Künstliche Intelligenz im Gesundheitswesen: Wie kann sie klinische Studien unterstützen?

Von Mark Aiello und April Crehan

Weltweit wird in vielen Branchen die künstliche Intelligenz (KI) als Lösung für jedes nur erdenkliche Problem angepriesen. Unsere Technologie wird immer intelligenter und in einigen Fällen sind die Vorteile offensichtlich. Kürzere Fahrzeiten, weil Smartphone-Apps uns durch den Verkehr leiten. Kühlschränke, die wissen, dass uns die Milch ausgegangen ist und wie man sie bestellt. Flexible elektrische Netze, die auf Bedürfnisse reagieren und erneuerbare Energien integrieren.

Auch im Gesundheitswesen verspricht man sich enorm viel von der KI. Ihre Anwendung ist jedoch an komplizierte Vorschriften gebunden und wird durch die potenziell permanenten Auswirkungen von Gesundheitsentscheidungen eingeschränkt – anders als bei der Bestellung einer zusätzlichen Packung Eier.

Aber bevor wir im Zusammenhang mit dem Gesundheitswesen über KI sprechen, müssen wir definieren, was wir mit "KI" meinen.

Was ist KI?

Künstliche Intelligenz erstreckt sich über zahlreiche Bereiche, die die Entwicklung von Computermodellen beschreiben, die typische menschliche Aufgaben ausführen können, wie z. B. Muster erkennen und Probleme lösen. KI kann schwach oder stark sein. Ist sie schwach, funktioniert das System, ohne dass es unbedingt versteht, was menschliche Intelligenz eigentlich ist. Eine starke KI kann denken wie ein Mensch.

KI kann auch breit oder schmal sein, genau wie die Fachgebiete, die sie unterstützt. Die aktuellen Anwendungsbereiche von KI und diejenigen, die in naher Zukunft entstehen dürften, sind alle eng gefasst. Das liegt daran, dass die Systeme auf einem bestimmten Gebiet dafür trainiert wurden, bestimmte Aufgaben zu erfüllen. Diese Systeme wurden für bestimmte Rollen entwickelt und haben im Gegensatz zur umfassenden menschlichen Intelligenz bisher nur eine eingeschränkte Funktionalität.

Maschinelles Lernen und Deep Learning

Ein Unterbereich von KI ist das maschinelle Lernen. Systeme für maschinelles Lernen verändern sich, wenn sie auf neue Daten zugreifen. Durch den Zugriff auf die neuen Daten „lernt“ die Maschine. Programmierer setzen in der Regel ein Ziel der minimalen Fehlertoleranz ein, um die Verbesserungsfähigkeit zu ermöglichen. Dadurch versteht das System, welche Bemühungen erfolgreich sind, und es wird wahrscheinlicher, dass ähnliche Schritte in Zukunft verwendet werden.

Der spannendste Teilbereich des maschinellen Lernens ist das Deep Learning. Deep Learning wird durch die verschiedenen Ebenen der Funktionserkennung definiert. Es ermöglicht diesen Systemen, das große Ganze und gleichzeitig die einzelnen Elemente zu betrachten. Die Bildverarbeitung durch Menschen und Deep-Learning-Systeme funktioniert ähnlich. Genauso wie wir weit entfernte Objekte fokussieren, beobachten auch die Deep-Learning-Systeme zunehmend komplexere Merkmale. So werden beispielsweise Pixel in einer bestimmten Ausrichtung zu einer Linie und Linien in einer bestimmten Ausrichtung zu einem Quadrat.

Wenn wir über künstliche Intelligenz im Gesundheitswesen sprechen, beziehen wir uns in der Regel auf Deep Learning – auf die Art von Intelligenz, die sowohl für Entwickler als auch für Anwender am nützlichsten und mysteriösesten ist. Die Anwendungen und Vorschriften im Zusammenhang mit künstlicher Intelligenz im Gesundheitswesen können ebenso mysteriös sein.

KI-Anwendungsbereiche im Gesundheitswesen

Einige der interessanten Anwendungsmöglichkeiten von künstlicher Intelligenz im Gesundheitswesen sind:

• ein kontinuierliches Blutzuckerüberwachungssystem, das Schwankungen des Blutzuckerspiegels vorhersagen kann


• eine Gesichtsanalyse-App, die Ärzten mögliche genetische Störungen vorschlägt, sodass sie Patienten mit nicht standardmäßigen Merkmalen besser diagnostizieren können


• eine Software, die Datenbanken nach kleinen Molekülen durchsuchen kann, bei denen die Wahrscheinlichkeit groß ist, dass sie sich erfolgreich mit Zielproteinen verbinden

Mitglieder der Life-Science-Branche, von Contract Research Organizations (CROs) über Regierungsbehörden bis hin zur breiten Öffentlichkeit, konzentrieren sich heute auf die Entmystifizierung der Rolle der künstlichen Intelligenz im Gesundheitswesen. Im Moment ist das noch ein harter Kampf. Tatsächlich haben die Fragen, die ich unseren Experten gestellt habe, manchmal sogar weitere Fragen aufgeworfen:

• Wie können wir die Nutzung und Weitergabe personenbezogener Daten mit den erforderlichen Datenschutz- und Ethikrichtlinien in Einklang bringen, um schnellere Innovationen zu ermöglichen?


• Welche Vorschriften gelten für den Einsatz von künstlicher Intelligenz im Gesundheitswesen? Wo brauchen wir mehr Richtlinien?


• Wo unterstützt die KI das Gesundheitswesen bereits? Welche Anwendungen wird es demnächst geben?


• Transparenz ist in der klinischen Forschung heute ein wichtiges Schlagwort. Wie lässt sich der Fokus auf Transparenz und Aufklärung in der Branche auf den Einsatz von KI im Gesundheitswesen übertragen?


• Wird ein Kulturwandel notwendig sein, damit CROs KI einführen können? Wie passen wir uns an, ohne versehentlich bestimmte Gruppen außen vor zu lassen?

Ich freue mich darauf, vor dem Hintergrund der rasanten Veränderungen im Life-Sciences-Bereich diese Themen in den kommenden Wochen eingehend zu erörtern.