Maschinelles Lernen und Medizin – kann „Magic in the Machine“ zu „Magic in the Patient“ führen?
Wie können die Medizin und vor allem die Patientenversorgung von maschinellem Lernen profitieren? Kann maschinelles Lernen als sinnvolles Mittel gegen den Ärztemangel eingesetzt werden? Oder wird maschinelles Lernen ärztliches Personal in Zukunft sogar überflüssig machen? Oder anders gesagt: Können technologische Neuerungen helfen die Probleme, die durch den Ärztemangel entstanden sind, zu beheben?
Der digitale Gesundheitsmarkt wächst und wächst: Die Unternehmensberatung Roland Berger prognostiziert bis 2020 ein jährliches Wachstum des digitalen Gesundheitsmarktes um durchschnittlich satte 21 Prozent. Künstliche Intelligenz und maschinelles Lernen sind die Sektoren, in die momentan die meisten Investitionen fließen. Das hat auch Auswirkungen auf das Gesundheitswesen: 21 Prozent der am meisten geförderten AI-Startups konzentrieren sich ausschließlich auf das Gesundheitswesen.
Was genau ist maschinelles Lernen?
Simpel: Ein künstliches System lernt. Durch Objekterkennungen, Data-Mining, Klassifikationen und Prozess-Steuerungen. Grob gesagt wird das System mit möglichst vielen Beispielen gefüttert und kann diese am Ende verallgemeinern. Besonders bei Bildgebenden Verfahren wird Maschinelles Lernen von unschätzbarem Wert sein, beispielsweise auch in der Krebsfrüherkennung. Bisher sind die Mediziner bei der Erkennung von Tumoren und deren Entwicklung auf ihr Augenmaß angewiesen – KI kann da helfen genauere Angaben zu machen und Veränderungen zu erkennen.
Auch in der ganzheitlichen Patientenbehandlung kann durch maschinelles Lernen großer Fortschritt erzielt werden: Vereinfacht gesagt wird ein neuronales Netzwerk mit Daten aus elektronischen Patientenakten gefüttert. Dadurch lernt es Muster zu erkennen. So kann man präzisere Behandlungsoptionen abwägen und Empfehlungen individuell für jeden Patienten aussprechen. Es wird dadurch einfacher genetische Eigenschaften, Unverträglichkeiten in der Medikation und vergangene Ergebnisse in der Behandlung des Patienten zueinander in Beziehung setzen und als Grundlage für weitere Schritte in der Behandlung zu nutzen. Sozioökonomische und demografische Daten können ebenfalls berücksichtigt werden. Sogar in der Bekämpfung psychischer Krankheiten kann maschinelles Lernen eingesetzt werden: Bestimmte Schlüsselwörter zu Tod, positiven und negativen Ideen aktivieren bei suizidgefährdeten Menschen andere Hirnregionen als bei psychisch gesunden Menschen. US-Forschern gelang es in einer Studie in Nature Human Behaviour mithilfe der funktionellen Magnetresonanztomographie (MRT) und Software zum maschinellen Lernen beide Gruppen zu unterscheiden. Sechs Schlüsselworte reichten zur Unterscheidung.
Auch bei der Erkennung von Alzheimer kann KI helfen, indem MRT-Scans von kranken und gesunden Menschen verglichen werden. Nicht nur in der Patientenbehandlung, auch bei den Aufgaben der Verwaltung kann maschinelles Lernen eingesetzt werden. Das Unternehmen Ayasdi hat zuletzt mit dem Gesundheitsdienstleister Mercy Healthcare zusammengearbeitet, um klinische Workflows zu optimieren. Das Programm konnte feststellen, dass ein bestimmtes Analgetikum nach dem Einsatz eines künstlichen Kniegelenks mit verkürzten Krankenhausaufenthalten korrelierte. Die Möglichkeiten sind jetzt schon vielfältig und werden mit jeder neuen Entwicklung noch zahlreicher.
Das größte Problem in der (Weiter)Entwicklung: Datenmangel.
Das maschinelle Lernen wird Ergänzung bleiben: Im Zentrum der Patientenversorgung wird auch weiterhin die Versorgung des Menschen durch den Menschen stehen. Aber das Potenzial von künstlicher Intelligenz liegt darin, genau diese Zusammenarbeit zwischen Menschen zu verbessern – Wir alle haben es in der Hand. Denn es geht nicht darum was maschinelles Lernen macht, sondern darum, wer es einsetzt und wie. Wenn Sie auf der Suche nach qualifiziertem Personal sind, das genau diese Schnittstelle ausfüllt – bei uns werden sie fündig. Schauen Sie sich gerne in unserem Talentpool um und finden Sie ihre perfekten neuen Mitarbeiter.
