Die künstliche Diagnose: Kann KI wirklich die Ärzte ersetzen?

  • Hightech ist in der Medizin längst angekommen.
  • Manche Mediziner warnen davor, sich zu sehr auf KI zu verlassen.
  • Aber können Systeme künstlicher Intelligenz Krankheiten tatsächlich besser erkennen oder behandeln als ein Arzt aus Fleisch und Blut?
Stefan Parsch
|
Anzeige
Anzeige

“Ersetzt künstliche Intelligenz die menschliche Heilkunst?”, fragt der österreichische Mediziner Christian Maté im Untertitel seines kürzlich erschienenen Buches “Medizin ohne Ärzte”. Tatsächlich häufen sich Meldungen, dass Systeme künstlicher Intelligenz (KI) bei der Analyse von Bilddaten krankhafte Veränderungen teilweise besser erkennen als Fachärzte. Macht die KI künftig Ärzte – oder zumindest einige Fachärzte – überflüssig?

Maschinen können Ärzte entlasten

“Nein”, lautet die klare Antwort von Maté. Stattdessen könnten Ärzte manche Routinearbeiten oder langwierige Tätigkeiten lernenden Maschinen überlassen. Maté hofft sogar, dass die hoch entwickelte KI-Technik die Medizin humaner machen könnte: Durch solche Systeme entlastet, könnten sich Ärzte wieder mehr ihren Patienten zuwenden.

Lernende Systeme basieren wesentlich auf künstlichen neuronalen Netzen, die Funktionen und Verknüpfungen von Nervenzellen nachbilden. Solche Netze machen ein Computersystem lernfähig, wenn es entsprechend trainiert wird. Doch die meisten KI-Systeme benötigen große Mengen an Daten, die von Menschen erstellt worden sind. So wurde eine KI-Software zur Erkennung von Hautkrebs, die Holger Hänßle von der Uniklinik Heidelberg mit Kollegen entwickelt hat, mit mehr als 150.000 klinischen Aufnahmen von harmlosen Muttermalen und gefährlichen Melanomen (schwarzer Hautkrebs) trainiert. Laborbefunde waren zu allen Bildern hinterlegt. So lernte das System, harmlose Muttermale und bösartige Melanome anhand subtiler Merkmale zu unterscheiden.

Ergebnisse von künstlicher Intelligenz und Fachärzten vergleichbar

Anzeige

Eine Studie von Hänßle und Kollegen im Fachblatt “Annals of Oncology” sorgte 2018 für Aufsehen: Bei der Analyse von 100 klinischen Aufnahmen erkannte die von ihnen entwickelte KI 95 Prozent der Fälle von schwarzem Hautkrebs, die 58 Fachärzte im Durchschnitt hingegen nur knapp 87 Prozent. Erhielten die Ärzte weitere Angaben zu den Patienten – etwa Alter, Hautstelle – stieg die Trefferquote auf 89 Prozent. Dafür konnten die Ärzte besser gutartige Muttermale erkennen: in 71 Prozent der Fälle, mit zusätzlichen Patientendaten in knapp 76 Prozent. Die KI schaffte das nur bei knapp 64 Prozent, sie stellte also häufiger fälschlich die Diagnose Krebs.

“Die Studie ist kritisiert worden, weil die Umstände der Beurteilung nicht dem klinischen Alltag entsprechen”, sagt Hänßle. Er und sein Team starteten deshalb eine weitere Untersuchung, bei der die Ärzte Angaben zu den einzelnen Fällen erhielten, die KI aber nur eine vergrößerte Aufnahme. Nun lagen die Ergebnisse der KI und der Fachärzte etwa gleichauf.

Anzeige

Mit digitalen Patientenmodellen Therapiemöglichkeiten finden

Auf andere Weise wollen Forscher des Fraunhofer-Instituts für Graphische Datenverarbeitung in Darmstadt Ärzte unterstützen: mit einem digitalen Patientenmodell. Dafür haben sich sieben Fraunhofer-Institute zu einem Forschungsverbund zusammengetan. Sie wollen bisher verteilt vorliegende Informationen über einzelne Patienten und Patientengruppen mit ähnlichen Erkrankungen zusammenführen. “Wir stützen uns auf die Daten, die in den Kliniken und Arztpraxen ohnehin erhoben werden”, sagt Stefan Wesarg, einer der Projektleiter.

Wenn ein Arzt also Patientendaten in die Software eingibt, werden diese mit den Einträgen in verschiedenen Datenbanken abgeglichen, etwa mit Krebsregistern. So findet das System Patienten mit ähnlichen Daten und gibt dem Arzt an, mit welchen Therapien sie erfolgreich behandelt worden sind.

KI-System zur Vorhersage von Zellveränderungen

Anzeige

Um Therapieentscheidungen geht es auch bei der Forschungsgruppe um Philipp Ströbel von der Universitätsmedizin Göttingen. Ihr Ausgangspunkt ist der Umstand, dass Krebsmedikamente bei manchen Tumoren erfolgreich eingesetzt werden, während sie bei anderen nicht helfen. Wichtig sind dabei bestimmte Moleküle am Tumor, an denen die Wirkung des Medikaments ansetzt. Mithilfe von KI wollen Ströbel und Kollegen solche Molekülstrukturen anhand von Tumorgewebeaufnahmen aufspüren.

“Schon heute können erfahrene Pathologen auf Basis von Gewebeschnitten mit hoher Wahrscheinlichkeit bestimmte molekulare Veränderungen voraussagen”, sagt Ströbel. “Menschen sind gut darin, qualitative Unterschiede zu erkennen, also ob etwas heller oder dunkler ist”, erläutert er. “Bei der Bestimmung, um exakt wie viel heller oder dunkler ein Gegenstand ist, sind aber Computer dem Menschen überlegen.” Das KI-System soll die Merkmale des Krebsgewebes also exakt messen und damit die Vorhersage molekularer Veränderungen zuverlässiger machen.

Einen molekularen Test, welches Medikament beim jeweiligen Tumor helfen könnte, könne das KI-System zwar nicht ersetzen, schränkt Ströbel ein. Aber es könne den Arzt bei der Vorauswahl unterstützen, welche Fälle genauer geprüft werden sollten.

Auswertung durch künstliche Intelligenz spart eine Menge Zeit

Anzeige

Die Wirksamkeit von Therapien aufzuklären ist auch ein Ziel einer KI-gestützten Methode von Münchner Forschern. Eine Gruppe um Ali Ertürk vom Klinikum der Universität München hat in einer Studie an Mäusen gezeigt, dass eine Behandlung mit dem therapeutischen Antikörper 6A10 bis zu 23 Prozent des gestreuten Brustkrebses verfehlen kann. “Insbesondere zu den kleinsten Metastasen, hat sich in unserer Studie gezeigt, gelangt das Medikament oftmals noch nicht”, sagt Oliver Schoppe von der Technischen Universität München, der an der Forschungsarbeit beteiligt ist.

Um die Krebsmetastasen bis zu einer einzelnen Tumorzelle sichtbar zu machen, nutzen die Forscher ein sogenanntes Tissue-Clearing-Verfahren, das Ertürk entwickelt hat. Dabei werden im Gewebe einer Maus mit Tumoren durch chemische Substanzen jene Moleküle verändert oder ausgetauscht, die den Körper lichtundurchlässig machen. Die Zellstrukturen bleiben erhalten, sind aber nach der Behandlung durchsichtig. Mit einem besonderen Verfahren wird die Maus dann hochauflösend gescannt, mit Tausenden Schichten und 10.000 mal 5000 Pixeln pro Schicht.

Diese Bilder könnten von Medizinern ausgewertet werden, doch das würde Wochen in Anspruch nehmen. Deshalb entwickelten Ertürk und Kollegen das KI-System Deep MACT, das die Scans auf Metastasen hin durchsucht und sogar einzelne Tumorzellen aufspürt.

Diagnose von Ärzten sollte noch besser werden

Hans-Jürgen Bickmann vom Ärzteverband Hartmannbund begrüßt die vielfältigen Ansätze für eine Unterstützung von Ärzten durch KI-Systeme. Doch der Gynäkologe warnt davor, dass einige Mediziner sich allzu sehr auf die KI verlassen. Dabei sei bei den heutigen Systemen weitgehend unbekannt, wie sie zu ihren Ergebnissen kommen. Bickmann meint: “Wir sollten die Ärzte in der Diagnostik genauso gut machen wie die KI.” Denn am Ende müsse der Arzt entscheiden, und er müsse auch wissen, warum er sich wie entscheide.

“Staat, Sex, Amen”
Der neue Gesellschaftspodcast mit Imre Grimm und Kristian Teetz
  • Laden Sie jetzt die RND-App herunter, aktivieren Sie Updates und wir benachrichtigen Sie laufend bei neuen Entwicklungen.

    Hier herunterladen