensitivität von großer Bedeutung, schließlich können Fehler in beide Richtungen (falsch-positiv/falsch-negativ) fatale Auswirkungen haben, etwa beim Brustkrebs-Screening.

Warum KI-Tools teilweise erfahrenen Fachärzten überlegen sind

Inzwischen haben Vergleichsuntersuchungen gezeigt, dass KI-gestützte Bildanalysen auch dem geschulten Auge erfahrener Fachärzte teilweise überlegen sind. So schnitten in einer internationalen Studie der Universität Heidelberg  Algorithmen bei der Unterscheidung von schwarzem Hautkrebs (Malignes Melanom) und harmlosen Muttermalen erheblich besser ab als Mediziner. Allerdings lag die richtig-negativ-Rate in einer anderen Vergleichsstudie bei den Dermatologen etwas höher als bei dem verwendeten Algorithmus.

Die neue Technik wird von manchen Medizinern, die lieber auf eigene Erfahrungen setzen, noch skeptisch gesehen. Das Misstrauen ist nach Einschätzung von KI-Experten aber nicht gerechtfertigt. Wissenschaftler des Deutschen Krebsforschungszentrum (dkfz) in Heidelberg fanden heraus, dass Hautärzte einer KI eher vertrauen, wenn die Diagnose mit einer Erklärung verbunden wird.

Erklärfunktion mit internationalen Dermatologen getestet 

Sie entwickelten dazu ein Unterstützungssystem mit Erklärfunktion (XAI explainable artificial intelligence), wobei sich die Erklärungen auf Merkmale bestimmter Zonen der Läsion beziehen. Eine Untersuchung mit Dermatologen aus 33 Ländern ergab nach Angaben des Krebsforschungszentrums sogar, dass Mediziner besonderes Zutrauen zur eigenen Diagnose entwickelten, wenn ihre Entscheidungskriterien mit denen der XAI übereinstimmten.

Hautkrebs entsteht durch hohe UV-Bestrahlung und Sonnenbrände. Nach Angaben des Statistischen Bundesamtes hat sich die Zahl der Krankenhausbehandlungen wegen Hautkrebs in den vergangenen 20 Jahren um 75 Prozent erhöht. Demnach wurden 2022 rund 110.000 Patienten mit der Diagnose Hautkrebs in Kliniken stationär behandelt. Im selben Jahr starben mehr als 4.400 Menschen an dieser Krankheit, 65 Prozent mehr als 2002.

So wollen Forscher in Portugal app-gestützt Hautkrebs-Diagnosen beschleunigen

Die Heilungschancen bei Hautkrebs sind umso besser, je früher der Tumor identifiziert wird. Fraunhofer-Forscher aus Portugal haben eine Methode entwickelt, um mit Hilfe von KI und einer App die Diagnose zu beschleunigen (Derm.AI).

Zunächst fotografieren Hausärzte mit dem Handy verdächtige Stellen auf der Haut, wobei eine App die Bilder hinsichtlich Auflösung und Bildausschnitt standardisiert. Die Bilder werden dann von KI-Systemen analysiert und nach Risiko-Wahrscheinlichkeit sortiert. Anschließend können sich Spezialisten mit kritischen Fällen befassen.

Algorithmen können Lungenkrebs erkennen

Nach Angaben des Pharmaunternehmens Pfizer wird KI in der medizinischen Diagnostik derzeit bereits in der Augenheilkunde, Dermatologie, Endoskopie, Onkologie, Pathologie und Radiologie eingesetzt. Die Algorithmen können Lungenkrebs oder Schlaganfälle anhand von CT-Scans erkennen und liefern Indikatoren für Herzerkrankungen auf Basis von MRT-Aufnahmen.

In der Zahnheilkunde können digitalisierte Röntgenbilder automatisch nach Pathologien ausgewertet und dokumentiert werden. In der Pränatalmedizin werden Sonografiebilder mit Algorithmen analysiert, um das fetale Gehirn zu vermessen und mögliche Fehlbildungen zu erkennen.

NRW arbeitet am "Smart Hospital“ mit automatisierter Versorgungsdokumentation

KI-unterstützte Verfahren bieten im Gesundheitssystem mehrere Vorteile: Neben der Präzisionsmedizin ist auch die erhebliche Zeitersparnis zu nennen sowie die Möglichkeit, bestimmte Tätigkeiten in die Robotik zu verlagern, was angesichts des Mangels an Fachkräften zunehmend eine Rolle spielen könnte, beispielsweise in der Pflege.

Profitieren können davon neben niedergelassenen Ärzten und Pflegern auch Krankenhäuser, wenn KI-Systeme systematisch integriert werden. In Nordrhein-Westfalen arbeiten Wissenschaftler unter Leitung der Universitätsmedizin Essen zusammen mit Fraunhofer-Instituten, Hochschulen und Firmen am digitalen „Smart Hospital“, das mit einer automatisierten Versorgungsdokumentation und einer KI-basierten Erstellung von Entlassbriefen sowie einer intelligenten Sprachsteuerung für Patienten und Personal punkten soll.

Jedes Jahr werden rund 150 Millionen Arztbriefe geschrieben

Nach Angaben des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme (IAIS) werden in Deutschland jedes Jahr zeitaufwendig rund 150 Millionen Arztbriefe geschrieben. Ende 2024 soll der „Arztbriefgenerator“ auf den Markt kommen, der solche Dokumente in einem Bruchteil der Zeit erstellen kann. Auch andere Verwaltungsprozesse in Krankenhäusern ließen sich ähnlich automatisieren, allerdings mit vermutlich hohen Anlaufkosten.

In einer Übersichtsarbeit der Universität Witten/Herdecke von 2020 (Bohnet-Joschko/Zippel) wird herausgestellt, dass KI-Anwendungen im Krankenhaus mit rechtlichen und regulatorischen Fragestellungen einhergehen. Für die „unüberwacht-lernende KI“ gebe es noch keinen regulatorischen Standard. Neben den zu erwartenden Kosten spielten ferner die Softwareakzeptanz und Nutzerkompetenz beim Personal eine wichtige Rolle. Zu den technologischen Hürden gehöre, dass viele Daten im Kliniksektor „unstrukturiert abgelegt“ würden, etwa Arztbriefe oder Laborbefunde.

Hohe Trefferquote bei Darmtumoren innerhalb kurzer Zeit

Der zeitliche Aufwand im Vergleich analoger und digitaler Abläufe ist frappierend und deutet an, wo Menschen gegenüber KI-Programmen offenkundig im Nachteil sind. So konnte 2018 eine in Japan eingesetzte KI, die auf die Erkennung bösartiger Tumore im Darm spezialisiert war, sehr schnell und mit einer Trefferquote von 93 Prozent solche Wucherungen erkennen.

Darmkrebs gehört nach Angaben des Deutschen Krebsforschungszentrum (dkfz) zu den häufigsten Tumorerkrankungen. In Deutschland bekommen demnach jedes Jahr rund 24.000 Frauen und 30.000 Männer erstmals diese Diagnose. Bei einer Darmspiegelung (Koloskopie) werden verdächtige Wucherungen, sogenannte Polypen, entfernt und später analysiert, ob es sich um harmlose Zellen oder um eine mögliche Krebsvorstufe handelt.

Lernfähige Systeme können schon während der Koloskopie Bilder aus dem Darm in 500-facher Vergrößerung an eine KI-Software übermitteln, die anhand von 300 Einzelmerkmalen innerhalb von nur einer Sekunde anzeigt, ob der Darm-Polyp bösartig oder gutartig ist. Geräte mit sogenannter Computer-assistierter Detektion (CAD) sind in den USA und Europa bereits zugelassen.

Roboter und Chatbots spielen in der Pflege zunehmend eine Rolle

In der Pflege wird KI-Technologien das Potenzial zuerkannt, Personal zu entlasten und die Versorgungsqualität zu verbessern. Dabei spielen in Konzepten schon länger Pflegeroboter eine Rolle. KI und Robotik können dazu beitragen, Patienten zu mehr Selbstständigkeit zu verhelfen. Sogenannte Smart Speaker geben Hilfestellungen beim Ankleiden oder erinnern Patienten an die Tabletteneinnahme. Auch in der allgemeinen Kommunikation mit Patienten sind KI-Systeme, etwa Chatbots, einsetzbar.

Das Geriatronik-Forschungszentrum der TU München in Garmisch-Partenkirchen arbeitet an Servicerobotern für die Pflegeversorgung. Das Spitzenmodell „Garmi“ bewegt sich auf Rädern, hat Arme, verfügt über einen Tastsinn und soll etwa beim Mobilisierungstraining eingesetzt werden. Der Roboter kann sich auch mit Ärzten vernetzen, die ihre Patienten dann untersuchen können, ohne vor Ort zu sein. Die taktile Robotik soll Ärzten sogar ermöglichen, Patienten aus der Ferne abzutasten.

Schnellere Diagnosen? KI ist zu erstaunlichen Vorhersagen in der Psychiatrie fähig

Zu erstaunlichen Vorhersagen ist die KI im Bereich der Psychiatrie fähig. So konnten Forscher in den USA zeigen, wie mit Hilfe einer KI-generierten Sprachanalyse mit hoher Genauigkeit bei Jugendlichen auf eine spätere Psychose geschlossen werden kann. Zu den Anhaltspunkten für die KI gehörten in den Interviews uneindeutige Äußerungen oder umständliche Formulierungen der jungen Leute. KI-gestützte Vorhersagen haben in Studien auch bei Schizophrenie, ADHS und der Suizidprävention Vorteile aufgezeigt.

Ein Forschungsprojekt an der PFH Privaten Hochschule Göttingen in Kooperation mit der Hochschule Reutlingen deuten darauf hin, dass die KI fähig ist, eine depressive Episode zu erkennen. KI könne dazu beitragen, dass psychisch kranke Patienten wesentlich schneller eine korrekte Diagnose bekommen, meint Youssef Shiban, Professor für Klinische Psychologie an der PFH. Die Diagnose von Depressionen gilt wegen der vielfältigen Symptome als besonders anspruchsvoll.

Alzheimer Gesellschaft rechnet bis 2050 mit 2,8 Millionen Erkrankten

Die sogenannten Predictive Analytics markieren den Übergang von der reaktiven zur präventiven und personalisierten Medizin. In einer internationalen Studie, bei der ein Computerprogramm mit KI eingesetzt wurde, konnte nach Angaben der Hochschule Hamm-Lippstadt (HSHL) zuverlässig vorhergesagt werden, wer innerhalb von drei Jahren eine Demenz entwickeln würde.

Die Forscher konnten dabei sogar zwischen einer schnell und langsam voranschreitenden Demenz unterscheiden. Die Hochschule räumte selbst ein, das Ergebnis der KI-Prognose klinge nach Science-Fiction. Die Deutsche Alzheimer Gesellschaft geht davon aus, dass bis 2050 rund 2,8 Millionen Menschen in Deutschland im Alter von über 65 Jahren an Demenz erkrankt sein werden, derzeit sind es rund 1,8 Millionen.

Blackbox KI: Fragen zur Kontrolle, Transparenz und Zielgenauigkeit der Algorithmen offen

Bei aller Euphorie über die neuen Möglichkeiten durch KI-gestützte Systeme bleiben gerade in der Medizin kritische Fragen zu möglichen nicht intendierten Folgen dieser Technik aktuell. Dabei geht es um die Kontrolle, Transparenz und Zielgenauigkeit der eingesetzten Algorithmen, die Sicherheit der sensiblen Daten und ethische Implikationen wie etwa bei Chatbots in der Psychiatrie, Psychotherapie oder Pflege.

---

„Man muss den Einsatz von KI sozial einbetten. KI ist kein Ersatz für soziale Beziehungen.“

---

Der Deutsche Ethikrat weist in einer Stellungnahme vom März 2023 darauf hin, dass „aufgrund der enormen Komplexität der Datenverarbeitungsprozesse“ womöglich irgendwann nicht mehr zu rekonstruieren ist, wie bestimmte Resultate zustande gekommen sind und warnt vor einer „Blackbox“. Die Ethiker sehen auch die „Gefahr eines ungerechtfertigten blinden Vertrauens in die Technik“.

Ärztliche Plausibilitätskontrolle bleibt unerlässlich

Ärzte könnten zudem, wenn sie bestimmte Aufgaben an technische Systeme delegieren, einen Kompetenzverlust erleiden und den Empfehlungen des Computers „blind folgen“. Daher sollte nach Ansicht des Ethikrates bei der Übermittlung von Ergebnissen KI-gestützter Entscheidungssysteme immer deutlich gemacht werden, dass eine „ärztliche Plausibilitätsprüfung“ in jedem Fall erforderlich ist.

Als sich Google-Chef Sundar Pichai unlängst auf einer Entwicklerkonferenz über die Zukunft mit KI äußerte, war seine Begeisterung ebenso herauszuhören wie seine Sorge. Er gehe davon aus, dass Menschen eine emotionale Verbindung zu KI-Programmen aufbauen werden.

Mit der Zeit könnten Menschen „eine tiefe Beziehung zu KI-Assistenten" entwickeln. Die möglichen negativen Folgen gelte es abzumildern, denn: "Es geht um eine der tiefgreifendsten Technologien, an denen die Menschheit jemals arbeiten wird", sagt Sundai.

Zu einer gesunden emotionalen Distanz rät auch die Philosophin und Forscherin Catrin Misselhorn, die sich unter anderem mit der Frage beschäftigt hat, ob zwischen Menschen und KI-Maschinen eine Liebesbeziehung denkbar wäre. Sie sagte dem „Tagesspiegel“ mit Blick auf KI-Anwendungen in den Bereichen Pflege und Psychologie: „Man muss den Einsatz von KI sozial einbetten. KI ist kein Ersatz für soziale Beziehungen.“