Die Integration von Künstlicher Intelligenz (KI) in die medizinische Praxis schreitet zügig voran und verändert die Art und Weise, wie Befunde erstellt und analysiert werden. Besonders in der Radiologie zeigen sich vielversprechende Fortschritte, da die Deutsche Röntgengesellschaft über 700 KI-basierte Medizinprodukte in diesem Bereich berichtet. Diese Technologien unterstützen Radiologen sowohl bei der Analyse von Bilddaten als auch bei der Automatisierung von Routineaufgaben. Dies führt zu einer erheblichen Verbesserung der diagnostischen Genauigkeit und Effizienz.
Kurzfristig wird die Rolle von KI immer bedeutsamer, insbesondere durch neue Sprachmodelle, die administrative Aufgaben in der medizinischen Dokumentation erheblich entlasten sollen. Beispielsweise wird das KI-Sprachmodell ARGO für 2025 als relevant prognostiziert. Doch nicht nur in der Radiologie, sondern auch in anderen Bereichen wie der Neurologie und der Onkologie setzt man zunehmend auf intelligente Systeme. Ein Hamburger Unternehmen betreut bereits über 3.000 Betten weltweit, welche von KI-Systemen in der Intensivmedizin zur frühzeitigen Erkennung klinischer Verschlechterungen profitieren.
Die Rolle von strukturierten Befunden
Eine Forschung an der Universität Bonn illustriert, wie KI, insbesondere Large Language Models (LLMs), dabei helfen kann, radiologische Befunde zu strukturieren. Prof. Julian Luetkens hebt hervor, dass strukturierte Befunde für Ärzte und die Forschung von entscheidender Bedeutung sind. Sie ermöglichen eine einfache Weiterverwendung und verbessern die Qualität der Datenanalyse. Damit wird das Problem der Freitextform, die diese Weiterverwendung erschwert, adressiert.
Die Analyse umfasste 17 offene und vier geschlossene Sprachmodelle. Dr. Sebastian Nowak und sein Team fanden heraus, dass große offene LLMs bei direkter Anwendung ohne vorheriges Training in der Lage sind, die Informationen effektiver zu verarbeiten als kleinere Modelle. Ein Training mit strukturierten Befunden konnte die Leistungsfähigkeit der offenen Modelle zusätzlich steigern. Diese Modelle bieten nicht nur vergleichbare Ergebnisse mit geschlossenen Systemen, sondern haben auch Vorteile in Bezug auf den Datenschutz, da sie lokal auf klinikinternen Servern ausgeführt werden können.
Einsatzmöglichkeiten und Perspektiven der KI in der Medizin
Die Vorteile von KI erstrecken sich über die strukturierte Diagnostik hinaus. KI-gestützte Technologien finden in der Krebsdiagnostik Anwendung und verbessern die Präzision von bildgebenden Verfahren. In der Neurologie belegt eine Software die Fähigkeit, verschiedene Demenzformen zu unterscheiden, während in der Ophthalmologie die Diagnosestellung altersabhängiger Makuladegeneration unterstützt wird. Eine andere Software hat die Anzahl von unvorhersehbaren Todesfällen auf internistischen Stationen signifikant gesenkt und zeigt das enorme Potenzial von KI in kritischen Bereichen.
Die Herausforderungen bestehen jedoch nach wie vor: Die Verfügbarkeit von Datenmodalitäten stellt eine technische Hürde dar. Dennoch sind KI-Anwendungen auf dem besten Weg, nicht nur die Individualisierung von Therapien zu ermöglichen, sondern auch frühzeitige Krankheitsdiagnosen signifikant zu verbessern. Die Vernetzung medizinischer und nicht-medizinischer Daten trägt zur effizienteren Entscheidungsfindung bei und bietet neue Geschäftsmodelle in der Gesundheitsbranche.
Zusammenfassend zeigt sich, dass KI, insbesondere durch die Fortschritte in den Bereichen maschinelles Lernen und Datenverarbeitung, eine Schlüsselrolle in der medizinischen Zukunft spielen wird. Die an der Universität Bonn durchgeführten Forschungen versprechen nicht nur Vorteile für die Patientenversorgung, sondern auch für die gesamte medizinische Forschung. Der Schwerpunkt auf den Datenschutz und die Nutzung offener Modelle könnte dazu beitragen, den Herausforderungen des digitalen Wandels im Gesundheitswesen gerecht zu werden.