Künstliche Intelligenz (KI) | Beiträge ab Seite 4

COVID-19 hat zahlreiche Grenzen des deutschen Gesundheitswesens aufgezeigt. Unter anderem fehlt es an ausreichender Digitalisierung, nationaler Zusammenarbeit und der strukturierten Erfassung medizinischer Daten zur Pandemie. Um das zu ändern, haben sich sämtliche radiologische Universitätsklinika mit dem Deutschen Krebsforschungszentrum in Heidelberg, dem Fraunhofer-Institut für Digitale Medizin MEVIS in Bremen und der Technischen Universität Darmstadt zusammengeschlossen und das multizentrische Forschungsnetzwerk RACOON Radiological Cooperative Network ins Leben gerufen. Mit dem Netzwerk existiert nun eine landesweite Infrastruktur zur konsequent strukturierten Erfassung radiologischer Daten von COVID-19-Fällen. Finanziert wird das Projekt vom Bundesministerium für Bildung und Forschung.

Diagnosesysteme mit Künstlicher Intelligenz (KI) sind beim Erkennen und Klassifizieren verbreiteter und eindeutig ausgeprägter Hauterkrankungen häufig treffsicher. Sobald eine Hauterkrankung jedoch seltener oder aber in ungewöhnlichen Konstellationen auftritt, ist die KI der menschlichen Schwarmintelligenz (Mehrheitsvotum einer Gruppe von Dermatologinnen und Dermatologen) und auch den Ergebnissen einzelner Ärztinnen und Ärzte unterlegen. Das zeigt eine aktuell in der Fachzeitschrift JDDG veröffentlichte Studie. Die Deutsche Dermatologische Gesellschaft (DDG) sieht große Potenziale und Entlastungsmöglichkeiten durch KI-Systeme, betont aber die Notwendigkeit, das Training der Systeme zu verbessern.

Die Digitalisierung der Medizin birgt große Potenziale, denn digitale Gesundheitsdaten bilden eine wesentliche Grundlage für Innovation in der Medizin. Die systematische Nutzung digitaler Daten, unter anderem für KI-Anwendungen zum Aufbau lernender Gesundheitssysteme und für das Pandemiemanagement, kann helfen, die Diagnose, Prävention und Therapie von Krankheiten weiterzuentwickeln und zielgerichteter auf das einzelne Individuum zuzuschneiden. Das Motto der Jahrestagung „Digitale Medizin. Erkennen, Verstehen, Heilen“ spiegelt die Chancen wider, die sich aus der Digitalisierung für Ärztinnen und Ärzte, Patientinnen und Patienten sowie für Forschende in der Medizin ergeben. Die Tagung wurde gemeinsam von der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS) und der Technologie- und Methodenplattform für die vernetzte medizinische Forschung e.V. (TMF) ausgerichtet.

VX1 ist ein neuartiges CE-gekennzeichnetes und von der FDA zugelassenes Medizinprodukt; es soll die Behandlungsergebnisse bei persistierendem arzneimittel-resistentem Vorhofflimmern verbessern. Die KI-Software nutzt Machine- und Deep-Learning-Algorithmen, um Ärzte und Ärztinnen im Operationssaal dabei zu unterstützen, eine fundierte, individuell auf den Betroffenen zugeschnittene Behandlungsstrategie bei der Verödung („Ablation“) von Vorhofflimmern anzuwenden. Das VX1 System identifiziert dabei die erfolgversprechendsten Vorhof-Areale für eine solche Ablation. Es wurde eine randomisierte kontrollierte Studie gestartet, um die Ergebnisse einer VX1-geführten Ablation mit der konventionellen Standardablation, der Lungenvenen-Isolation, zu vergleichen; die Studie wird geleitet von Prof. Dr. med. Isabel Deisenhofer, Leiterin der Elektrophysiologie am Deutschen Herzzentrum München, Klinik an der Technischen Universität München (TUM).
 

Über digitale Innovationen im Diabetesmanagement informierte die diesjährige International Conference on Advanced Technologies & Treatments for Diabetes (ATTD) (1). Die Mitglieder des Zukunftsboards Digitalisierung (zd) waren live dabei. Sie stellen die Entwicklungen, die für die Praxis besonders relevant sind, heraus. Ihr Fazit: Die Devices sind vorhanden – jetzt gilt es, Menschen mit Diabetes die Möglichkeiten vorzustellen und sie in die Lage zu versetzen, aktiv entscheiden zu können, ob und welche Technologien sie nutzen möchten.

Was kann künstliche Intelligenz (KI) in der Medizin leisten? Auf der virtuellen Digitalkonferenz DMEA wurde dies an konkreten Beispielen und Anwendungsszenarien für Kliniken gezeigt. Die Veranstaltung machte klar: Der wichtigste Erfolgsfaktor ist der Mensch. Er generiert die Daten für die Systeme, muss deren Entscheidungen nachvollziehen können und ihre Unterstützung akzeptieren. Das funktioniert nur, wenn der Nutzen überzeugend und wissenschaftlich nachweisbar ist.

Künstliche Intelligenz (KI) kann medizinisches Personal in der Diagnostik unterstützen. Sie zu trainieren erfordert allerdings den Zugriff auf ein schützenswertes Gut: medizinische Daten. Ein Forschungsteam der Technischen Universität München (TUM) hat eine Technik entwickelt, die die Privatsphäre der Patientinnen und Patienten beim Trainieren der Algorithmen schützt. Anwendung findet die Technik nun erstmals in einem Algorithmus, der in Röntgenbildern Pneumonien erkennt.

Künstliche Intelligenz (KI) kann medizinisches Personal in der Diagnostik unterstützen. Sie zu trainieren erfordert allerdings den Zugriff auf ein schützenswertes Gut: medizinische Daten. Ein Forschungsteam der Technischen Universität München (TUM) hat eine Technik entwickelt, die die Privatsphäre der Patienten beim Trainieren der Algorithmen schützt. Anwendung findet die Technik nun erstmals in einem Algorithmus, der in Röntgenbildern Pneumonien erkennt.