KI in der Medizin

„Digitalisierung“ ist aus dem politischen Alltag nicht mehr wegzudenken und schon lange ein Schlagwort der Zukunftsgestaltung geworden. Auch in der Medizin hat die Digitalisierung ihre Flügel bereits ausgebreitet: Digitale Patientenakten, Telemedizin und Smartphone-Apps, die Dr. Google auf ein neues Level heben,
sind nur die Anfänge einer zukünftigen Medizin, die den Darstellungen aus Hollywood immer näher kommen wird.

Konkret für unseren medizinischen Kontext bedeutet das: Medikamente können schneller entwickelt werden, indem zum Beispiel die Konzipierung und Auswertung klinischer Studien von Künstlichen Intelligenzen übernommen wird. Genetische Erkrankungen können mit Hilfe von neuen, KI-gestützten Methoden therapiert werden.

Wir wollen uns allerdings auf einen der jetzt schon größten Leuchttürme auf diesem Gebiet konzentrieren, die bildgebende Diagnostik.

Zu den bildgebenden Verfahren gehören neben Röntgenaufnahmen auch die Computertomographie und die Magnetresonanztomographie. Mit Hilfe des MRTs lassen sich vor allem Weichteile darstellen wie das Gehirn, Blutgefäße und Muskeln. Zum Einsatz kommt dabei ein starkes Magnetfeld. Im Zusammenspiel mit Radiowellen, die auf die Atome des Gewebes geschossen werden, kann ein Schichtbild errechnet werden.

Die Computertomographie dagegen arbeitet mit Röntgenstrahlung. Damit kann ein 3D-Modell des untersuchten Gebietes, hauptsächlich der Knochen, erstellt werden. Die moderne Radiologie wird die medizinische Disziplin sein, die am schnellsten von der Welle der Künstlichen Intelligenz erfasst sein wird. Sie beschäftigt sich mit der Strukturerkennung, einem Spezialgebiet der KI.

Schon heute gibt es Software für die Erkennung von Tumorerkrankungen oder Lungenentzündungen, die dem Radiologen seine Arbeit erleichtern kann. Damit ist KI auch die Antwort auf ein aktuelles Problem der Radiologie: Da Krebs-Screening-Programme immer weiter ausgeweitet werden, suchen immer mehr Patienten den Weg zum Arzt – doch es herrscht Fachkräftemangel.

Vergleichsweise einfach zu diagnostizierende Erkrankungen können dabei dem Radiologen abgenommen werden. Einer der häufigsten Fehler ist die „satisfaction of search“ – man sieht den Wald vor lauter Bäumen nicht. Das meint: wichtige Strukturveränderungen werden nicht erkannt, weil der Radiologe mit dem Aufsuchen der Routine-Strukturen beschäftigt ist.

Hier kann die Künstliche Intelligenz Abhilfe schaffen. Sie geht sogar noch einen Schritt weiter, indem Sie  Folgeuntersuchungen einsparen kann. Es ist heute in vielen Fällen Standard, eine Biopsie, also eine kleine  Gewebeprobe, nach einer Tumordiagnose zu entnehmen, um diesen klassifizieren zu können. KI kann hier einen Mehrwert bieten. Sie wird mit großen Datenmengen vergangener Fälle trainiert: Tumorgrößen, Konsistenzen, Komplikationsraten uws. Sie kann am Ende eine eigenständige, auch molekularbiologische Diagnose stellen, nur anhand einer Bildaufnahme. Dann ist eine Biopsie nicht mehr nötig. Die Bedingung für eine funktionierende KI-unterstützte Radiologie ist allerdings, dass ein großer Satz medizinischer Daten vorhanden ist, aus dem sie lernen kann.

Und dies gestaltet sich noch schwierig, da die Daten in den Unikliniken oft wenig strukturiert gespeichert sind. Hier braucht es einen standardisierten Datenpool mit rechtlichen Rahmenbedingungen und entsprechenden Zertifikaten. An solchen Projekten wird auch hier an der Berliner Charité unter Hochdruck gearbeitet. KI leistet auch in der Medizin einen wichtigen Beitrag und wird in naher Zukunft in allen diagnostischen Bereichen ihren Einzug finden. Eine große Herausforderung dabei ist, sie sinnvoll in den ärztlichen Alltag zu integrieren. Sie trägt ein riesiges Potential in sich und lässt völlig neue diagnostische und therapeutische Welten erschließen.