Wo Künstliche Intelligenz das Gesundheitswesen verändert

Die Art, wie jemand spricht, besagt etwas über seinen geistigen Zustand: Aus dieser Einsicht hat ein Team der Boston University ein Modell entwickelt, mit dem sich Demenz früh erkennen lässt. So jedenfalls die Hoffnung und die Ansage. Die Forscher untersuchten Aufnahmen von insgesamt 166 älteren Personen mit leichten kognitiven Beeinträchtungen. Bei 90 Patienten hatte man es danach mit fortschreitenden Einschränkungen zu tun, bei 76 Personen blieb der Zustand stabil.

Das geschulte Programm war am Ende in der Lage, mit einer Zuverlässigkeit von 78 Prozent zu erkennen, bei welchen Personen in den folgenden sechs Jahren eine Verschlechterung einsetzte.

Die Wissenschaftler in Boston erhoffen sich, dass mittels AI früher erkannt wird, bei welchen Patienten mit zunehmender Demenz gerechnet werden muss. Zudem könnte der Prozess vereinfacht werden, wenn dereinst statt Labortests und Bildgebung Stimmaufnahmen helfen, eine Diagnose zu erlangen.

Was halten Onkologen vom Einsatz von KI? Ein Team der Harvard-University veröffentlichte jüngst eine Umfrage unter amerikanischen Krebsärzten. Drei ethische Prinzipien fanden dabei deutliche Mehrheiten:

Der Thieme-Verlag hat mit dem Health-Tech-Startup Xund ein Large-Language-Modell vorgestellt, welches Ärzte im Diagnose- und Behandlungsprozess unterstützen soll. Sein Name: «Eref-AI-Assistant». Die KI-Hilfskraft liefere «sekundenschnelle zuverlässige Informationen zu konkreten fachlichen Fragen». Zugleich gebe das System jeweils die Quellen an.

Im Hintergrund steht, dass der «Eref-AI-Assistant» das Material von Thieme auswerten kann – oder genauer: Er greift ausschliesslich auf diese Fachinformationen zurück. Derzeit wird die Hilfskraft noch trainiert und man kann sie in einer Beta-Version testweise einsetzen.

Forscher der ETH und der Universität Zürich haben eine Methode präsentiert, um mittels CT-Bildern jene Patienten zu identifizieren, bei denen nach einer Transkatheter-Aortenklappenimplantation ein höheres Mortalitätsrisiko besteht. Die Methode kombiniert präprozedurale CT und 25 Patientenmerkmale. Am Ende ergab das Modell einen AUROC-Wert von 0,725 für die Vorhersage der Gesamtmortalität; dies bei einer Kohorte von 1449 TAVR-Patienten.

Der Wert entspricht also etwa dem, was mit langwierigen radiologischen Untersuchungen durch Experten erreicht werden kann. Oder anders: Via KI lassen sich Hochrisiko-Patienten innert Sekunden erkennen – und nicht nach längeren Untersuchungen.

Ein Team der Universität Heidelberg hat eine KI entwickelt, die dereinst die Kardiologie entlasten soll, und zwar auf mehreren Ebenen. Auf der Basis von Daten von gut 60’000 Patienten entwickelten sie ein Modell, das beispielsweise den Füllungsdruck in den Herzkammern anhand von MRT-Aufnahmen bestimmen kann; dies wiederum könnte es künftig erlauben, auf bestimmte invasive Untersuchungen zu verzichten.

Auch hat es das Team geschafft, die KI nur ein einziges MRT-Bild für eine genaue Diagnose benötigt – nicht verschiedene Sequenzen. Dies wiederum könnte Engpässe bei der MRT-Diagnostik mildern und damit die Methode für deutlich mehr Patienten zugänglich machen.

Mit einer neuen Anwendung von KI lassen sich Infektionen besser nach ihrer Verursachung durch Bakterien, Viren oder andere Faktoren unterscheiden. Dies meldet ein Team der Philipps-Universität Marburg in den «Frontiers in Immunology».

Die Forscher nahmen eine Kombination von einfacher Bluttests und entwickelten eine KI, die zwischen bakteriellen Infektionen, viralen Virusinfektionen und Autoimmunerkrankungen unterscheiden kann. Die Forschungsgruppe analysierte das Blut von 80 Personen mit entzündlichen Erkrankungen und verglich die Ergebnisse mit denen von 38 Kontrollpersonen ohne Entzündung. Mit den Blutproben konnte eine zweistufige KI-Anwendung diese beiden Gruppen auseinanderhalten. «Die Künstliche Intelligenz unterscheidet ausserdem zwischen verschiedenen Arten von Entzündungen», sagt der Marburger Informatiker und KI-Spezialist Michael Thrun, einer der Leitautoren: «Bakterielle Infektionen, Virusinfektionen und Autoimmun-Erkrankungen werden mit einer Genauigkeit von 90,3 Prozent, 80,0 beziehungsweise 79,0 Prozent erkannt. «Sobald genügend Daten vermessen worden sind, kann das Verfahren einfach eingeführt werden, denn es nutzt effizient kurzfristig erfasste Blutparameter.»

Die ETH Zürich hat gemeinsam mit der Kuno-Klinik St. Hedwig in Regensburg einen Algorithmus entwickelt, der eine pulmonale Hypertonie bei Neugeborenen zuverlässig erkennen kann.

«Pulmonale Hypertonie zu erkennen, ist sehr aufwändig und erfordert ein ganz spezifisches Know-How und viel Erfahrung. Gerade abseits der grossen Perinatalzentren ist dieses oft nicht vorhanden», sagt Sven Wellmann, Chefarzt der Abteilung Neonatologie an der Kuno Klinik St. Hedwig in Regensburg, über das Forschungsziel.

Im Projekt trainierten ETH-Forscher ihren Algorithmus mit hunderten Videoaufnahmen von Herz-Ultraschalluntersuchungen von 192 Neugeborenen. Der Datensatz enthielt neben Bewegtbildern des schlagenden Herzens jeweils auch die von Kinderkardiologen gestellte Diagnose (pulmonale Hyertonie vorhanden oder nicht) – und ferner eine Einschätzung zum Schweregrad der Erkrankung («mild» oder «moderat bis schwer»). Danach folgte ein Test mit einem weiteren – für die KI unbekannten – Satz mit Ultraschall-Bildern von 78 Neugeborenen.

Dem Modell gelang es in rund 80 bis 90 Prozent der Fälle, die richtige Diagnose vorzuschlagen; in 65 bis 85 Prozent der Fälle wurde der korrekte Schweregrad der Erkrankung bestimmt.

Das Modell markiert in den Ultraschallbildern auch jene Bereiche des Herzens und seiner Gefässe, die ihm auffällig erschienen.

Ein Team des Massachusetts General Hospital und der Harvard Medical School entwickelte ein Modell, das mit Röntgenbildern des Thorax das 10-Jahres-Risiko von schwerwiegenden kardiovaskulären Vorfällen präziser voraussagt als bislang möglich. Konkret verglichen die Forscher die Ergebnisse ihres geschulten Programms mit dem – in den USA inzwischen gängigen – ASCVD-(Atherosclerotic Cardiovascular Disease)-Risiko-Score.

Dabei schulten respektive testeten sie das KI-Modell mit den Daten von knapp 8’900 Patienten, deren kardiovaskuläre Risiken unbekannt waren, sowie gut 2’100 Patienten, deren ASCVD-Wert bekannt war. Es zeigte sich, dass das Programm das Risiko für solche Ereignisse besser vorhersagen konnte als der traditionelle ASCVD-Risiko-Score, sowohl bei Patienten mit unbekanntem als auch bei Patienten mit bekanntem Risiko.

Bei der Thrombektomie nach einem Schlaganfall müssen reihenweise Daten im Patientenbericht festgehalten – und je nachdem danach in unterschiedliche Register übertragen werden. An der Uniklinik Bonn fragte sich nun ein Team um den Neurologen Nils Lehnen, ob ChatGPT diese Übertragung nicht schneller ausführen kann. Und vielleicht sogar zuverlässiger?

Zunächst entwarfen die Forscher entsprechende deutsche Prompts für ChatGPT; diese wurden an 20 Berichten getestet, um Fehler zu identifizieren und die Prompts nochmals anzupassen. Nach der Ausbesserung wurde die Datenextraktion mittels ChatGPT an 100 internen Berichten aus der Uniklinik Bonnn getestet. Zum optimalen Vergleich stellte zusätzlich ein erfahrener Neuroradiologe die Ergebnisse zusammen, ohne die Auswertung von ChatGPT zu sehen.

Und in der Tat: ChatGPT hatte in 94 Prozent der Fälle richtig extrahiert – es war keine Nachbearbeitung erforderlich. Dabei werteten die Forschenden nur die Daten von ChatGPT als richtig, die genau mit denen des Experten übereinstimmten. Jegliche Abweichung – auch zusätzliche Symbole, Satzzeichen oder Synonyme – wurden als falsch gewertet.

Zur Validierung dieser Ergebnisse testeten die Forschenden weitere 30 externe Berichte mit der gleichen Eingabeaufforderung. Dabei erzielte ChatGPT 90 Prozent korrekte Dateneinträge.

«Das deutet daraufhin, dass ChatGPT eine Alternative zur manuellen Abfrage dieser Daten sein könnte», sagt Nils Lehnen. Allerdings habe man bei bestimmten Datenpunkten noch schlechte Ergebnisse beobachtet – «was zeigt, dass eine menschliche Aufsicht noch erforderlich ist. Wir gehen aber davon aus, dass eine weitere Optimierung der Eingabeaufforderung die Ergebnisse weiter verbessert und ChatGPT in Zukunft für eine Arbeitserleichterung in diesem Bereich sorgen kann.»

Das Kantonsspital Baden nutzt jetzt ein KI-Bildanalyse-Tool bei der Diagnose von muskuloskelettalen Pathologien. Es handelt sich um Programme des Unternehmens ImageBiopsy Lab aus Österreich, das eine standardisierte(re) Beurteilung chronischer Erkrankungen des Bewegungsapparates erlaubt. Das ImageBiopsy-Programm hat Module zur Frakturerkennung oder zur Auswertung von Knie-, Hüft-, Hand- und Wirbelsäulen-Röntgen.

Mehrere KSB-Abteilungen werden es nutzen, um Befundabläufe zu optimieren.

Das Branchenmedium «Medscape» befragte gut 1’000 US-Ärzte über ihre Erwartungen zur KI-Zukunft. Ein deutlich grösserer Teil zeigte sich dabei eher enthusiastisch (41 Prozent) als besorgt (28 Prozent). Interessanterweise waren die jüngeren eher skeptisch; derweil konnte vor allem die mittlere Altersgruppe der 45- bis 54-Jährigen der KI-Zukunft viel abgewinnen.

Forscher von vier deutschen Universitäten erarbeiteten eine Studie zum Einsatz von Maschinellem Lernen zur Sepsis-Erkennung. Sie suchten bestimmte Parameter im Blut, mit denen sich die Früherkennung einer Sepsis verbessern lässt. Dazu trainierten sie ein System mit rund 1,4 Millionen Blutbildern.

Resultat: Jetzt erlaubt das Modell eine zuverlässige Früherkennung für das Risiko einer Sepsis – und das auf Basis eines kleinen Blutbilds.

«Wir können nicht ganz genau sagen, wie der Algorithmus seine Schlüsse aus den Daten zieht», sagt Thorsten Kaiser, Leiter des Universitätsinstituts für Laboratoriumsmedizin am Klinikum Lippe: «Es sind nicht nur die Konzentrationen der weissen Blutkörperchen und der Blutplättchen. Auch das Aussehen der roten Blutzellen spielt eine wichtige Rolle.»

Das Universitätsklinikum Ostwestfalen-Lippe plant nun die Einführung eines solchen Systems, das bei jeder Laboruntersuchung kritische Parameter überwacht.

Wieviel Potential darin liegt, Arztberichte durch KI zu ergänzen, entschlacken, erleichtern oder gar ersetzen – das deutet eine Meldung aus den USA an. Denn danach erhielt das Startup Abridge 150 Millionen Dollar an Risikokapital – also eine enorm hohe Summe in der heutigen Zeit. Abridge (zu deutsch: «Abkürzen») entwickelt ein KI-Tool, das Arztgespräche mit Patienten transkribiert und für elektronische Patientenaktien oder Klinische Informationssysteme der Spitäler greifbar macht.

Es ist nicht primär Künstliche Intelligenz, die es hier ausmacht, aber wir möchten Ihnen dieses Ding nicht vorenthalten: Honda präsentierte soeben einen neuen Rollstuhl, der ohne Arme zu bedienen ist. Durch feine Haltungsänderungen kann man sowohl das Tempo bestimmen als auch den Rollstuhl in die gewünschte Richtung lenken.

Der Honda Uni One hat eine Reichweite knapp 10 Kilometern. Er soll nächstes Jahr auf den Markt kommen – zuerst in Japan und den USA – und wird zuerst nur verleast.

Der Monats-Preis dürfte laut ersten Angaben bei etwa 120’000 Yen liegen; nach derzeitigem Kurs wärend dies etwa 715 Franken.

Am Herz- und Diabeteszentrum NRW in Bad Oeynhausen wurde erstmals in Europa bei einer Herz-Operation direkt mit einem Hologramm gearbeitet. Zusätzlich zum Monitorbild erlaubte ein KI-Programm dem Chirurgen, das Herz des Patienten mit seinen anatomischen Besonderheiten als dreidimensionales Echtzeit-Hologramm während des Eingriffs zu erleben – in Augenhöhe vor sich schwebend.

Der Operateur konnte das Herz nicht nur von allen Seiten betrachten, sondern das Abbild auch mit der Fingerspitze im Raum drehen, hineinsehen, ausmessen oder Teilbereiche heranzoomen.

«Eine solche zusätzliche Beurteilungsoption des Herz-Hologramms trägt besonders bei schwierigen Fragestellungen dazu bei, dass perspektivische Fehler vermieden werden», sagt Volker Rudolph, Direktor der Klinik für Kardiologie und Angiologie am HDZ.

Die neue Holografie-Technologie für die Herzmedizin wurde von einer israelischen Firma entwickelt und ist in Europa bislang nur im HDZ in Bad Oeynhausen verfügbar.

Dass Künstliche Intelligenzen Röntgenbilder und MRI besser auswerten oder sonst aus grossen Datenbergen präziser Informationen gewinnen – geschenkt. Die Vorteile der KI in vielen ganz- und halb-technischen Bereichen der Medizin sind inzwischen allen bekannt.

Ein kleiner Test deutet nun allerdings an, dass die Bots den Menschen sogar konkurrenzieren, wenn es um Einfühlsamkeit geht – und bei der Anamnese.

In der Versuchsanordnung spielten 20 Schauspieler Patienten mit bestimmten Symptomen. Online diskutierten sie einerseits mit 20 Fachärzten für Allgemeinmedizin, andererseits mit KI-Systemen (wobei sie nicht wussten, mit wem sie es zu tun hatten). Dabei spielten sie insgesamt 149 klinische Szenarien durch.

Am Ende übertraf die KI die Genauigkeit der ärztlichen Diagnosen in allen getesteten Fachgebieten; und sie erhielt in fast allen Kriterien die besseren Noten – Höflichkeit, Erklärungen, Behandlung, Ehrlichkeit, Sorgfalt und Engagement.

Allerdings: Der Test lief bei Google. Ein gewisser Bias mag also nicht ausgeschlossen sein.