NEUIGKEITEN / AI TECHNOLOGIE
Wenn es um KI geht, sind Fantasien weit verbreitet. Es ist jedoch notwendig, das richtige Umfeld für die Umsetzung zu finden, um KI vollständig im Gesundheitswesen zu verankern.
Zunächst ist ein allumfassendes Umfeld erforderlich.
Historisch gesehen gilt das 1974 entwickelte Expertensystem MYCIN als erste Anwendung von artificial intelligence im Gesundheitswesen. Sein Ziel war es, Ärzte bei der Diagnose und Behandlung verschiedener Blutkrankheiten zu unterstützen. Durch den Versuch, die kognitiven Mechanismen von Experten in einem bestimmten Bereich durch Schlussfolgerungen auf der Grundlage von Fakten und Regeln (etwa 700 Regeln) zu reproduzieren, hat diese Software zu überzeugenderen Ergebnissen geführt als menschliche Versuche. 1979 nahm das System an einem Wettbewerb mit 8 Ärzten teil, um seine Leistungsfähigkeit zu testen: Es wurden 10 Fälle eingereicht - und MYCIN belegte jedes Mal den ersten Platz.
Die Anwendung von AIim Gesundheitssektor ist vielversprechend: Durch eine bessere Diagnosegenauigkeit könnten die Betriebskosten für medizinische Einrichtungen gesenkt und die Behandlungspläne für die Patienten stärker personalisiert werden.
Wenn es um KI geht, sind Fantasien weit verbreitet. Es ist jedoch notwendig, das richtige Umfeld für die Umsetzung zu finden, um KI vollständig im Gesundheitswesen zu verankern.
Interoperabilität ebnet den Weg für Präzisionsmedizin
Interoperabilität, d. h. die Möglichkeit, data zwischen verschiedenen Akteuren auszutauschen, ist ein inhärentes Hindernis im Gesundheitsbereich, das die Integration von AI erschwert. Zentrale medizinische Datenbanken oder standardisierte Speicherformate sind sehr selten - meist werden Dokumente handschriftlich verfasst und dann gefaxt, so dass jede Art von data Extraktion für Maschinen nicht interpretierbar ist.
Um ein förderliches Umfeld für AI im Gesundheitswesen zu schaffen, ist es von größter Bedeutung, den Zugang zu medizinischen data zu demokratisieren. Dies ist von größter Bedeutung, um Modelle des maschinellen Lernens zu speisen und zu verbessern.
Mehrere Faktoren können sich darauf auswirken, wie z. B.:
- Die Menge der medizinischen Daten data nimmt zu, sei es durch die Vervielfältigung von Wearables oder durch Datenbanken für die Genomsequenzierung.
- Data Verfügbarkeit, die durch die weit verbreitete Verwendung elektronischer Gesundheitsakten erleichtert wird. Sie ermöglichen jetzt einen einfachen Zugang zu einer data Geschichte, die mehr als 10 Jahre zurückreicht.
Das französische Start-up-Unternehmen Lifen z. B. konzentriert sich jetzt vor allem auf die Interoperabilität im Gesundheitswesen. Es hat eine sichere Austauschplattform für Ärzte und medizinische Einrichtungen entwickelt, die auf den Algorithmen von artificial intelligence basiert. Die Lösung bietet nicht nur das vollständigste Verzeichnis von Fachleuten des Gesundheitswesens in Frankreich, sondern ist auch zu 100 % mit medizinischer Praxissoftware kompatibel: Das verwendete Format data behindert nicht mehr die gemeinsame Nutzung medizinischer Daten data, und die Patientendaten sind nicht mehr über mehrere Softwareprogramme verstreut.
Das Aufkommen der Telemedizin ist ein perfektes Beispiel für die Demokratisierung des medizinischen data Zugangs.
Heutzutage bietet das Mobiltelefon eine neue Quelle für data und stellt ein leistungsstarkes Diagnoseinstrument dar. Die zunehmende Nutzung von Mobiltelefonen in Verbindung mit einer geringeren Fehlerquote bei visuellen Erkennungsalgorithmen hat die Gründer von SkinVision dazu veranlasst, eine Anwendung zu entwickeln, die die Kamera des Telefons zur Überwachung von Hautläsionen und zur Bewertung von Hautkrebsrisiken nutzt. Dieser "telemedizinische" Ansatz ermöglicht es den Ärzten, das Verhalten und die Lebensgewohnheiten ihrer Patienten besser zu verstehen und medizinische Behandlungspläne zu entwickeln, die eher präventiv als kurativ sind.
Durch die Kombination von Big Data, prädiktiver Analyse und artificial intelligence werden Diagnosen und Behandlungen personalisiert, was zu einem völlig kundenorientierten Ansatz führt, der heute als Präzisionsmedizin bezeichnet wird.
Für die rasche Einführung von AI Anwendungen im Gesundheitsbereich sind sowohl eine flexible Regulierung als auch staatliche Unterstützung erforderlich.
Das rasante Tempo der Upgrades von maschinellem Lernen und Deep-Learning-Systemen gibt den Ton an, und eine gelockerte Regulierung ist erforderlich, damit die Implementierung von AI im Gesundheitswesen mithalten kann.
In den Vereinigten Staaten beispielsweise hat die FDA (Food and Drug Administration) den Zulassungsprozess für AI Diagnose-Software und die Verwendung von Computer Vision in der medizinischen Bildgebung seit 2018 beschleunigt. Im April 2018 hat die Organisation AI Algorithmen zur Diagnose von Augenkrankheiten wie diabetischer Retinopathie ohne die zweite Meinung eines Arztes zugelassen.
Auch die großen Technologieunternehmen in China werden von der Regierung stark unterstützt, insbesondere bei der Zentralisierung von data und der Automatisierung medizinischer Prozesse. Das chinesische Ministerium für Wissenschaft und Technologie kündigte 2017 an, dass es sich bei der Einführung einer Open-Source-Plattform AI für medizinische Bildgebung und Diagnostik auf Tencent verlassen werde. In der Zwischenzeit verbreitet sich die Nutzung von Tencents Netzwerkplattform WeChat für die Online-Buchung von Terminen und die Bezahlung von Gebühren in medizinischen Einrichtungen immer weiter. Die Strategie scheint sich auszuzahlen, denn im ersten Halbjahr 2018 hat China das Vereinigte Königreich überholt und ist nun das zweitaktivste Land bei der Anwendung von AI im Gesundheitssektor.
Die Entwicklung von Synergien zwischen Technologieunternehmen und medizinischen Einrichtungen ist eine Voraussetzung für die Integration von AI in den Gesundheitssektor.
Tech-Giganten erleichtern den Zugang zu data und stellen kontinuierlich optimierte technische Hilfsmittel für medizinische Einrichtungen bereit.
Apple zum Beispiel trägt dazu bei, indem es ein Ökosystem aufbaut, das klinische Studien begünstigt. Die Prozesse rund um klinische Studien können sich als besonders langwierig und kostspielig erweisen. Durch die Bereitstellung eines kontinuierlichen data Stroms von tragbaren Geräten wie der Apple Watch können Forscher von Echtzeitinformationen über den Gesundheitszustand der an ihren Studien teilnehmenden Patienten profitieren. Der amerikanische Tech-Gigant hat 2015 auch zwei Open-Source-Frameworks auf den Markt gebracht, ResearchKit und CareKit, die die optimale Abstimmung zwischen Patient und klinischer Studie erleichtern und dabei helfen, die Fortschritte der Patienten während der begonnenen Studie zu überwachen. Diese Initiative ist nur eines von Dutzenden Beispielen, die Apple seit 2015 unternommen hat, um sich als führendes Unternehmen in diesem Bereich zu positionieren.
Interoperabilität, staatliche Unterstützung und flexible Regulierung sowie die Schaffung von Synergien zwischen Technologieunternehmen und medizinischen Einrichtungen sind also die miteinander verknüpften Umgebungsvariablen, die einen fruchtbaren Boden für die volle Nutzung des Potenzials von AIin der Gesundheitsbranche bilden können.
Erfahren Sie mehr darüber, wie AI den Gesundheitssektor verbessern wird, indem Sie an der European AI Night teilnehmen!
