Künstliche Intelligenz

Intelligenter Arzthelfer – nicht mehr, aber auch nicht weniger

Ein Bild über Künstliche Intelligenz: Eine Art Raum dessen Wänden und Boden wie ein Touch-Screen gestaltet sind, hell leuchtend vor dunklem Hintergrund. Darauf Grafiken und Bilder aus der medizinischen Welt: der Mensch, menschliche Organe, Hirnströme, die DNA, ein Molekül, etc. An der linken Wand steht ein Mann im weißen Arztkittel, mit Stetoskop um den Hals, der auf eines der Bilder tippt. Da, wo seine rechte Hand antippt, ist ein helles Licht.

Künstliche Intelligenz hält Einzug in die Medizin. Sie soll Ärzte bei Diagnose Therapieentscheidung unterstützen.

Quelle: Elnur/Fotolia

In der Medizin übernehmen schon jetzt intelligente Computer so manche Aufgabe. Das Potenzial der künstlichen Intelligenz ist groß und bietet eine Chance für schnellere Diagnose und gezieltere Therapien. Den Arzt ersetzen wird sie nicht. von Beate Wagner

Künstliche Intelligenz (KI) ist die Geheimwaffe des 21. Jahrhunderts. Sie beherrscht längst unseren Alltag. Mithilfe von Computerprogrammen, die eigenständig Probleme bearbeiten können, lassen sich aus gigantischen Datenströmen Situationen aller Art interpretieren, Datenkorrelationen erfassen und Trends bloßlegen, die der menschlichen Wahrnehmung Jahrzehnte voraus sind. Künstliche Intelligenz (KI) ist Software, die lernfähig und autark in immer mehr Bereichen der Gesellschaft Verantwortung übernimmt.

Eine Computeranimation der Lunge auf schwarzem Hintergrund: die Gefäße in der Lunge sehen aus wie stark verzweigte Äste und Zweige, an deren Ende zum Teil blaue Flecken zu sehen sind.

Das Volumenrendering zeigt den Gefäßbaum einer Lunge mit Metastasen. Ärzte können daran zum Beispiel ablesen, ob sie eine Gewebeprobe entnehmen müssen oder nicht.

Quelle: Fraunhofer MEVIS

Derzeit erobert sie auch die Medizin. So bildeten Siemens Healthineers und das Fraunhofer-Institut für Bildgestützte Medizin MEVIS erst kürzlich eine Forschungsallianz. Ausgehend von umfassenden Datenbanken entwickeln die Partner Software-Systeme mit KI, die Diagnose- und Therapie-Entscheidungen erleichtern sollen. Dafür werden in die Software große Datenmengen integriert, um Muster und Gesetzmäßigkeiten automatisch zu erkennen. Die Software zeigt Klinikärzten beispielsweise bei Lungenkrebs alle Informationen an, die für die beste Therapie relevant sind. Zukünftig sollen auch die Leitlinien der Fachgesellschaften automatisiert mit einbezogen werden.

Maschinelles Lernen bringt den Durchbruch

„An der Vision künstliche Intelligenz arbeiten Informatiker seit den 1950er Jahren“, weiß Tobias Voigt von Philips GmbH Innovative Technologies. Trotz Verfeinerungen in den 1980ern blieben Erfolge mit den selbstlernenden Computern jedoch aus. „Erst mit der Entwicklung des Deep Learning im Jahr 2010 können wir von einem wirklichen Durchbruch für die künstliche Intelligenz sprechen“, sagt Voigt. Die Deep-Learning-Technik – maschinelles Lernen – orientiert sich an der Funktionsweise des menschlichen Gehirns. „In einer Deep-Learning-Software gibt es wie im Gehirn neben einer neuronalen Eingangsschicht mehrere Zwischenschichten der Gewichtung und eine der Ausgabe“, sagt der Wissenschaftler.

Soll eine intelligente Software beispielsweise die Diagnose unterstützen, speisen die Wissenschaftler zunächst zigtausende Bilddaten samt der dazu passenden Diagnose ein. Die Software fahndet dann in möglichst vielen Einzelheiten nach Übereinstimmungen und entwirft selbstständig einen Algorithmus, mit dem sie nach den erforderlichen Informationen sucht. „Anders als bei der bisherigen Softwareprogrammierung müssen wir nicht für zukünftige Situationen die Antwort mitliefern“, erklärt der Informatiker. „Das Netz lernt vielmehr durch das Training, auch für bisher unbekannte Situationen selbst zu entscheiden. In der Softwareprogrammierung ist das eine wirkliche Revolution.“

Big Data ist Voraussetzung für künstliche Intelligenz

Portrait eine Mannes mit kurzem lichtem Haar, Brille und kurzem Bart, der in die Kamera lächelt.

Andreas Dengel, DFKI: „Eine Definition für künstliche Intelligenz gibt es nicht, genauso wenig wie für die Intelligenz.“

„Eine Definition für künstliche Intelligenz gibt es nicht, genauso wenig wie für die Intelligenz“, sagt Andreas Dengel, Wissenschaftlicher Direktor und Standortleiter des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in Kaiserslautern. Intelligenz sei ablesbar an einem Verhalten, das Menschen unter Mithilfe von gewissem Wissen zeigen. „Mit der künstlichen Intelligenz versuchen wir, dieses Verhalten zu simulieren“, beschreibt Dengel. „Das kann Verhalten sein, das mit den Sinnen zu tun hat, oder das können komplexere Handlungen sein, wie zum Beispiel eine Problemlösung.“

Big Data macht diese Simulation menschlichen Verhaltens erst möglich. Und sie lässt sich über drei grundlegende sogenannte V-Dimensionen definieren: Das Volume definiert die enormen Mengen an Daten, die täglich produziert werden. Die Variety bezieht sich auf die Vielfalt der Datentypen und -quellen. Die Velocity bezeichnet die Geschwindigkeit, mit der Daten generiert, ausgewertet und weiterverarbeitet werden. „Täglich werden weltweit zehn hoch 18 Bytes an Daten produziert“, sagt Dengel. Diese Daten auszuwerten ist das Ziel von Big Data.

Wenn intelligente Computer die Diagnose stellen

Portrait eines smarten jungen Mannes, mit Dreitage-Bart, der ein weißes Hemd, Krawatte und ein dunkles Sakko trägt und in die Kamera schaut.

Tobias Voigt, Philips Innovative Technologies: „Das Netz lernt durch Training, auch für bisher unbekannte Situationen selbst zu entscheiden.“

Doch was kann künstliche Intelligenz? Wird es bald auch maschinelle Unterstützung für den Arzt geben? Voigt ist zuversichtlich, sobald drei Voraussetzungen erfüllt sind: die lernende Software, eine ausreichende Rechenleistung und riesige digitalisierte Datensätze. Deep-Learning-Netze und extreme Rechenleistung sind längst vorhanden. „Problem in den Kliniken sind bisher noch die Daten“, weiß Voigt. Denn in der Medizin gehe es um sehr sensible Informationen. Und die gigantischen Datensätze werden – anders als bei Amazon – bisher nicht zentral gesammelt.

„Wenn Ärzte in der Klinik mit Deep-Learning-Netzen arbeiten, muss zudem gesichert sein, dass die Daten nicht von außen zugänglich sind“, sagt Voigt. An entsprechenden sicheren Lösungen arbeiten Hersteller wie die Philips GmbH Innovative Technologies mit Hochdruck. „Die Zahl der auf künstliche Intelligenz spezialisierten Start-ups explodiert förmlich seit 2015“, so der Programmierer. „Es wird nicht mehr allzu lange dauern, bis lernende Software Ärzte zum Beispiel bei Diagnose- und Therapievorschlägen unterstützen wird.“

Ärzte sind noch skeptisch, sehen aber große Chancen

Bisher nutzen Mediziner digitale Anwendungen noch zögerlich. Rund zwei Drittel sehen in der künstlichen Intelligenz aber eine Chance für die Patienten und glauben, dass sie Ärzte unterstützen, treffsichere Diagnosen und die passende Therapie zu finden. Das geht aus einer aktuellen Umfrage von 477 Medizinern des Branchenverbandes Bitkom und des Hartmannbundes hervor. „Die Medizin der Zukunft wird heute nicht mehr ausschließlich mit Reagenzglas und Mikroskop erforscht. Es geht auch um Sensoren, künstliche Intelligenz und Codes“, sagt Bitkom-Hauptgeschäftsführer Bernhard Rohleder. „Die Digitalisierung des Gesundheitswesens wird Krankheiten heilen und unser Leben länger und angenehmer machen – Start-ups leisten dazu einen wichtigen Beitrag.“

Deep-Learning-Start-ups stehen in den Startlöchern

Zwei Männer blicken auf einen Computer-Bildschirm.

Von MIT Tech Review zu einem der „50 intelligentesten Unternehmen des Jahres 2016“ gekürt: Enlitic aus San Francisco. Im Bild: Gründer Jeremy Howard mit einem Mitarbeiter.

Quelle: Enlitic

Der Markt an Produkten ist noch überschaubar. So bietet Enlitic aus San Francisco beispielsweise Deep-Learning-Produkte für Röntgenaufnahmen des Brustkorbs, die Kalksprenkel oder Verschattungen sicherer erkennen und von harmlosen Besonderheiten unterscheiden. Die Software soll Radiologen auch helfen, Lungenknoten eher zu erkennen und zu charakterisieren, wie aggressiv ein Tumor womöglich ist. Der Computer entscheidet, auf welche Einzelheiten er achtet – und damit, woraus er sich sein Urteil bildet. Enlitics Algorithmen für künstliche Intelligenz wurden von einem multidisziplinären, internationalen Team aus bekannten Datenwissenschaftlern, Fachleuten für maschinelles Lernen und Medizinexperten von Grund auf neu entwickelt. Das Unternehmen wurde von der MIT Tech Review als eines der „50 intelligentesten Unternehmen des Jahres 2016“ bezeichnet.

Das israelisch-amerikanische Start-up MedyMatch hat Lösungen mit KI entwickelt, um Hirnblutungen nach Schlaganfall schneller zu entdecken und richtig zu behandeln. Denn gerade beim Schlaganfall zählt jede Minute, um Hirngewebe zu retten. Zebra Medical Visions, ebenfalls aus Israel, unterstützt Ärzte mit einer intelligenten Bildgebungs-Software. Diese erkennt Kalzium in den Herzkrankgefäßen, analysiert eine Fettleber oder ein Lungenemphysem. Im Juni 2017 erhielt das Start-up eine CE-Zertifizierung für Europa.

IBM Watson ist das erste kommerziell erhältliche kognitive Computersystem. Es kann große Datenvolumen analysieren, komplexe, in natürlicher Sprache gestellte Fragen verstehen und evidenzbasierte Antworten liefern. Watson lernt kontinuierlich anhand vorausgegangener Interaktionen und steigert so mit der Zeit seinen Wert und sein Wissen. Weltbekannt wurde der Computer im Februar 2011, als er sich in der US-amerikanischen Quizsendung Jeopardy gegen die menschlichen Kandidaten durchsetzen konnte. Hierzulande arbeitet seit März das Münchner Leukämielabor (MLL) mit dem Prototyp kognitiver Technologie. Die MLL-Forscher wollen mit dem intelligenten Computer Genomdaten analysieren und langfristig eine Technologie entwickeln, mit der sich genomische und phänotypische Daten von Leukämiepatienten im Kontext der medizinischen Literatur, Leitlinien und anderer Studienergebnisse besser auswerten lassen. Am Universitätsklinikum Marburg soll Watson als digitaler Assistent Ärzten dabei helfen, seltene Krankheiten schneller zu diagnostizieren.

Erste Ergebnisse sind vielversprechend

Ein Mann mit rundlichem Gesicht, Brille und einem weißem Kittel über dem weißen Hemd und der Krawatte, der in die Kamera lächelt.

David Maintz, Uniklink Köln: „Zukünftig werden KI-Tools die klinische Arbeit leichter machen. Ersetzen können sie Radiologen jedoch nicht.“

Quelle: Universitätsklinikum Köln

Dass künstliche Intelligenz im klinischen Alltag tatsächlich schon wie ein Arzt fungieren kann, belegt eine aktuelle Publikation in dem renommierten Fachmagazin Nature: Wissenschaftler der Stanford University programmierten eine auf neuronalen Netzwerken basierende künstliche Intelligenz zum Dermatologen – und ließen sie genauso wie 21 erfahrene Hautärzte nach Hautkrebs fahnden. Als Ausgangspunkt nutzten die Forscher einen von Google entwickelten lernfähigen Algorithmus, der darauf geeicht ist, tausende Fotos bestimmten Kategorien zuzuordnen. Weiterentwickelt und mithilfe von knapp 130.000 Fotos gut- und bösartiger Hautveränderungen trainiert, lernte das KI-Programm, selbstständig die typischen Merkmale von bösartigem Hautkrebs zu erkennen. Hautärzte und Computer schnitten bei der Diagnose von 370 zuvor diagnostizierten Hautveränderungen gleich gut ab. Sie erkannten neun von zehn Veränderungen korrekt.

„Auch in der radiologischen Literatur ist das Thema künstliche Intelligenz omnipräsent“, sagt David Maintz, Direktor des Instituts für Diagnostische und Interventionelle Radiologie der Universitätsklinik Köln. Gleichzeitig gebe es nur wenige Produkte, die künstliche Intelligenz nutzbar machten. Warum dann ein solcher Hype? „Bilder sind eben nicht nur Bilder, sondern eine digitale Ansammlung zigtausender analysierbarer Merkmale“, erklärt der Radiologe aus Köln. „Das ist einerseits ein riesige Chance, die wir wahrnehmen müssen“, sagt Maintz.

Sensible Daten sollten in ärztlichen Händen bleiben

Andererseits brauchen die Hersteller riesige Datensätze als Grundlage, um intelligente Software herzustellen. „Naturgemäß entstehen diese Daten in den Kliniken“, sagt der Institutsdirektor. Es liege in der Verantwortung als Ärzte, damit sorgsam umzugehen. „Es sollten daher auch wir Mediziner selbst sein, die sich zusammen mit den großen Firmen darum kümmern, wie diese Technologie zukünftig intelligent eingesetzt wird.“

An der Universitätsklinik Köln gibt es bereits eine solche Kooperation mit Philips. „Wir haben eine geschlossene und damit vor Externen geschützte Infrastruktur aufgebaut, mit der wir Daten mit maschinellem Lernen analysieren und bisher ungelöste Fragen beantworten“, sagt Maintz. Dazu zählt zum Beispiel die Magnetresonanztomographie (MRT) am Herzen, die mittels KI Durchblutungsstörungen oder Herzmuskelerkrankungen besser ausfindig macht. Oder die onkologische Bildgebung bei Prostatakarzinom. Hier erstellen Maintz‘ Kollegen aus MRT- und histologischen Daten eine sogenannte „Risk Map“. Mit deren Hilfe werden Hochrisikoareale im Gewebe schneller ausgemacht.

Künstliche Intelligenz wird die Rolle des Arztes verändern. Ersetzen wird sie ihn nicht.


„Zukünftig werden solche Tools die klinische Arbeit leichter machen“, glaubt Maintz. Wahrscheinlich werden Computer irgendwann auch im großen Stil selbstständig Diagnosen stellen. „Keinesfalls wird Deep Learning aber die Radiologen ersetzen“, ist Maintz sicher. Dazu seien die Fragestellungen und Zusammenhänge zu komplex. Und: Diagnose bedeute nicht gleich Therapie. „Um für jeden Patienten die passende Therapie zu finden, müssen wir nach der Diagnose Optionen abwägen, die persönliche Situation des Patienten mit einbeziehen und ihn in seiner Entscheidung beraten“, sagt Maintz. „Ich bin sicher, dass selbst der intelligenteste Computer diese menschlichen Qualitäten nicht übernehmen kann.“

Auch Dengel vom Deutschen Zentrum für KI ist skeptisch. „Wir können zwar alle möglichen Werte messen und manches kann die KI auch sehr gut diagnostizieren, sagt er, „aber jeder Körper ist individuell“. „Aus den riesigen Datenmengen auf die vieldimensionalen Ursachen zurück schließen oder jegliche Daten zweifelsfrei interpretieren, wird der Computer angesichts der Komplexität der Einflüsse aber nie lernen“, sagt der KI-Experte. Die Technologie könne sehr viel unterstützen und einen Teil seiner ärztlichen Aufgaben übernehmen. „Das wird sicher die Rolle des Arztes verändern, ihn aber nie ersetzen.“

Mehr im Internet:

Dermatologist-level classification of skin cancer with deep neural networks

© Medizintechnologie.de

Weitere Inhalte

  • Informationsdienst
  • Akteursdatenbank
  • Veranstaltungen