Betrachtet man die aktuelle Situation zum Einsatz von KI in der Literaturdatenbank „Web of Science“ über alle Disziplinen verteilt, so wird deutlich, dass sich ein Großteil der Fachpublikationen einem anderen, ursprünglich menschlichen Prozess widmet: nämlich dem Lernen. Insbesondere in der Radiologie wird Künstliche Intelligenz eingesetzt, um Bilder auszuwerten. In diesem Zusammenhang „lernt“ der Computer anhand von vielen Bildern mittels „Machine Learning“, wie eine radiologische Diagnose verbessert werden kann. Ebenso kann man den Einsatz von Künstlicher Intelligenz neben dem Einsatz in der Radiologie auch in vielen anderen Fachgebieten in der Diagnostik und Therapie erkennen. So beispielsweise in der Dermatologie zur Erkennung von Hautkrebs, in der digitalen Pathologie durch den Einsatz mehrschichtiger Neuronaler Netze als Diagnoseassistenzsystem oder in der Kardiologie als Künstliche-Intelligenz- basierte digitale Therapieunterstützung. Allgemein betrachtet werden heute Lösungen basierend auf einer Künstlichen Intelligenz auf verschiedene Bereiche der Medizin übertragen. Hierzu gehören das Machine Learning inklusive Deep Learning in der Diagnostik bspw. bei der Analyse von Bilddaten, das Natural Language Processing zur Textanalyse von Patientenakten und wissenschaftlichen Publikationen sowie Expertensysteme zur Diagnoseunterstützung und für Therapievorschläge, sog. „Entscheidungsunterstützungssysteme“.
In der Versorgungsrealität ist die Künstliche Intelligenz unterschiedlich ausgeprägt. Die regelbasierten Systeme sind in den Krankenhausinformationssystemen und Laboren bereits ein fester Bestandteil der Versorgung, während selbstlernende Systeme derzeit noch eher in Publikationen und Modellversuchen erst auf dem Weg in die Gesundheitsversorgung sind.
Maschinen können heute endlos viele strukturierte und nicht strukturierte Daten verarbeiten, Muster erkennen, verstehen mittlerweile Sprache besser als Menschen, lernen schneller als Menschen, haben weniger systematische Verzerrungen und eine theoretisch endlose Kapazität. Heute können Maschinen gebaut werden, die das beste medizinische Wissen immer und überall sofort anwenden können, ständig auf dem aktuellsten Stand sind und durch die Anwendung neue Nutzer-Daten generieren, die dann wieder zu neuen Erkenntnissen führen. Maschinen sind heute bereits ein Ariadnefaden (griechische Mythologie: ein Faden, der aus einem Labyrinth herausführt) für das Gewirr der diagnostischen Möglichkeiten und das wachsende Knowhow in der Medizin, die immer präziser und damit spezialisierter wird. Fast monatlich berichten Forscher über Maschinen, die bestimmte Teilbereiche der menschlichen Leistung übertreffen. In Zukunft werden Maschinen mit Ärzten im Team zusammenarbeiten. Die Maschine wird Vorschläge machen, die der Arzt dann mit dem Patienten bespricht. Die Virtualisierung bedingt neben der Kostenersparnis den Kompetenzgewinn und ermöglicht ein neues und intensiveres Arzt-Patienten-Verhältnis. Damit die Akzeptanz allerdings erhöht wird, muss in Zukunft der Fokus auf eine „erklärbare KI“ gesetzt werden. Künstliche Intelligenz im Gesundheitswesen hat erst dann einen Wert, wenn sie in der Versorgungsrealität ankommt.
Maschinen sind heute bereits ein Ariadnefaden für das Gewirr der diagnostischen Möglichkeiten und das wachsende medizinische Know-how.
Prof. Dr. David Matusiewicz
Professur für Medizinmanagement und Dekan des Hochschulbereichs Gesundheit und Soziales
FOM Hochschule für Oekonomie & Management, Essen
Das aktuelle Handelsblatt Journal
