Die künstliche Intelligenz verändert den biomedizinischen Bereich. So können insbesondere neue Datenanalysemethoden die Fähigkeit von Klinikern verbessern, große und komplexe Datensätze zu interpretieren und entsprechend zu handeln. Die medizinischen Fachkräfte können zwar noch nicht völlig autonom sein, aber die Technologie spielt heute eine wichtige Rolle bei der Verbesserung der Behandlungsergebnisse, der Erhöhung der Sicherheit und der Senkung der Gesundheitskosten.
Man rechnet damit, dass die Gesundheitsbranche die Investitionen in die künstliche Intelligenz zwischen 2017 und 2020 weltweit um 44 Prozent steigern wird (Umfrage von Tata Consultancy Services). Es wird erwartet, dass KI-Tools für das Gesundheitswesen bis Mitte der 2020er Jahre mehr als 20 Milliarden Dollar einbringen und über die nächsten fünf bis sieben Jahre eine jährliche Wachstumsrate (CAGR) von 40 bis fast 50 Prozent aufweisen werden.
Allein in den ersten neun Monaten des Jahres 2017 erhielten Unternehmen, die große Mengen von globalen Gesundheitsdaten analysieren, über 1 Milliarde Dollar an Risikokapital-Investitionen, was einem Anstieg um 31 Prozent im Vergleich zum Finanzierungsumfang zum gleichen Zeitpunkt des Vorjahres entspricht (Mercom Capital).
In diesem frenetischen Umfeld müssen die führenden Biotechfirmen ihr Bedürfnis, diese Technologien zur Verbesserung der Patientenversorgung einzusetzen, mit den Geschäftsergebnissen abgleichen - ohne sich in der Maschinerie des Hypes um die künstliche Intelligenz im Gesundheitswesen zu verfangen. Die führenden Unternehmen der Healthcare-Branche müssen sich fragen: Lohnt es sich, in Instrumente und Infrastruktur zu investieren, bevor der Beweis für ihr Potenzial erbracht ist? Und wenn ja, wie können potenzielle Unternehmenskunden die Vorsicht mit der Realität in Einklang bringen, dass maschinelles Lernen die nächste transformierende Kraft im Gesundheitswesen sein wird?
Grundsätzlich sehen wir einen Trend bei der Unterstützung der klinischen Entscheidungsfindung („clinical decision support“, CDS), die Ärzten, Pflegepersonal, Patienten und anderen verbundenen Gesundheitsdienstleistern zu bestimmten Zeiten personalisierte Informationen bietet, die die Behandlungsergebnisse verbessern sollen. Hilfsmittel wie Erinnerungen, Warnhinweise und die Einbindung von Ergebnissen mittels Links in elektronische Krankenakten werden die ärztliche Entscheidungsfindung unterstützen. In diesem klinischen Bereich sollten Ärzte und Praxismanager validierte Technologien von Anbietern von KI-Software verwenden, die Ärzte bei der Diagnose von Krankheiten und Behandlungsalgorithmen unterstützt. Die Entwicklung und der Einsatz klinischer Entscheidungsfindungssysteme sollte sich auf ein Kerngerüst stützen, das geeignete Bedingungen für ihren Einsatz formuliert. Dazu gehören Verfahren zur Überwachung der Datenqualität und zur Entwicklung und Validierung von Algorithmen sowie ein ausreichender Schutz der Patientendaten.
In der Biopharma-Industrie werden Forscher die KI und maschinelles Lernen nutzen, um Entscheidungsprozesse für bestehende Medikamente und Indikationserweiterungen für andere Krankheiten voranzutreiben. Die führenden Pharmakonzerne werden auch KI-Tools einsetzen, um die Durchführung klinischer Studien zu beschleunigen, indem Patienten aus verschiedenen Datenquellen identifiziert werden. Die Pharmaindustrie setzt die KI auch ein, um Zeit, Ort und Wahrscheinlichkeit von Krankheitsausbrüchen vorherzusagen. Dienste wie Deep 6 Trial AI und IBM Watson for Clinical Trial Matching stellen Tools zur Verfügung, um je nach den Kriterien innerhalb weniger Minuten geeignete Patienten für komplexe klinische Studien zu finden. Diese Tools müssen jedoch die Validierung und das Training der KI-Software von Menschenhand zulassen, um eventuelle Dateninkonsistenzen oder Konflikte zu lösen.
Große Erstversorgungseinrichtungen setzen KI-Technologie ein, um die Krankenhauswiederaufnahmen zu reduzieren und Behandlungsfehler zu vermeiden. Letztendlich hoffen die Krankenhäuser, dass die Anwendung der KI dazu beitragen wird, Hochrisikopatienten zu erkennen und zu verhindern, dass sie Komplikationen entwickeln, und Entscheidungen im Hinblick auf die Patientenversorgung zu lenken. Krankenhäuser werden die KI auch zur Optimierung von Arbeitsabläufen und zur Reduzierung oder Beseitigung von Verfahrensredundanzen einsetzen, um wertvolle Zeit und begrenzte Ressourcen einzusparen. Krankenhauskunden sollten bei der Erwägung des Investitionsaufwands für KI-Technologie mit Vorsicht vorgehen. Ein Algorithmus kann in einem akademischen oder begrenzten klinischen Umfeld funktionieren, aber er lässt sich möglicherweise nicht auf das reale kommunale Krankenhaus übertragen. Wenn ein KI-Tool mit Daten aus einem Forschungskrankenhaus trainiert wird, funktioniert es in einem normalen Krankenhaus, in dem viele Patienten unvollständige Krankenakten haben, möglicherweise nicht besonders gut. Gesundheitseinrichtungen müssen sicherstellen, dass ihre AI-Tools mit den Daten von repräsentativen Populationen geschult und validiert wurden.
Gegenwärtig konzentriert sich ein Drittel aller Unternehmen, die künstliche Intelligenz als Software as a Service (SaaS) im Gesundheitswesen anbieten, teilweise oder ausschließlich auf die Diagnostik, die somit einer der größten Schwerpunktbereiche für aufstrebende Start-ups in diesem Bereich ist. Das Institute of Medicine der National Academies of Science, Engineering and Medicine berichtet, dass „Diagnosefehler zu etwa 10 Prozent zu den Todesfällen von Patienten beitragen“ und auch für 6 bis 17 Prozent der Krankenhauskomplikationen verantwortlich sind.
Bei Guerbet setzen wir KI-Anwendungen ein, um letztendlich die Diagnose und Behandlung von Patienten zu verbessern. Als weltweit führendes Unternehmen im Bereich der medizinischen Bildgebung haben wir KI-Partner mit validierten Software-Technologien und -Lösungen ausgewählt. So sind wir beispielsweise eine Partnerschaft mit IBM Watson Health eingegangen, um KI-Software zur Unterstützung der Diagnose (mittels CT und MRT) und Behandlung von Leberkrebs zu entwickeln.
Gegenwärtig befindet sich die künstliche Intelligenz im Gesundheitswesen in der zweiten Phase des Gartnerschen Hype-Zyklus: dem „Gipfel der überzogenen Erwartungen“. Wenn wir jedoch nicht dafür sorgen, dass diese lebenswichtige Ergänzung der Gesundheitsversorgung mit dem Hype Schritt hält, könnte sie in das zurückfallen, was Gartner als das „Tal der Enttäuschungen“ bezeichnet. Um dies zu vermeiden, ist es wichtig, die KI und ihre Grenzen richtig zu verstehen, damit wir sie in Bereichen, in denen sie besonders überzeugt, wirksamer einsetzen können.
Und dafür zu sorgen, dass die Gesundheit der Menschen verbessert, ihr Leben verlängert und ihre Lebensqualität gesteigert wird, ist wohl eine der lohnendsten Anwendungen der KI. Die Biowissenschaftler müssen ständig die Kosten der KI-Technologie und ihren Wert gegeneinander abwägen.
Francois Nicolas | Chief Digital Officer