Können Krebserkrankungen durch Künstliche Intelligenz (KI) früher erkannt werden? Und wie werden Ärztinnen und Ärzte bei Operationen durch Roboter unterstützt? In diesem Blogbeitrag haben wir interessante Fakten zu KI in der Medizin zusammengestellt. In Teil 1 finden Sie Informationen von A wie Apps bis M wie Machine Learning.
30. Juni 2021
© iStock.com/vm
Apps sind inzwischen ein alltäglicher Begleiter und seit Jahren auch im Gesundheitsbereich weit verbreitet. Medizinische Apps müssen – wie andere medizinische Produkte – in einem offiziellen Verfahren geprüft und zugelassen werden. Die Apps dienen der Diagnose oder Therapie einer Erkrankung.
Bei Bedarf können Ärztinnen und Ärzte die digitalen Gesundheitsanwendungen verschreiben, die Kosten werden dann von den Krankenkassen übernommen. Unter anderem kann Parkinson dank einer App früher erkannt werden. Zeigen die ermittelten Bewegungsmuster und Sprachqualitäten Auffälligkeiten, werden Nutzerinnen und Nutzer informiert und können Kontakt zu einer Facharztpraxis aufnehmen.
Bislang haben sich Medizinprodukte auf Basis Künstlicher Intelligenz (KI) vor allem im Bereich der Bildgebung bewährt. Sie spielen eine große Rolle in der Diagnostik. Die Analyse riesiger Datenmengen ermöglicht es, pathologische Veränderungen im Bild schnell und zuverlässig zu erkennen. Ärztinnen und Ärzte können dann auf Basis der KI-Informationen Entscheidungen bezüglich des weiteren Behandlungsverlaufs treffen. Insbesondere die Auswertung von MRT-Aufnahmen kann mithilfe von KI verbessert und beschleunigt werden.
Roboter-Assistenten haben bereits heute Einzug in OP-Säle gefunden. Die Robotik ermöglicht ein minimalinvasives Vorgehen bei Operationen. Dank dreidimensionaler, hochauflösender Kameras können Eingriffe mit einer höheren Präzision und einer besseren Visualisierung erfolgen. Patientinnen und Patienten profitieren von dieser OP-Technik, da durch die schonendere Schnittführung weniger Gewebe verletzt wird als bei herkömmlichen Verfahren. Der Roboter führt die Operationsschritte dabei nicht automatisch durch, sondern überträgt die Handbewegungen der chirurgischen Fachkraft an einer Bedienkonsole auf die Operationsinstrumente.
Bilddaten, Laborbefunde oder Blutwerte – die Digitalisierung in der Medizin führt zu gigantischen Datenmengen. Big Data stellt die Grundlage für die Anwendung von KI in der Medizin dar. In kürzester Zeit kann KI große Datenmengen kombinieren und analysieren. Deutlich schneller, als es Menschen je möglich wäre. Die gefundenen Muster dienen dem Fachpersonal als Unterstützung bei der Entscheidungsfindung. Bei seltenen Krankheiten wird dieser Prozess allerdings teilweise erschwert durch die geringe Verfügbarkeit von Daten.
Die Zusammenarbeit von Mensch und Maschine kann zu einer deutlichen Entlastung des medizinischen Personals führen. Zum Beispiel ist KI in der Lage, Routinearbeiten zu übernehmen. Während beim Menschen irgendwann Ermüdung einsetzt, bleibt die Maschine immer wach. Auch die Übernahme administrativer Tätigkeiten durch KI führt dazu, dass den Mitarbeitenden mehr Zeit für die eigentliche Versorgung der Patientinnen und Patienten bleibt.
KI-Systeme zeigen großes Potenzial bei der Früherkennung verschiedener Krankheiten durch die Analyse riesiger Datenbestände. So kann die Vorsorge in Zukunft effektiver gestaltet werden. Bei der Darmspiegelung zum Beispiel entdecken die Systeme mehr auffällige Veränderungen als Ärztinnen und Ärzte. Zudem sind sie mit hoher Treffsicherheit in der Lage, Darmkrebsvorstufen von harmlosen Wucherungen zu unterscheiden. Auch das Risiko einer Adipositas bei Kindern lässt sich durch die Analyse von Gesundheitsdaten vorhersagen, was einen gezielten Einsatz von Präventionsmaßnahmen ermöglicht.
Fehler im menschlichen Erbgut führen dazu, dass lebenswichtige Eiweiße nicht korrekt oder in der falschen Menge hergestellt werden. Genetisch bedingte Krankheiten sind die Folge. In der modernen Genomforschung wird häufig auf Methoden des Machine Learning zurückgegriffen. Besonders durch den Einsatz von Deep-Learning-Modellen, die auf riesigen genomischen Datensätzen basieren, erwarten Forschende große Fortschritte: Statt Genome nur zu lesen, könnte es in Zukunft möglich sein, die komplexen Zusammenhänge zwischen genetischen Anlagen und der Veranlagung für bestimmte Krankheiten zu verstehen. Damit verbunden ist die Hoffnung auf neue, personalisierte Therapieansätze.
Auch in der Dermatologie kommt KI bereits zum Einsatz. Optische Erkennungsverfahren werden mit hunderttausenden Fotos trainiert und können die Daten deutlich schneller als Menschen verarbeiten. Die KI analysiert beispielsweise Bilder von Pigmentmalen, sie kann dabei zwischen gutartigen Muttermalen und bösartigen Melanomen unterscheiden. Damit liefert sie der Ärztin oder dem Arzt eine Entscheidungsunterstützung, wodurch die klinische Kapazität erhöht und das Fehlerrisiko reduziert wird.
Intelligente Rollstühle, die ihre Umgebung überwachen und bei drohenden Kollisionen automatisch eingreifen oder ein Sensorboden, der Stürze erkennt und Alarm schlägt – die Nachfrage nach intelligenten Assistenzsystemen steigt vor allem angesichts des Mangels an Pflegekräften und des demografischen Wandels. Immer mehr ältere Menschen müssen von immer weniger Fachpersonal versorgt werden. Der verstärkte Einsatz dieser Technologien trägt einen wichtigen Teil dazu bei, die Versorgung der Patientinnen und Patienten zu verbessern. Sogenannte Assisted-as-needed-Systeme orientieren sich an den individuellen Bedürfnissen und Fähigkeiten und unterstützen bedarfsgerecht.
Der Einsatz von KI in der Medizin basiert auf großen Mengen personenbezogener Daten, deren Verarbeitung mit Datenschutzgesetzen im Einklang stehen muss. Für gesundheitsbezogene Daten gilt eine besondere Schutzwürdigkeit, weshalb an ihre Verarbeitung strengere Anforderungen gestellt werden. Damit Gesundheitsdaten für KI-Trainingszwecke genutzt werden dürfen, ist die ausdrückliche Einwilligung der Patientinnen und Patienten erforderlich. Außerdem bestehen umfangreiche Transparenz- und Informationspflichten und Rechte auf Berichtigung, Löschung und Einschränkung der Datenverarbeitung.
Krebs war 2019 die zweithäufigste Todesursache in Deutschland und damit für ein Viertel aller Todesfälle verantwortlich. Im Kampf gegen Krebs wird KI zunehmend eine Rolle spielen. Unter anderem bei der Auswertung von Mammographie-Bildern zur Früherkennung von Brustkrebs kann das radiologische Fachpersonal durch KI unterstützt werden. Die Trefferquote der KI liegt dabei sogar leicht höher als bei menschlichen Expertinnen und Experten. Auch bei der Stadienbestimmung kommt KI zum Einsatz. Bei der Untersuchung von Gewebeproben und der Beurteilung, wie weit sich die Krankheit bereits ausgebreitet hat, kann das Fachpersonal von Deep-Learning-Algorithmen unterstützt werden. Dadurch kann der Krebs schneller und genauer lokalisiert werden.
Mehr über die Forschung des Fraunhofer IKS im Bereich Künstliche Intelligenz in der Medizin erfahren Sie auf unserer Website:
Je effizienter ein Labor läuft, desto schneller erhalten Patientinnen und Patienten Diagnosen und desto schneller können neue Medikamente getestet werden. Indem sich wiederholende Prozesse im Labor automatisiert werden, reduziert sich die Möglichkeit menschlicher Fehler und Mitarbeitende können sich um höherwertige Tätigkeiten kümmern. Im Idealfall kombinieren die Laborroboter verschiedene Handgriffe: Via Computer Vision lesen sie die Barcodes auf den Proben aus, entfernen die Verschlusskappe, entnehmen einen Teil der Probe und versiegeln das Röhrchen wieder.
Die Diagnose von Krankheiten ist oft ein zeitaufwändiger Prozess. In vielen Bereichen stehen nicht genügend Fachpraxen zur Verfügung und Patientinnen und Patienten müssen sich lange gedulden, bis sie einen Termin bekommen. Machine-Learning-Algorithmen haben in letzter Zeit große Fortschritte bei der automatischen Diagnose von Krankheiten gemacht, wodurch sich die Diagnostik beschleunigt. Die Systeme lernen, bestimmte Muster oder Auffälligkeiten in den Daten zu erkennen und markieren diese. Den Ärztinnen und Ärzten bleibt somit mehr Zeit, diese Signale zu interpretieren.
Im 2. Teil erfahren Sie mehr über Künstliche Intelligenz in der Medizintechnik – von N wie Neurologie bis Z wie Zulassung.
