zur Navigation zum Inhalt
© Andrea Danti / stock.adobe.com
Auf welche Weise wird Künstliche Intelligenz (KI) die Medizin in Zukunft verändern?
 
Praxis 22. September 2017

Freund oder Feind des Arztes?

Informatik. Sprachsteuerung, selbstfahrende Autos, Bilderkennung, social bots: Anwendungen Künstlicher Intelligenz (KI) gehören längst zu unserem Alltag. Auch in der Medizin werden entsprechende Technologien zunehmend eingesetzt, etwa in der Radiologie, wo sie Ärzte bei der Diagnosefindung unterstützen.

Ein autonomes Fahrzeug steuert auf ein Kind und einen Pensionisten zu. Wenn es der einen Person ausweichen will, muss es die andere töten. Wer entscheidet hier? Wer trägt die Verantwortung? Wer die Konsequenzen? Um Fragen wie diese auf die Medizin zu übertragen und Ärzten das Thema Künstliche Intelligenz (KI) näherzubringen, startete das Wissens- und Technologietransferzentrum Ost der Wiener Universitäten die Veranstaltungsreihe „FutureMD“. Hauptthema der ersten Veranstaltung war die Radiologie.

Stefan Odermatt vom Schweizer Technologieunternehmen Balzano Informatik präsentierte das aktuell in Entwicklung stehende „ScanDiags“. Die Software soll muskuloskelettale MR-Bilder automatisch interpretieren und auswerten. Klassische Bildsegmentierungsalgorithmen und „Deep Learning“-Technologien unterstützen Ärzte bei Studien und klinischen Entscheidungen. Mit Cloud-Systemen werden Patientendaten anonymisiert gesammelt, ähnliche Fälle automatisch verglichen und verschiedene Abteilungen und Kliniken zum Wissensaustausch vernetzt. Die Serienreife soll schon 2018 gegeben sein.

Odermatt erklärte auch künstliche neuronale Netze medizinergerecht: Formal mathematische Probleme, die durch den Menschen nur aufwendig zu lösen sind, können durch Computer einfach und in kürzester Zeit verarbeitet werden. Künstliche Intelligenz scheitert jedoch, wenn kein klarer Algorithmus hinter einer Aufgabe steht. Bei Herausforderungen wie Muster- und Spracherkennung schaffen es Kleinkinder, instinktiv Lösungen zu finden. Ein einfacher Algorithmus kann jedoch nicht intuitiv handeln. „Deep Learning“ nutzt hingegen Informationen aus einer möglichst großen Anzahl an Datensätzen. Im Falle der Radiologie werden also Bilder analysiert, Ähnlichkeiten verglichen und verknüpft, digitale Muster erkannt und dabei ein höheres Verständnis für die originalen Bilddaten entwickelt. Diese Prozesse laufen über ein verstecktes Ebenen-System, bei dem ein komplexes Problem in mehrere einfache Probleme zerlegt und so gelöst wird. „Radiologen sollen nicht durch eine Software ersetzt werden, sie soll medizinischem Personal nur repetitive Aufgaben erleichtern und Ärzte bei der Arbeit unterstützen“, verspricht der Techniker.

„InnerEye“

Nach einer Produkt-Präsentation über Ideen und Vorstellungen zur generellen Nutzung von KI stellte Georg Binder, „Principal Technical Evangelist“ für Microsoft Österreich, das Projekt „InnerEye“ vor. Das Bildanalysetool hilft Radioonkologen und Radiologen bei der Therapieplanung. „Die Hälfte von uns wird an Krebs erkranken, wiederum die Hälfte davon wird Strahlentherapie benötigen“, verdeutlicht Binder die Wichtigkeit solcher Projekte. Vor einer Bestrahlung muss Zielgewebe in CTs oder MRTs in mehreren Ebenen und Schichten händisch von Strahlentherapeuten markiert werden. Dieser Prozess ist zeitintensiv und ungenau, wogegen „InnerEye“ die erkrankten Regionen zuverlässig und schnell segmentiert.

Heinz Templ, Wiener Spezialist für Rechtsfragen im Zusammenhang mit neuen Technologien, diskutierte die juristischen Implikationen des Einsatzes Künstlicher Intelligenz in der Medizin, ein Thema, bei dem eine angeregte Diskussion entbrannte. Die zentrale Frage vieler Zuhörer: „Wer ist schuld, wenn Künstliche Intelligenz einen Fehler begeht?“ Die größte Sorge der anwesenden Mediziner war, dass Ergebnisse von Computeralgorithmen in Zukunft dazu genutzt werden, um Ärzte als Entscheider zu ersetzen.

Erkenntnis aufgrund von Erfahrung

Bevor diese Fragen beantwortet werden können, lohnt sich ein Blick auf den Stand der Wissenschaft zu dem Thema. In einer brasilianischen Studie wurden Radiologen während ihrer Diagnosefindung per MRT beobachtet. Die Teilnehmer mussten abwechselnd Pathologien oder in Thoraxröntgen eingebettete Tiere benennen, eine Kontrollaufgabe war das Erkennen von Buchstaben. In allen drei Fällen konnten in der Bildgebung ähnliche Muster von kortikaler Gehirnaktivität beobachtet werden. Die Radiologen verbrachten die durchschnittlichen 1,33 Sekunden bis zu ihren Antworten also nicht mit Differentialdiagnosen und dem Abrufen von Lehrbuchwissen. Sie erkannten die Läsionen aufgrund ihrer bisherigen Erfahrungen mit der gleichen Methodik, wie sie eine Katze auf der Straße wiedererkennen.

Diese Daten decken sich mit der Definition des britischen Philosophen Gilbert Ryle zweier Kategorien des Wissens: Fakten- und fähigkeitsbasiert, also Wissen (knowing that) und Können (knowing how). Jedem Wissen geht laut Ryle ein Können voraus. Ein Kind kann noch so viel über das Fahrradfahren wissen, ohne praktische Erfahrung wird es unmöglich eine Strecke ohne Stürze zurücklegen. Auf demselben Weg erkennen Radiologen Pathologien in Bildern, und Internisten werden durch ihr erfahrungsbasiertes Können zu guten oder schlechten Diagnostikern. In einigen Jahren werden Computersysteme effektiver und genauer arbeiten als jeder Arzt.

„Von Künstlicher Intelligenz wird jetzt schon erwartet, dass sie nicht nur gleich gut wie ein Mensch arbeitet, sondern besser“, erläuterte Georg Dorffner vom Institut für Artificial Intelligence der MedUni Wien. „Ich habe die Erfahrung gemacht, dass Computerprogramme nicht akzeptiert werden, wenn sie nicht 100 Prozent fehlerfrei arbeiten. Aber dass Ärzte Fehlerquoten haben, scheint kein Problem zu sein.“ Nachdem der beste Schachspieler der Welt und nun auch der weltbeste „Go“-Spieler (strategisches Brettspiel) von einem Computer geschlagen wurde, ist es in der Medizin nur mehr eine Frage der Zeit, bis KI Ärzte überflügelt.

Kann ein Programm Ärzte ersetzen?

Die Spezialisten sind sich jedoch einig: Künstliche Intelligenz soll nur zur Unterstützung von klinischen Entscheidungen und zur Erhöhung des Datendurchsatzes, beispielsweise für Studien, dienen. Doch was bedeutet das für die Zukunft der Medizin? Auch wenn Ärzte immer noch hauptverantwortlich sind, werden sie dann nur mehr damit beschäftigt sein, Computeralgorithmen zu evaluieren und zu verbessern? Wenn KI besser diagnostiziert, kann sie dann auch den Nachwuchs ausbilden? Oder Techniker, die danach noch bessere Programme entwickeln? Ökonomisch läge die Idee nahe. Nach dieser Logik könnte man auch Dermatologen ersetzen, die schon heute von Apps, welche über Handyfotos Melanome beobachten können, unterstützt werden, und ebenfalls Chirurgen, die von autonomen Robotern unterstützt werden.

Allerdings ist in der Medizin nicht nur fakten- und fähigkeitsbasiertes Wissen unabdingbar, irgendjemand muss am Ende auch nach dem Warum fragen (knowing why). Um Therapiestrategien entwickeln zu können, ist die Erforschung der Ursachen entscheidend. Man könnte menschliche und artifizielle Diagnostiker mit Fußballern vergleichen. Sie spielen effizient Fußball, ihnen kann egal sein, warum Bälle durch Krafteinwirkung mit dem Fuß abheben. Medizinische Wissenschaftler wären in dem Beispiel Physiker, sie fragen nach dem Warum und können in Windkanälen bessere Bälle entwickeln.

Der Deutsche Ethikrat hat übrigens eindeutige Antworten auf die eingangs gestellten Fragen zum autonomen Fahren. „Der Wert zweier Menschenleben darf nicht durch einen internen Algorithmus gegeneinander aufgerechnet werden“, heißt es da. „Der Pensionist ist genauso wichtig wie ein Kind.“

Der einfache Bürger verhält sich da eher pragmatisch. Laut einer in Science publizierten Studie ist die Mehrheit zwar der Meinung, dass sich autonome Fahrzeuge moralisch verhalten sollten und im Notfall das Leben des Fahrers opfern müssten. Kaufen würden die meisten allerdings jenes Auto, das sie selbst als Insassen retten würde.

Info

Video: http://bit.ly/2xsEz2L

Radio-Studie: http://bit.ly/2wa1YTe

Science-Studie: http://bit.ly/2xWd8zB

Wolfgang Seebacher
, Ärzte Woche 39/2017

Zu diesem Thema wurden noch keine Kommentare abgegeben.

Mehr zum Thema

<< Seite 1 >>

Medizin heute

Aktuelle Printausgaben