7 März 2024
Künstliche Intelligenz im Gesundheitswesen: Wohin geht die Reise?
Künstliche Intelligenz im Gesundheitswesen: Wohin geht die Reise?
Key takeways
Kann Künstliche Intelligenz (KI) das Risiko von Krankenhausinfektionen verringern, die Überlebensraten erhöhen und die Arbeitsbelastung des medizinischen Fachpersonals verringern? 1,2
Die Wahrheit ist, dass KI viele Vorteile für das Gesundheitswesen bringen kann und sogar als Instrument zur Verbesserung der Lebensqualität, zur Senkung der Kosten und der Wartezeiten sowie zur Bereitstellung personalisierter Unterstützung für jede Person eingesetzt werden kann, wodurch ihre Autonomie und Beteiligung während des gesamten Diagnose- und Behandlungsprozesses erhöht wird. KI kann medizinisches Fachpersonal nicht ersetzen, aber sie kann es bei klinischen Entscheidungen unterstützen und die Qualität und Schnelligkeit verbessern. 1,2
Einem Bericht von Grand View Research zufolge wird für die USA zwischen 2023 und 2030 ein Anstieg der durchschnittlichen jährlichen Wachstumsrate im Segment des KI-Gesundheitsmarktes um 37,5 %3 erwartet.
Mit der zunehmenden Entwicklung der KI und dem exponentiellen Anstieg der Investitionen in den letzten Jahren werden wir noch mehr von diesen Vorteilen sehen.
Schauen wir uns die vier Hauptkategorien im Gesundheitswesen an, in denen KI-Lösungen ihre Wirkung wirklich entfalten4:
Diagnose und Prognose4,5
Bei der Diagnose verkürzt KI die Reaktionszeit, so dass die notwendige Behandlung früher eingeleitet werden kann, was die Prognose des Patienten erheblich verbessern kann. Die Algorithmen des Machine Learning können lernen, Muster zu erkennen, ähnlich wie Ärzte sie sehen, aber sie sind in der Lage, schneller zu reagieren als ein Arzt. Diese Algorithmen können also dazu verwendet werden, Patienten zu priorisieren und eine Vorauswahl zu treffen, deren Ergebnisse später von einem Spezialisten validiert werden. Dieser Prozess verringert die Arbeitsbelastung des medizinischen Fachpersonals.
Die Algorithmen des Machine Learning sind besonders nützlich in Bereichen, in denen die Diagnose anhand von Bildern gestellt wird, wie z. B. bei CT-Scans, Elektrokardiogrammen, MRI-Scans, Dermatoskopien, Retinogrammen usw.
Es ist auch möglich, Vorhersagemodelle auf der Grundlage klinischer Indikatoren zu entwickeln, die äuerst wichtig sein können, um invasive Untersuchungen zu minimieren oder an Orten zu helfen, an denen es keinen Zugang zu geeigneten Gesundheitsgeräten gibt.
Ein weiterer Vorteil besteht darin, dass der Arzt die Ergebnisse mehrerer Tests kombinieren kann, um die Diagnose robuster und vollständiger zu machen.
Vorhersagemodelle können auch bei der Prognose eingesetzt werden und helfen dem Arzt, den möglichen Verlauf der Krankheit, künftige Komplikationen oder die Ergebnisse der Behandlung zu erkennen. Zum Beispiel können diese Modelle dabei helfen, vorherzusagen, ob ein Patient nach einer Operation ein geringes oder hohes Sterberisiko hat, was seine Überlebenschancen erhöhen kann, da der Arzt die Behandlung im Voraus anpassen kann.
Abb.1- Diagnose und Prognose
Behandlung4,6
Ein weiterer potenzieller Nutzen der KI ist die Unterstützung bei der Behandlung oder Überwachung von Patienten nach der Diagnose.
Einer der wichtigsten Vorteile ist die personalisierte Medizin. Unterschiedliche Patienten sprechen unterschiedlich auf Medikamente und Behandlungsschemata an. Die personalisierte Behandlung hat daher ein enormes Potenzial, die Lebenserwartung der Patienten zu erhöhen. Diese Art von Medizin verhindert auch den Einsatz von Medikamenten, die bei bestimmten Patienten keine Wirkung zeigen, was wiederum Kosten senkt. Mit KI ist es möglich, herauszufinden, welche klinischen Indikatoren eines Patienten darauf hindeuten, dass er auf eine bestimmte Therapie ein spezifisches Ansprechen haben wird. Es kann ein Vorhersagemodell entwickelt werden, das das Ansprechen des Patienten auf die Behandlung vorhersagt und den Ärzten hilft, die für die jeweilige Person am besten geeignete Behandlung zu wählen.
Die Möglichkeit, Patienten nach bestimmten Behandlungen oder Eingriffen zu Hause zu überwachen, ist ein weiterer Vorteil. Mit Hilfe einer KI-App, in der die Patienten täglich relevante klinische Daten aufzeichnen, kann ihr klinischer Fortschritt genau überwacht werden, und wenn es einen Grund zur Sorge gibt, kann das System den Patienten schnell an eine Gesundheitseinrichtung überweisen. Diese häusliche Überwachung erhöht den Komfort und die Autonomie des Patienten, verringert das Risiko von Krankenhausinfektionen und erhöht die Anzahl der verfügbaren Betten im Gesundheitssystem.
Wenn alle Prozesse automatisiert sind, kann KI die Ergebnisse mehrerer Tests und Analysen sofort kombinieren, um die beste Behandlung auf der Grundlage der klinischen Indikatoren des Patienten vorzuschlagen, was sich positiv auf die Behandlung und Genesung auswirken kann.
In den letzten Jahren wurden Roboter entwickelt, um einige Patienten bei der Aufrechterhaltung ihrer Routine zu unterstützen, indem sie ihnen helfen, ihre kognitiven und motorischen Fähigkeiten durch auditive, sensorische und visuelle Hinweise zu erhalten. Das Hauptziel dieser Roboter ist es, die Pflegekräfte von Menschen mit Demenz oder Alzheimer zu unterstützen, indem sie ihre Aufgaben vereinfachen und die Lebensqualität der Patienten verbessern. Roboter können negative Gefühle wie Traurigkeit und Einsamkeit durch die von ihnen geförderten Aktivitäten lindern (Lesen von Zeitschriften und Zeitungen, Abspielen von Musik oder vertrauten Klängen, Erinnerungen an wichtige Termine oder Ereignisse, Speichern von Fotos, Herstellen von Kontakten mit Familie und Freunden usw.).
Abb.2- Behandlung
Entwicklung von Medikamenten4,7
Die Entwicklung von Medikamenten ist ein bekanntermassen teurer und zeitaufwändiger Prozess, und das ist ein Problem für die Pharmaindustrie. Eine der langsamsten Phasen ist der analytische Prozess, der mit Hilfe von KI beschleunigt werden kann. KI kann in den folgenden 4 Phasen von Nutzen sein:
-
- Identifizierung der Moleküle, die das Ziel der Intervention sind: Für die Entwicklung eines Medikaments ist es notwendig, den biologischen Ursprung einer Krankheit zu verstehen, um gute Angriffspunkte für die Wirksamkeit des Medikaments sowie Resistenzmechanismen zu identifizieren.
- Entdeckung von Arzneimittelkandidaten: Es muss eine Verbindung gefunden werden, die mit dem identifizierten Zielmolekül in der gewünschten Weise interagieren kann. Es ist wichtig, die potenziellen Verbindungen und ihre Wirkung auf das Ziel (Affinität) sorgfältig zu prüfen, ganz zu schweigen von ihren Nebenwirkungen ausserhalb des Ziels (Toxizität).
- Beschleunigung der klinischen Versuche: Die Auswahl geeigneter Kandidaten für klinische Prüfungen kann deren Dauer beeinflussen. KI kann dabei helfen, Muster zu erkennen, die gute von schlechten Kandidaten unterscheiden, und die korrekte Verteilung auf die Gruppen von Studienteilnehmern sicherstellen.
- Suche nach Biomarkern für die Diagnose: Die Behandlung von Krankheiten ist nur möglich, wenn sie korrekt identifiziert wurden. Einige Screening-Methoden sind teuer und erfordern komplexe Geräte. Mit Hilfe der KI ist es möglich, Biomarker (Moleküle, die typischerweise im menschlichen Blut zu finden sind) zu finden, die mit absoluter Sicherheit Aufschluss darüber geben, ob ein Patient an einer Krankheit leidet und wie diese verläuft.
Abb.3- Entwicklung von Medikamenten
Genome Editing4,8
Mit dem Genome Editing kann die DNA von Organismen verändert werden. Genetisches Material kann hinzugefügt, entfernt oder verändert werden. Bei dieser Technik wird eine Ziel-DNA-Sequenz anhand einer kurzen, vom Forscher erstellten RNA-Struktur identifiziert. Die RNA ist mit einem Enzym verknüpft, das als Schneidemechanismus fungiert und dieses spezifische Stück schneidet. Nach dem Schnitt kommt ein DNA-Reparaturmechanismus zum Einsatz. Einer der heute am weitesten verbreiteten Ansätze ist CRISPR-Cas9, der auf einem Abwehrsystem basiert, das Bakterien gegen Viren haben.
Ein Problem besteht darin, dass diese Technik auf einer kurzen Leit-RNA-Sequenz beruht, um eine bestimmte DNA-Stelle anzuvisieren und zu editieren, aber die Leit-RNA kann sich an mehrere DNA-Stellen anpassen, was zu unbeabsichtigten Nebenwirkungen führen kann. Es ist erwiesen, dass die Modelle des Machine Learning die besten Ergebnisse liefern, wenn es um die Vorhersage der besten RNA-Sequenz geht. KI kann die Entwicklung der Leit-RNA erheblich beschleunigen, was zu einer Weiterentwicklung dieser Technik und folglich zu einer Senkung der Kosten führen wird.
Abb.4- Genome Editing
Trotz aller Vorteile, die KI mit sich bringen kann, ist es notwendig, einigen der bestehenden Risiken besondere Aufmerksamkeit zu schenken, um das volle Potenzial der KI auszuschöpfen.9,10
Einige der wichtigsten Risiken, die es abzumildern gilt, sind9,10 :
- Fehler im Algorithmus: KI-Systeme sind fehleranfällig, was zu Patientenschäden oder anderen erheblichen Problemen führen kann. Um diese Fehler zu minimieren, ist eine grosse Menge an Daten erforderlich, die real und zuverlässig sein müssen.
- Datenschutzfragen: Wie bei jeder Technologie können Hacker potenziell Zugang zu Systemen erhalten und Daten stehlen. Der Schutz der Patienten vor Datenlecks ist ebenfalls ein wesentlicher Bestandteil der sicheren Nutzung von KI in der Medizin. Mit den richtigen Sicherheitsprotokollen sollte die Wahrscheinlichkeit solcher Verstösse geringer sein.
- Verzerrung: KI ist nicht immun gegen Verzerrungen. Tatsächlich spiegelt sich der kleinste Hinweis auf eine Diskriminierung in den Trainingsdaten in den Ergebnissen wider. Bestimmte Gruppen mit besonderen Merkmalen (Gender, Ethnizität, Rasse, Überzeugungen usw.) können anfällig für Fehldiagnosen/Behandlungen sein, wenn sie vom Algorithmus anfangs nicht sorgfältig berücksichtigt wurden.
Um KI im Gesundheitswesen zu implementieren, müssen auch einige Barrieren überwunden und einige Herausforderungen bewältigt werden wie zum Beispiel:
- Digitalisierung der Daten: Ohne grosse Datenmengen, die in KI-Systeme eingespeist werden, ist es unmöglich, zuverlässige Ergebnisse zu erzielen. Daher ist es wichtig, qualitativ hochwertige Daten über Healthcare in digitaler Form zu erhalten.
- Regelmässige Datenaktualisierungen: Die bereitgestellten Daten müssen immer aktualisiert werden, um die Leistung der Algorithmen zu steigern und stets die besten Ergebnisse zu erzielen.
- Interventionen von Experten: Die Algorithmen des Machine Learning sollten mit dem Wissen medizinischer Experten entwickelt werden, um sie bestmöglich zu optimieren. Ausserdem muss die medizinische Gemeinschaft an diese Algorithmen glauben und erkennen, dass KI ein faires Hilfsmittel ist, das ihre Rolle niemals ersetzen wird.
Zusammenfassend lässt sich sagen, dass der Einsatz von KI im Gesundheitswesen mit all seinen Vorteilen und Risiken dazu beitragen kann, die Qualität der erbrachten Gesundheitsdienstleistungen zu verbessern, die Kosten zu senken, die Wartezeiten zu verkürzen und das medizinische Fachpersonal dabei zu unterstützen, Leben zu verbessern und zu retten.
Quellen:
- How will generative AI impact healthcare? (n.d.). World Economic Forum. https://www.weforum.org/agenda/2023/05/how-will-generative-ai-impact-healthcare/
- Artificial Intelligence in Healthcare | EIT Health. (2022, June 15). EIT Health. https://eithealth.eu/think-tank-topic/artificial-intelligence-in-healthcare/
- Artificial Intelligence in Healthcare Market Size Report, 2019-2025. (n.d.). https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-healthcare-market
- Schmitt, M. (2019). Artificial Intelligence in Medicine | The Top 4 Applications. com. https://www.datarevenue.com/en-blog/artificial-intelligence-in-medicine
- Rajpurkar, P., Chen, E., Banerjee, O., & Topol, E. J. (2022). AI in health and medicine. Nature medicine, 28(1), 31–38. https://doi.org/10.1038/s41591-021-01614-0
- Johnson, K. B., Wei, W. Q., Weeraratne, D., Frisse, M. E., Misulis, K., Rhee, K., Zhao, J., & Snowdon, J. L. (2021). Precision Medicine, AI, and the Future of Personalized Health Care. Clinical and translational science, 14(1), 86–93. https://doi.org/10.1111/cts.12884
- Paul, D., Sanap, G., Shenoy, S., Kalyane, D., Kalia, K., & Tekade, R. K. (2021). Artificial intelligence in drug discovery and development. Drug discovery today, 26(1), 80–93. https://doi.org/10.1016/j.drudis.2020.10.010
- Wang, S. W., Gao, C., Zheng, Y. M., Yi, L., Lu, J. C., Huang, X. Y., Cai, J. B., Zhang, P. F., Cui, Y. H., & Ke, A. W. (2022). Current applications and future perspective of CRISPR/Cas9 gene editing in cancer. Molecular cancer, 21(1), 57. https://doi.org/10.1186/s12943-022-01518-8
- Mills, T. (n.d.). Council Post: The Risks And Benefits Of AI In Medicine. Forbes. Retrieved January 3, 2023, from https://www.forbes.com/sites/forbestechcouncil/2021/03/23/the-risks-and-benefits-of-ai-in-medicine/?sh=7de7bf5b58d8
- Powell,A. (2020, November 11) Risk and Benefits of an AI Revolution in Medicine. Harvard Gazette https://news.harvard.edu/gazette/story/2020/11/risks-and-benefits-of-an-ai-revolution-in-medicine/
Author
