Künstliche Intelligenz in der Medizin

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
Röntgenaufnahme einer Hand mit automatischer Ermittlung der Skelettreife durch Software mit künstlicher Intelligenz

Künstliche Intelligenz in der Medizin ist ein stark wachsender Teilbereich der künstlichen Intelligenz (KI), bei dem digital vorliegende Information ausgewertet wird, um aussagekräftige Diagnosen zu stellen oder optimierte Therapien vorzuschlagen.

Diagnostik[Bearbeiten | Quelltext bearbeiten]

Computer Vision für bildgebende Diagnostik[Bearbeiten | Quelltext bearbeiten]

Künstliche Intelligenz spielt eine Rolle in der bildgebenden Diagnostik. Die Auswertung von Bildern mit statistischen und lernenden Methoden wird auch unter dem Fachbereich Radiomics zusammengefasst. Dabei werden Ärzte in Rahmen von Entscheidungsunterstützungssystemen unterstützt. Durch den Einsatz dieser Methoden ist es beispielsweise möglich, den Typ der Krebszellen genauer zu bestimmen, da die Unterscheidungsmerkmale oft schwer mit dem menschlichen Auge zu erkennen sind. Dies ist im Rahmen der Präzisionsmedizin wichtig, um eine zielgerichtete Therapie vorzuschlagen. Je nach Typ des Krebs sind teils unterschiedliche Therapien notwendig oder sinnvoll. Eingesetzt wird Radiomics etwa zur Klassifizierung von Tumoren unter anderem in Lunge, Brust, Gehirn und Haut.[1]

Beispiele aus der jüngeren Vergangenheit[Bearbeiten | Quelltext bearbeiten]

In einer internationalen Studie vom Herbst 2018, bei der 58 Dermatologen aus 17 Ländern gegen ein faltendes neuronales Netzwerk im Vergleichstest antraten, erkannten Dermatologen im Durchschnitt 86,6 Prozent der Melanome, wogegen das Netzwerk eine Trefferrate von 95 Prozent erreichte. Mit zusätzliche Informationen wie Alter, Geschlecht und Lage der Läsion konnten die Dermatologen die Trefferrate im Durchschnitt auf 88,9 Prozent anheben. Die Richtig-negativ-Rate lag bei den Dermatologen jedoch mit 75,7 Prozent deutlich über der des Netzwerkes, das nur 63,8 Prozent der ungefährlichen Muttermale als solche erkannte. Die Forscher betonten, dass künstliche Intelligenz die Ärzte bei der Diagnose von Hautkrebs unterstützen, sie aber nicht ersetzen könnten.[2] Das Berliner Startup Magnosco hat ein Gerät mit KI auf den Markt gebracht, das Hautkrebs besser erkennen könne als ein Hautarzt. Der Arzt hält das Gerät an eine verdächtige Stelle und das Gerät scannt dann die Stelle mit einem Infrarot-Laserstrahl. In der Regel werden verdächtige Stellen vom Arzt ausgeschnitten und in ein Labor eingeschickt. Im Labor konnte erst nach etwa zwei Wochen die Diagnose gestellt werden. Oft sei es aber falscher Alarm gewesen. Das Gerät soll den Hautarzt unterstützen und häufiges Ausschneiden der fraglichen Hautstellen verringern helfen. Die Firma will später auch eine App fürs Smartphone anbieten, die über eine Fotografie der Hautstelle die Diagnose stellen kann. Die Treffsicherheit sei dabei jedoch deutlich reduziert. Das Laser-Gerät ist seit Januar 2018 bei Ärzten im Einsatz.[3] Für Smartphones gibt es bereits seit 2016 eine Reihe häufig kostenpflichtiger Apps, die Hautkrebs anhand eines Fotos erkennen sollen. Der Dermatologe Matthias Augustin sieht diese jedoch kritisch, da es zu Anwendungsfehlern und Falschdiagnosen kommen könnte, die Laien nicht richtig einschätzen könnten.[4]

In einem wissenschaftlichen Wettbewerb wurden Forscher im Jahr 2016 weltweit eingeladen, eine Software zur Erkennung von Brustkrebszellen (Diagnose von Metastasen in Sentinel-Node-Biopsien) einzureichen. 32 Programme wurden von 23 Teams eingereicht. In einem Wettbewerb traten diese Programme dann gegen ein Team aus elf Pathologen an, die jeweils zwei Stunden Zeit zur Analyse von 129 Präparaten hatten. Eine Vergleichsgruppe bestand aus einem versierten Pathologen, der sich so viel Zeit nehmen durfte, wie er wollte, was allerdings nicht dem klinischen Alltag entspricht. Die Programme nutzten meist Convolutional Neural Networks. Sieben der Programme lieferten bessere Ergebnisse als die Gruppe der Pathologen. Insbesondere die Programme der Harvard Medical School und des Massachusetts Institute of Technology stellten die Pathologen in den Schatten. Die menschlichen Pathologen übersahen häufig Mikrometastasen, was den besseren Programmen nur selten passierte. Fünf der Programme waren sogar besser als der versierte Pathologe, der sich 30 Stunden Zeit für die Analyse nahm. Selbst dieser versierte Pathologe übersah ein Viertel der Mikrometastasen.[5] Wissenschaftler der Eötvös Universität in Budapest stellten im März 2018 eine KI vor, die bei einer Mammographie aus den Röntgenbildern der weiblichen Brust Brustkrebszellen mit gleicher Treffsicherheit – nämlich etwa 90 Prozent – erkennen kann wie ein erfahrener menschlicher Radiologe. Auch die Rate der falschpositiven Ergebnisse lag bei der Rate der Mediziner. Die Auswertung der Röntgenbilder durch Radiologen sei eine monotone, anstrengende, langwierige und fehleranfällige Arbeit.[6]

Die Darmspiegelung gilt als die sicherste Methode, um bösartige Tumore in Mast- und Dickdarm frühzeitig zu erkennen. Jährlich erkranken 61.000 Menschen in Deutschland an Darmkrebs. Bei einer Darmspiegelung entfernt der Arzt alle verdächtigen Wucherungen, sog. Polypen, egal ob die Wucherung gut- oder bösartig ist. Ob es sich um einen bösartigen Tumor (sog. Adenom) handelt, kann erst später im Labor festgestellt werden. Im Herbst 2018 setzten japanische Gastroenterologen in einem klinischen Test eine KI ein, die auf die Erkennung von bösartigen Tumoren im Darm trainiert wurde. Die Trefferrate lag bei 93 Prozent. Dabei werden Bilder aus dem Darm in 500-facher Vergrößerung an eine KI übermittelt, die dann innerhalb einer Sekunde erkennen kann, ob es sich bei dem Polyp um einen gut- oder bösartigen Tumor handelt. Der Arzt erhält dann eine Rückmeldung über einen Ton oder über einen Hinweis auf dem Bildschirm. Die KI soll weiter trainiert werden, um die Erkennungsrate noch zu verbessern. Dann könnte die KI in den Routinebetrieb gehen.[7]

Wissenschaftler an der University of California in San Francisco haben im Herbst 2018 eine Pilotstudie mit tiefen, künstlichen neuronalen Netzen im Journal Radiology vorgestellt, das anhand von Gehirnscans eine Alzheimererkrankung im Schnitt sechs Jahre vor der finalen Diagnose erkennen könne. Häufig werde Alzheimer von Ärzten erst dann diagnostiziert, wenn sich die ersten Symptome zeigen. Selbst erfahrenen Ärzten fällt es schwer, die bei Frühstadien auftretenden, kleinen Veränderungen im Gehirn zu erkennen und richtig einzuordnen. Deshalb könne die KI-gestütze Erkennung einen wichtigen Beitrag zur Früherkennung und damit zur Behandlung leisten. Das Netz erreichte eine Sensitivität von 100 %, bei einer Richtig-negativ-Rate von 82 %. Weitere Untersuchungen sollen folgen, um die Ergebnisse zu verifizieren.[8][9]

Automatische Datenanalyse[Bearbeiten | Quelltext bearbeiten]

Grundsätzlich ist der Krebs so individuell wie die Patienten selbst. Das ist der Grund, weshalb eine Therapie bei einem Patienten hilft und bei einem anderen nicht. Hier können KIs die Genanalyse von Patienten innerhalb von Minuten mit Millionen Daten anderer Patientenakten, Behandlungsformen, Forschungsaufsätzen abgleichen und so zu einer sehr präzisen Diagnose kommen, was man Präzisionsmedizin nennt und ohne den Einsatz von Computern nicht möglich wäre. Dies ist nicht nur auf die Krebsdiagnose beschränkt, sondern kann auch bei Herzinfarkten, Diabetes usw. eingesetzt werden. Wichtig dafür ist, dass die Daten in digitaler Form (anonymisiert) vorliegen. Google, IBM, Microsoft, Amazon usw. bieten dafür Plattformen, um derartige Daten hochzuladen und bereitzustellen.[10]

Beispielsweise konnte im August 2016 am Medical Institute der Universität Tokyo das Computerprogramm IBM Watson eine Fehldiagnose der Ärzte korrigieren. Die Ärzte diagnostizierten bei der Patientin eine akute myeloische Leukämie. Die Therapie blieb erfolglos, weswegen man Watson zu Rate zog. Die KI benötigte 10 Minuten, um die DNA der Frau mit 20 Millionen Krebsstudien abzugleichen. Watson erkannte eine sehr seltene Form der Leukämie, die bislang nur 41 Patienten betraf und heilbar ist.[11] Die Behandlungsvorschläge von IBM Watson können jedoch auch fehlerhaft sein, etwa, wenn zu wenig Trainingsdaten zur Verfügung stehen. Entsprechende Berichte über fehlerhafte Empfehlungen, deren Anwendung die Patienten gefährde, wurden 2018 von einem Medizinfachportal veröffentlicht. Die Fehlfunktion soll laut IBM in einer späteren Version behoben worden sein.[12]

Wissenschaftler der Universität Stanford haben im Januar 2018 eine KI vorgestellt, die mit einer Wahrscheinlichkeit von 90 Prozent bei unheilbar kranken Patienten aus den Krankendaten berechnen kann, ob diese innerhalb der nächsten 3 bis 12 Monate versterben werden. Dies könne unheilbar kranken Patienten helfen, die letzten Monate würdevoll und ohne aggressive Behandlungsmethoden und eventuell daheim unter Palliativversorgung zu verleben.[13]

Die Armbanduhr Apple Watch zeichnet unter anderem die Herzfrequenz eines Menschen auf. Apple gab bekannt, dass KIs mit einer Wahrscheinlichkeit von 85 Prozent aus der Analyse der Herzfrequenz Diabetes mellitus beim Träger der Armbanduhr feststellen können. Die Idee basiert auf der Framingham-Herzstudie, die bereits 2015 erkannte, dass man allein mit Hilfe der Herzfrequenz Diabetes diagnostizieren kann. Apple war es bereits früher schon gelungen, aus der Herzfrequenz einen abnormalen Herzrhythmus mit 97 prozentiger Wahrscheinlichkeit, Schlafapnoe mit 90 Prozent, Hypertonie (Bluthochdruck) mit 82 Prozent zu erkennen.[14]

Sprachverarbeitung[Bearbeiten | Quelltext bearbeiten]

Forscher der Mount Sinai School of Medicine haben im Januar 2018 eine Methode vorgestellt, aus einem psychologischen Gesprächsprotokoll mit Jugendlichen erkennen zu können, ob diese innerhalb der nächsten zwei Jahre an einer Psychose erkranken werden. Die Methode nutzte natürliche Sprachverarbeitung und erreichte im standardisierten Tests eine Genauigkeit von bis zu 83 Prozent. Die Forscher meinen, dass die Methode in der Zukunft vermutlich Psychosen und andere Störungen sehr früh erkennen könnten. Ein Merkmal seien zum Beispiel unorganisierte Gedankengänge, umständliche Formulierungen, unklare Assoziationen oder reduzierte Komplexität der Sprache. Die Unterschiede seien subtil, was KIs, die mit einer großen Zahl solcher Gespräche trainiert wurden, jedoch herausarbeiten könnten.[15][16]

Forscher des MIT haben im September 2018 eine KI vorgestellt, die anhand von gesprochenem Text oder auch geschriebenem Text eine Depression bei einem Patienten diagnostizieren kann. Üblicherweise stellen Ärzte und Psychologen dem Patienten Fragen zu Lebensgewohnheiten, Verhaltensweisen und Befindlichkeiten. Aus den gegebenen Antworten wird dann die Depression bei einem Patienten diagnostiziert. Die Forscher trainierten die KI mit klinischen Interviews. Nunmehr ist die KI sogar in der Lage, aus Gesprächen, die nicht im klinischen Kontext stattfinden – also herkömmliche Gespräche –, eine Depression zu diagnostizieren. Die KI schafft eine Trefferquote von 83 Prozent und bei der Einordnung der Schwere der Depression auf einer Skala von 0 bis 27 eine Trefferquote von 71 Prozent. Die KI könnte Ärzte nun bei ihrer Arbeit unterstützen oder aber als App angeboten werden, die Benutzer permanent überwachen und im Notfall Alarm geben. Die Forscher wollen weitere KIs entwickeln, um etwa aus der Sprache eines Patient auch Demenz erkennen zu können.[17]

Die Gesundheitsapp Babylon Health kann mit Hilfe eines Sprachsystems (Chatbot), basierend auf einer KI, eine Diagnose im Gespräch mit dem Patienten erstellen, die laut Hersteller etwa zehnmal treffsicherer als die Diagnose eines Hausarztes ist. Die Entwicklung der App wurde auch mit Unterstützung des britischen Gesundheitssystems finanziert. Ziel war es, die Zahl der unnötigen Arztbesuche deutlich zu reduzieren und damit Kosten zu senken. Jedoch fanden die Patienten schnell heraus, wie man die App durch falsche Symptombeschreibungen austricksen kann, um so schneller an einen Arzttermin zu gelangen. Ursprünglich gab es Widerstand gegen diese App, weil Hausärzte befürchteten, dass die App die Zahl der sehr leicht behandelbaren und somit lukrativen Fälle für die Ärzte deutlich senken könnte.[18]

Die App Ada des Berliner Unternehmens Ada Health unterstützt anhand der Beschreibung von Symptomen mit Hilfe einer KI bei der Diagnosenstellung. Diese soll der Diagnosequalität von sehr gut ausgebildeten westlichen Ärzten entsprechen. Die App gehört zu den populärsten Gesundheitsapps. Sie wurde vom MIT ausgezeichnet und wird von der Bill & Melinda-Gates-Stiftung gefördert. 2018 verkündete Ada Health die Zusammenarbeit mit der Techniker Krankenkasse, 2019 eine Kooperation mit Sutter Health. Insbesondere in Entwicklungsländern, beispielsweise auf dem afrikanischen Kontinent, wo es an medizinischem Personal mangelt, kann die App Diagnoseunterstützungen erstellen und so helfen, ein Gesundheitssystem aufzubauen.[19][20][21]

Pharmaforschung[Bearbeiten | Quelltext bearbeiten]

In der Pharmaforschung hat sich das automatisierte Hochdurchsatz-Screening als Methode etabliert, sogenannte Hits und damit Kandidaten für Leitstrukturen zu finden. Britische Forscher der Universität Cambridge entwickelten die Automatisierung weiter. Der Forschungsroboter „Eve“, der 2015 in Journal of the Royal Society Interface vorgestellt wurde, verwendet statistische Modelle und maschinelles Lernen und produziert und testet damit Annahmen, prüft Beobachtungen, führt Experimente aus, interpretiert Ergebnisse, ändert Hypothesen und wiederholt dies immer wieder. Dadurch könne der Roboter vielversprechende Substanzen vorhersagen und damit das Finden von Leitstrukturen effizienter machen.[22][23] Mit Hilfe dieses Roboters fanden die Forscher 2018 heraus, dass Triclosan, das auch in Zahnpasta verwendet wird, Malaria-Infektionen in zwei kritischen Stadien, nämlich dem Befall der Leber und des Bluts, bekämpfen könnte. Mit der Entdeckung durch die KI könnte nun ein neues Medikament entwickelt werden.[24]

Weblinks[Bearbeiten | Quelltext bearbeiten]

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Alanna Vial, David Stirling, Matthew Field, Montserrat Ros, Christian Ritz: The role of deep learning and radiomic feature extraction in cancer-specific predictive modelling: a review. In: Translational Cancer Research. Band 7, Nr. 3, 6. Juli 2018, ISSN 2219-6803, S. 803–816, doi:10.21037/21823 (amegroups.com [abgerufen am 9. Dezember 2018]).
  2. Künstliche Intelligenz: Computer erkennt Hautkrebs besser als Ärzte. In: Spiegel Online. 29. Mai 2018 (spiegel.de [abgerufen am 1. Dezember 2018]).
  3. Ein Berliner Startup erkennt Hautkrebs besser als ein Arzt gruenderszene.de vom 13. Februar 2018
  4. NDR: Wie nützlich sind "Hautkrebs-Apps"? (ndr.de [abgerufen am 1. Dezember 2018]).
  5. Arzt versus Computer: Wer erkennt Brustkrebsmetastasen am besten? aerzteblatt.de vom 13. Dezember 2017
  6. KI erkennt Brustkrebs: Selbstlernendes System erkennt Tumore in Mammografie-Aufnahmen so gut wie ein Radiologe. 16. März 2018, abgerufen am 2. Juli 2019.
  7. DARMKREBSVORSTUFEN MIT KÜNSTLICHER INTELLIGENZ ERKENNEN internisten-im-netz.de vom 8. Oktober 2018
  8. Yiming Ding, Jae Ho Sohn, Michael G. Kawczynski, Hari Trivedi, Roy Harnish: A Deep Learning Model to Predict a Diagnosis of Alzheimer Disease by Using 18F-FDG PET of the Brain. In: Radiology. 6. November 2018, ISSN 0033-8419, S. 180958, doi:10.1148/radiol.2018180958 (rsna.org [abgerufen am 1. Dezember 2018]).
  9. Künstliche Intelligenz erkennt Alzheimer früher als Ärzte. In: BR24. (br.de [abgerufen am 1. Dezember 2018]).
  10. FAZ:Diagnosen von Watson. 10. Juni 2017, abgerufen am 2. Juli 2019.
  11. KI rettet Patientin das Leben, weil sie die Fehldiagnose der Ärzte korrigiert vice.com vom 10. August 2016
  12. KI gegen Krebs: Kritik an IBM Watson wegen "gefährlichen Empfehlungen" - derStandard.at. Abgerufen am 9. Dezember 2018.
  13. Künstliche Intelligenz soll Todeszeitpunkt von Patienten vorhersagen. Abgerufen am 2. Juli 2019.
  14. Studie: Apple Watch erkennt Diabetes mit 85 Prozent Genauigkeit. 7. Februar 2018, abgerufen am 2. Juli 2019.
  15. KI kann Psychosen bei Jugendlichen frühzeitig erkennen futurezone.de vom 23. Januar 2018
  16. Cheryl M. Corcoran, Facundo Carrillo, Diego Fernández-Slezak, Gillinder Bedi, Casimir Klim: Prediction of psychosis across protocols and risk cohorts using automated language analysis. In: World Psychiatry. Band 17, Nr. 1, 19. Januar 2018, ISSN 1723-8617, S. 67–75, doi:10.1002/wps.20491, PMID 29352548 (wiley.com [abgerufen am 17. September 2018]).
  17. Künstliche Intelligenz soll Depressionen an Sprechweise erkennen. 6. September 2018, abgerufen am 2. Juli 2019.
  18. Diese App sollte den Arztbesuch überflüssig machen – doch die Nutzer bewirkten das Gegenteil. 17. Dezember 2017, abgerufen am 2. Juli 2019.
  19. „Wir geben Millionen Menschen medizinischen Rat“. 10. Oktober 2018, abgerufen am 2. Juli 2019.
  20. Nach­ge­fragt zum Kongress eHealth Europe in Frei­burg. Abgerufen am 2. Juli 2019.
  21. Sutter Health Teams Up With Ada Health to Improve Patient Care by Delivering On-Demand Healthcare Guidance. 11. Februar 2019, abgerufen am 2. Juli 2019 (englisch).
  22. Kevin Williams, Elizabeth Bilsland, Andrew Sparkes, Wayne Aubrey, Michael Young: Cheaper faster drug development validated by the repositioning of drugs against neglected tropical diseases. In: Journal of The Royal Society Interface. Band 12, Nr. 104, 6. März 2015, ISSN 1742-5689, S. 20141289, doi:10.1098/rsif.2014.1289, PMID 25652463 (royalsocietypublishing.org [abgerufen am 1. Dezember 2018]).
  23. Artificially intelligent robot scientist 'Eve' could boost search for new drugs. (phys.org [abgerufen am 1. Dezember 2018]).
  24. AI robot finds ingredient in toothpaste may help fight malaria. In: The Independent. (independent.co.uk [abgerufen am 1. Dezember 2018]).