Künstliche Intelligenz als Entscheidungshilfe in der Medizin

Dieser Artikel beschreibt Schlüsselanwendungen von künstlicher Intelligenz (KI) in der klinischen Medizin. Bildanalyse: KI optimiert beispielsweise die Zystoskopie bei Blasentumoren und unterstützt die Erkennung von Pneumonie auf Röntgenbildern mit hoher Sensitivität und Spezifität, auch die Detektion von Basalzellkarzinomen in der Dermatologie, und verbesserte Erkennung diabetischer Retinopathie durch Deep Learning wird hervorgehoben. KI-Prädiktion mittels genomischer Analysen (Multi-OMICs): KI kann Therapieansprechen und Überlebenswahrscheinlichkeit vorhersagen, beispielsweise den Nutzen einer Paclitaxel-Chemotherapie bei Magenkarzinom oder das Ansprechen auf neoadjuvante Chemotherapie beim muskelinvasivem Blasenkarzinom. Echtzeit-Monitoring: KI-Algorithmen erfassen kontinuierlich Daten (z. B. über „Wearables“) zur frühzeitigen Erkennung von Komplikationen oder zur Erstellung prädiktiver Modelle für das Therapieansprechen auf Intensivstationen. Klinische Entscheidungsunterstützungssysteme (CDSS) mit KI werden in Zukunft unerlässlich, um die Qualität evidenzbasierter Therapieempfehlungen zu steigern und den klinischen Arbeitsaufwand zu reduzieren. Ein Beispielprojekt ist KITTU, ein KI-gestütztes System zur Generierung evidenzbasierter Therapieempfehlungen für das Prostatakarzinom, Urothelkarzinom (UC) und das Nierenzellkarzinom (RCC) in multidisziplinären Tumorkonferenzen (MCC). Das System transformiert retrospektive Patientendaten sowie Wissen aus klinischen Studien und Leitlinien in softwaretaugliche Formate, um erklärbare KI-Empfehlungen zu erstellen. KITTU nutzt einen zweistufigen Klassifikationsansatz: zuerst übergeordnete High-Level-Empfehlungen (z. B. „Operation“, „medikamentöse Therapie“), gefolgt von spezifischeren Low-Level-Empfehlungen (z. B. „Zystektomie“, „Pembrolizumab“). Die Erklärbarkeit der Empfehlungen wird durch SHAP(SHapley Additive exPlanations)-Werte gewährleistet, die zeigen, welche Patientendaten die Vorhersage positiv oder negativ beeinflusst haben. Diese Informationen werden auf einem interaktiven Dashboard für medizinisches Personal visualisiert.