Bei alltäglichen Aufgaben wie dem Verfassen von E-Mails oder der Buchung von Flügen verlassen wir uns bereits auf künstliche Intelligenz. Der eigentliche Wandel vollzieht sich jedoch in der Medizin. KI ist hier nicht nur ein Schlagwort. Es unterstützt Ärzte aktiv dabei, seltene Krankheiten und Krebserkrankungen früher als je zuvor zu erkennen.
Die Frage ist nicht wirklich, ob KI beteiligt sein wird. Es geht darum, wie zuverlässig es ist und wie es tatsächlich findet, was Menschen möglicherweise übersehen.
Das Problem mit den menschlichen Augen
Wenn Ärzte herausfinden, was mit Ihnen nicht stimmt, wenden sie verschiedene Methoden an. Es liegen Symptomberichte vor. Blutuntersuchungen. Körperliche Untersuchungen. Und Bildgebung. Röntgenstrahlen. Ultraschall. CT-Scans. MRTs. Diese Tools zeigen an, ob Organe geschädigt sind oder ob ein Tumor vorhanden ist.
Es funktioniert gut. Bis das nicht mehr der Fall ist.
Die Strukturen in diesen Scans sind komplex. Dicht. Geschichtet. Selbst erfahrene Radiologen können Tumore im Frühstadium übersehen. Sie könnten eine gutartige Veränderung auch mit Krebs verwechseln. Das passiert auch bei Gewebeproben. Die menschliche Aufmerksamkeit schwankt. Müdigkeit setzt ein.
Geben Sie AI in der medizinischen Diagnose ein.
In ersten Tests haben KI-Systeme bewiesen, dass sie nach entsprechendem Training pathologische Veränderungen erkennen können. Sie blinzeln nicht. Sie werden nicht müde. Sie verarbeiten einfach.
Mehr sehen in Mammographien
Die Erkennung von Brustkrebs stützt sich in hohem Maße auf Mammographiebilder. Radiologen suchen nach Anomalien im Brustgewebe. Aber dichtes Brustgewebe macht das schwierig. Kleine Schilder sind leicht zu übersehen.
Um dabei zu helfen, haben Forscher der Universität Lund in Schweden ein KI-Modell für Brustkrebs entwickelt. Sie haben nicht nur geraten. Sie haben getestet.
Sie führten Mammogramme von 80.000 Frauen mit hohem Risiko durch. Einige wurden von der KI analysiert. Andere von Radiologen.
Die Ergebnisse waren krass. Das KI-Modell entdeckte 20 % mehr Brusttumoren als die Ärzte. Die Fehlerquote bei Fehlalarmen war gleich. Aber mehr Krebserkrankungen frühzeitig zu erkennen, rettet Leben.
Risikojahre im Voraus vorhersagen
Die Diagnose ist nur die halbe Miete. Auch Prävention ist wichtig. Ein Modell namens Mirai hilft Ärzten und Patienten, das individuelle Risiko zu verstehen. Es geht über das bloße Betrachten aktueller Bilder hinaus.
Mirai prognostiziert das zukünftige Risiko, an Brustkrebs zu erkranken. Es sieht aus:
- Bekannte Risikofaktoren
- Alter
- Familiengeschichte
- Visuelle Markierungen im Gewebe
Es zeigt Ihnen, wie sich dieses Risiko im Laufe der Zeit verändert. Hier ist der Haken. Die Forscher selbst verstehen nicht ganz, wie Mirai zu seinen Schlussfolgerungen kommt.
„Wir wissen, wie Deep Learning funktioniert und wie das Modell lernt“, sagt Krzysztof Geras von der New York University. „Was wir nicht verstehen, ist genau das, wonach das Modell in den Daten sucht. Es lernt wahrscheinlich aus visuellen Markierungen, die Menschen nicht kennen.“
Es erkennt Muster, die wir nicht benennen können. Das ist mächtig. Und etwas beunruhigend.
Das Unsichtbare bei seltenen Krankheiten erkennen
Krebs erkennen ist eine Sache. Das Auffinden seltener Krankheiten ist eine andere. Der Magen- und Darmtrakt ist heikel.
Ein Team der Ludwig-Maximilians-Universität München, der Technischen Universität Berlin und der Charité hat einen neuen KI-Ansatz entwickelt. Sie analysierten gesundes Gewebe und häufige Befunde wie chronische Gastritis. Dann suchten sie nach Abweichungen.
Diese Abweichungen deuteten auf seltene Magen-Darm-Erkrankungen hin.
Hier erfahren Sie, warum das wichtig ist. Normalerweise benötigt KI riesige Datenmengen, um zu lernen. Sie füttern es mit Beispielen. Es findet Muster. Es wendet sie an.
Für seltene Krankheiten gibt es nicht genügend Beispiele. Es gibt nicht genügend Material, um eine Standard-KI effektiv zu trainieren. Die Genauigkeit sinkt. Das Modell scheitert.
Dieses neue Modell erforderte nicht für jede seltene Pathologie ein explizites Training. Die Anomalien wurden aus der gemeinsamen Basislinie abgeleitet.
„Wir haben verschiedene technische Ansätze verglichen“, sagt Klaus-Robert Müller von der Technischen Universität Berlin. „Unser bestes Modell erkannte ein breites Spektrum seltenerer Pathologien des Magens und Darms, einschließlich seltener primärer oder metastasierender Krebsarten, mit hoher Zuverlässigkeit. Unseres Wissens nach kann dies kein anderes veröffentlichtes KI-Tool leisten.“
Die Vertrauenslücke
KI bietet Geschwindigkeit. Es bietet Skalierbarkeit. Es bietet Erkennungsraten, die Menschen einfach nicht dauerhaft erreichen können.
Aber wir haben es mit Black Boxes zu tun. Models wie Mirai finden für uns unsichtbare Muster. Wir vertrauen auf die Ausgabe, weil die Ergebnisse gut sind. Aber wir verstehen das „Warum“ nicht ganz.
Ist das ein Problem? Vielleicht.
Ärzte nutzen diese Tools bereits als Assistenten. Zweite Meinungen. Sicherheitsnetze. Die Technologie ist da. Es ist genau. Es expandiert in Bereiche, von denen wir dachten, sie seien zu Nischen für eine Automatisierung.
Der nächste Schritt sind nicht nur bessere Algorithmen. Es bedeutet zu verstehen, was sie sehen. Und entscheiden, ob wir bereit sind, ihnen die Führung zu überlassen.
