Medizinisches Diagnosesystem

Durch den Einsatz von Künstlicher Intelligenz im Gesundheitswesen soll die erreichbare Lebensqualität anhand von neuen, medizinischen Errungenschaften verbessert werden.

Durch die Digitalisierung können zunächst vielfältige medizinische Daten für KI-Anwendungen aufbereitet werden. Neben Patientenakten über die – teilweise bereits digital vorliegenden – Ergebnisse von Untersuchungen eingepflegt sind, können durch Wearables und Apps persönliche Gesundheitsdaten generiert werden. Gerade im Medizinsektor kann die Künstliche Intelligenz viele Vorteile bieten. Durch den Einsatz von Künstlicher Intelligenz im Gesundheitswesen soll die erreichbare Lebensqualität anhand von neuen, medizinischen Errungenschaften verbessert werden.

Nach wie vor gibt es Probleme bei dem interdisziplinären Transfer von Ergebnissen (auch aus Datenschutz Gründen) sowie bei der Interpretation von medizinischen Notizen der Ärzte. Außerdem bedarf es auch bei diesem KI-System einer umfassenden und intensiven Trainingsphase, um die KI-Anwendungen mit den erforderlichen Daten auszustatten. In Deutschland ist eine solche konsolidierte Datenbasis, die anonyme Krankenakten aus den unterschiedlichsten Quellen zusammenführt, nicht vorhanden. Eine positive weitere Erkenntnis ist, dass die Kombination von Maschinen und Menschen zu den besten Ergebnissen führt. Das lässt sich beispielsweise darauf zurückführen, dass es Maschinen schwerer fällt, in unbekannten Situationen mit Datenarmut die richtigen Entscheidungen zu treffen. Für Menschen ist es dagegen generell schwerer, auf Grundlage eines hohen Datenvolumens die richtigen Muster schnell zu erkennen. Bei kognitiver Arbeit kann diese Erkenntnis über zwei verschiedene Ansätze zum Einsatz kommen und Ergebnisse optimieren.

Medizinische Diagnosesysteme können sehr unterschiedliche einzelne KI-Use Cases nutzen und kombinieren.

Einige Beispiele wären:

• Optimierung von Patientendaten - zur Erfassung, Abspeicherung sowie zum Auffindung von Patientendaten ist die
  • Dokumentenanalyse in Ergänzung oder mit
  • Optical Charakter Recognition insbesondere bei handschriftlichen Dokumenten möglich.
• Bildmaterial managen - zur Verarbeitung, Verwaltung von Bildmaterial
  • Computer Vision in Ergänzung mit
  • Wissensbasierten Expertensystemen zur Auswertung der Bilddaten.
• Schulungen - zur Optimierung von Lehrprozessen wie virtuellen Operationen
  • Virtual Reality.

• Es bestehen rechtliche Herausforderungen. 

• Die KI leidet unter der „Black-Box-Problematik“ (Die von den Systemen generierten Ergebnisse sind nicht mehr vollständig vorhersehbar und nachvollziehbar.) 

• Der Einsatz birgt unkalkulierbare und bekannte Risiken, was sich beispielsweise auf die zivilrechtliche Haftung und die strafrechtliche Verantwortung auswirkt.

• Vorbeugen einer potenziellen gesellschaftlichen Angst vor derartigen Systemen.

• Schaffung eines praxisgerechten Handlungsrahmen.

• Zugriff auf neue Erkenntnisse in Echtzeit, die durch Forscher und/oder durch Kollegen im täglichen Einsatz gewonnen werden.

• Eine Auswertung der kompletten Krankenakte der Patienten, sodass die entsprechenden Daten verknüpft vorliegen. 

• Um Hypothesen zu überprüfen und fehlende Informationen zu ergänzen können KI-gestützte Befragungen des Patienten helfen.

• Ableitung von Therapie-Empfehlungen.
• Probleme bei der Interpretation von medizinischen Notizen der Ärzte und bei dem interdisziplinären Transfer von Ergebnissen.

• Ada Health

• Rechtliche Aspekte des Einsatzes von KI und Robotik in Medizin und Pflege (2023)

  Susanne Beck, Michelle Faber, Simon Gerndt Ethik in der Medizin 35/2 p247-263

  Springer Science and Business Media LLC DOI:10.1007/s00481-023-00763-9
• Künstliche Intelligenz verstehen (2019)

  Ralf T. Kreutzer, Marie Sirrenberg

  Springer Fachmedien Wiesbaden DOI:10.1007/978-3-658-25561-9