Eine Frau spiegelt sich in einem Monitor mit medizinischen Bildern

Künstliche Intelligenz in der Medizin

Software, die lernt, entwickelt sich zum erfahrenen Assistenten des Arztes und unterstützt Diagnosen. Intelligente Bilderkennung kann helfen, auffällige Befunde in Röntgenaufnahmen zu markieren. Und das sind nur zwei mögliche Anwendungen von künstlicher Intelligenz in der Praxis.

Bisher geht nichts über den geübten Blick eines Arztes, um eine Röntgenaufnahme auszuwerten. Doch seine Rechenleistung kann den Computer bald zum wertvollsten Assistenten machen. Neue Software könnte in Zukunft die Diagnose des Arztes unterstützen, von ihm lernen – und so die Diagnose besser machen.

Künstliche Intelligenz zur Erkennung von Tumoren

Ein Beispiel: Die Patientin, 28 Jahre alt, hat keine Kinder, ist Vegetarierin und wiegt 74 Kilogramm. So steht es auf dem Bildschirm. Und sie hat einen Tumor in der Brust. Das zeigt der gelbe Rahmen um einen weißen Fleck auf dem Röntgenbild. Den weißen Punkt als Tumor erkannt und markiert hat ein Algorithmus von Mohamed Sayed. Sein Startup-Unternehmen setzt darauf setzen, dass künstliche Intelligenz die Medizin besser machen könnte. Der 42-jährige hat im Silicon Valley und lange bei Nokia gearbeitet, bevor er mit seinem Startup HeuroLabs den Hilfsdoktor baute. Die Software, die er entwickelt, soll Radiologen helfen, Tumore besser zu identifizieren. Doch noch wird sie nicht eingesetzt: Der Weg von einer Idee in die medizinische Praxis ist lang.

Entwicklung der künstlichen Intelligenz

Künstliche Intelligenz ist auch der Versuch, einen Computer so zu programmieren, dass er eigenständig bestimmte Probleme bearbeiten kann, für die ein Mensch oft sehr viel länger bräuchte – und dabei womöglich Fehler macht. Die Intelligenz der Software kommt aus einem neuronalen Netz. Die Idee solcher Netze gibt es schon lange. Das Konzept  hatten Warren McCullogh und Walter Pitts bereits 1943 an der Universität Chicago vorgestellt. Doch die Versuche, Computer wie Menschen denken zu lassen, waren vor allem eins: frustrierend. Erst in den letzten Jahren gibt es die riesigen digitalen Datenmengen, um sie zu füttern, und auch die massive Rechenpower, um die Daten auszuwerten.

Über 70 Jahre nach ihrer Erfindung erwachen neuronale Netze so richtig zum Leben. Supercomputer in großen Rechenzentren übernehmen heute das Rechnen und schicken die Ergebnisse zurück. In der Medikamentenentwicklung wird das Verfahren schon eingesetzt. Statt viele verschiedene Wirkstoffe im Labor zu testen, suchen die Netze nach neuen Kombinationen vielversprechender Wirkstoffe. Nur die erfolgversprechendsten werden dann getestet. Auf diese Weise könnte in Zukunft auch das optimale Medikament für jeden Patienten gefunden werden, hoffen die Befürworter der Technologie für künstliche Intelligenz in der Medizin.

Software erkennt medizinische Muster

Je nach Aufbau verknüpfen intelligente Systeme vorhandene Informationen neu oder lernen sogar dazu. Das Deep Learning, auf Deutsch etwa tief gehendes Lernen, schult die inneren Lagen der Netze, ohne dass ein Mensch noch die genaue Logik durchblicken könnte. Die Methoden des tiefen Lernens versetzen Computer in die Lage, auch Aufgaben zu lösen, die nicht aus dem Abarbeiten von Gleichungen bestehen, wie zum Beispiel Spracherkennung oder Gesichtserkennung. Dabei muss die Software in der Lage sein, Muster zu erkennen und aus diesen neuen "Erfahrungen" zu lernen. Das passiert durch ein oft aufwendiges Training mit Bildern, die ein Mensch beschrieben hat. Der Vorteil: Das Wissen vieler Ärzte kann so in einem Computergehirn gespeichert werden. Sayeds Team hat das Programm zur Tumor-Erkennung mit hunderten Aufnahmen von Tumoren gefüttert. " es waren wirklich nicht viele. Das ist die Stärke unseres Systems. Es lernt schnell, sehr schnell", sagt Sayed. Der Arzt kann die Bestimmung des Tumors am Bildschirm aber korrigieren. Die Systeme lernen dann von ihm und den Korrekturen seiner Kollegen. "Wir sagen nicht, unser System kann es besser als ein Mediziner. Aber es lernt vom Arzt. oder vom ganzen Krankenhaus", so Sayed.

Computerintelligenz in der Medizin

Künstliche Intelligenz kommt bereits heute zum Einsatz: Die Bilderkennungs-Technologie des kalifornischen Startups Radlogics wird in den USA seit fünf Jahren zur Analyse von Radiologie-Befunden eingesetzt. Zudem hat die amerikanische Gesundheitsbehörde gerade die erste Deep-Learning Software zugelassen, die Herzprobleme in 15 Sekunden erkennen soll, für die ein menschlicher Arzt bisher 30 Minuten braucht. Andere Software verspricht, Aufnahmen zu 70 Prozent so akkurat wie ein Radiologe zu bewerten, dafür aber mit 50.000-facher Geschwindigkeit. Oder gar eine geplante Behandlung mit der persönlichen Patientenakte abzugleichen, um zu ermitteln wie hoch die Erfolgsaussichten sind.

Andere Startups forschen an der Auswertung von Ultraschallaufnahmen. Hier könnte künstliche Intelligenz zum Beispiel Herzkrankheiten des ungeborenen Kindes früher erkennen. Sayed sagt: "Wir sollten keine Angst haben, sondern die Chance für die Gesellschaft begreifen." Er hofft, dass das Wissen zur Tumorerkennung nicht mehr nur im Kopf eines Facharztes bleibt, sondern auf der ganze Welt verfügbar wird. Eben auch dort, wo es keine gut ausgebildeten Krebsspezialisten gibt. Es ist aber natürlich auch eine ethische Frage, ob man einer intransparenten Computerintelligenz die Gesundheit anvertraut.

 

Webcode dieser Seite: g100409 Autor: Barmer Erstellt am: 13.06.2017 Letzte Aktualisierung am: 13.06.2017
Nach oben