KI steht kurz davor, ein unverzichtbares medizinisches Diagnosewerkzeug zu werden

Neue Werkzeuge für alte Diagnosen

Seit Anbeginn der Medizin basieren viele Diagnosen auf der visuellen Untersuchung eines Patienten. Das gilt noch immer für Ohrinfektionen, die in der Regel einen erfahrenen Kliniker erfordern, um korrekt diagnostiziert zu werden.

In diesem speziellen Fall spielen die Erfahrung und das Können des Arztes eine große Rolle, wie frühere Studien von Klinikern eine diagnostische Genauigkeit von AOM von 30 % bis 84 %, abhängig von der Art des Gesundheitsdienstleisters, dem Ausbildungsniveau und dem Alter der untersuchten Kinder.

Infolgedessen werden viele Ohrinfektionen fälschlicherweise als Otitis media mit Erguss, also Flüssigkeit hinter dem Ohr, diagnostiziert, ein Zustand, der in der Regel keine Bakterien beinhaltet und nicht von einer antimikrobiellen Behandlung profitiert.

Aber ein neues Werkzeug wurde nun entwickelt, um Ärzten zu helfen, das auf dem Aufkommen von KI‑Maschinensicht und der Allgegenwart von Smartphones beruht. Es könnte dazu beitragen, den unnötigen Einsatz von Antibiotika zu reduzieren, was das problematische Auftreten von Antibiotikaresistenzen zur Folge hat.

„Unterdiagnose führt zu unzureichender Versorgung und Überdiagnose führt zu unnötiger Antibiotikabehandlung, die die Wirksamkeit der derzeit verfügbaren Antibiotika beeinträchtigen kann. Unser Werkzeug hilft, die korrekte Diagnose zu stellen und die richtige Behandlung zu leiten.“

Alejandro Hoberman, M.D., Professor für Pädiatrie und Leiter der Division of General Academic Pediatrics an der School of Medicine

Quelle: UPMC

Es ist auch ein sehr häufiges Problem, bei dem 70 % der Kinder im ersten Lebensjahr eine Ohrinfektion bekommen.

KI-Diagnose

Prof. Hoberman arbeitete mit Forschern der Tandon School of Engineering in NY, dem Bosch Center for Artificial Intelligence in Pittsburgh und Dcipher Analytics in Stockholm, Schweden, zusammen, um ein KI‑Werkzeug zur Erkennung von Ohrinfektionen zu entwickeln.

Sie veröffentlichten ihre Ergebnisse in JAMA Pediatrics unter dem Titel „Development and Validation of an Automated Classifier to Diagnose Acute Otitis Media in Children“.

Das resultierende KI‑Werkzeug benötigt lediglich ein Otoskop, das an die Kamera eines Smartphones angeschlossen ist.

Sie erstellten zwei verschiedene KI‑Modelle und nutzten eine Datenbank von 1.151 Videos des Trommelfells von 635 Kindern. Anschließend baten sie Experten, jedes der Videos manuell zu annotieren, ob es einer Ohrinfektion entspricht oder nicht.

921 Videos wurden zum Training der KI verwendet, und die verbleibenden 230 Videos dienten als Test, um die Genauigkeit der KI zu beurteilen.

Zu den für korrekte Diagnosen gemessenen Parametern gehörten Form, Farbe, Position und Transparenz des Trommelfells.

Quelle: UPMC

Überlegene medizinische Ergebnisse

Beide Modelle waren hochgenau und erzielten eine Sensitivität von 9,38 % und eine Spezifität von 93,5 %. Das bedeutet, dass die KIs nicht nur die Infektion exakt erkannten, sondern auch eine sehr niedrige Rate an falsch‑Negativen und falsch‑Positiven aufwiesen.

Es ist zudem bemerkenswert, dass diese Genauigkeit sogar besser ist als die besten Ergebnisse, die durch visuelle Identifizierung durch Ärzte erzielt wurden, und deutlich höher als die Ergebnisse unter weniger idealen Bedingungen (jüngere Kinder, ungeschulte Ärzte usw.).

Das Video kann aufgezeichnet und archiviert werden. Dies kann zunächst verwendet werden, um die Diagnose dem Patienten oder den Eltern zu erklären und im Patientenakte zu archivieren. Die aufgezeichneten Videos können auch zur Ausbildung von Medizinstudenten oder Assistenzärzten genutzt werden und ein wertvolles Lehrmittel für Krankenhäuser und Arztpraxen darstellen.

Es sollte auch Hausärzten helfen, die richtige Diagnose zu stellen und die Überverschreibung von Antibiotika zu reduzieren.

Die Einfachheit der Implementierung dieses Werkzeugs, das nur das Smartphone eines Arztes und ein Otoskop verwendet, sollte zudem eine sehr schnelle Einführung und leichte Akzeptanz ermöglichen.

KI-Diagnostikunternehmen

Lange Zeit funktionierte die Anwendung von KI in komplexen Umgebungen wie dem menschlichen Körper nicht, da sie Schwierigkeiten hatte, mit der „Unordnung“ der bereitgestellten Daten umzugehen.

Neue Technologien wie neuronale Netze haben dies verändert und „Maschinensicht“ geschaffen, von denen einige der bekannteren Anwendungen selbstfahrende Autos sind.

Viele medizinische Diagnosen beruhen heute noch auf der Meinung von Ärzten und dem Fachwissen, das durch das manuelle Studium von Tausenden von Bildern von Scannern, MRT und auch Trommelfellen entsteht. Wenn KIs nun bestimmen können, wo Radfahrer auf der Straße sind, werden sie auch besser – wenn nicht sogar besser als Menschen – bei der Erkennung von Infektionen, Tumoren und anderen medizinischen Problemen.

Viele große Unternehmen integrieren KI in ihre Bildgebungssysteme, wie GE Healthcare, Siemens Healthineers , Canon Medical und Philips. Aufgrund ihrer Größe sind sie jedoch kaum reine Akteure im Bereich KI‑medizinischer Diagnostik.

Andere, stärker fokussierte Start‑Ups sind privat gelistet, zum Beispiel PathAI und Viz.AI. Deshalb haben wir uns stattdessen auf börsennotierte Aktien konzentriert.

1. Butterfly Network

Butterfly ist sowohl Entwickler eines fortschrittlichen ultra‑tragbaren Ultraschall‑Diagnosegeräts als auch einer integrierten Software, die KI zur Unterstützung der Diagnose nutzt und „Compass“ genannt wird.

Quelle: Butterfly Network [securities_stock_price_tag symbol="BFLY" exchange="NYSE"]

Das Unternehmen befindet sich nun in der 3^rd Generation des Ultraschall‑Probes, mit der Veröffentlichung des iQ3 im Jahr 2024, das eine höhere Datenübertragungsrate und das Doppelte der Verarbeitungsgeschwindigkeit der Vorgängerversion bietet. Wie alle vorherigen Butterfly‑Ultraschall‑Probes basiert es auf der überlegenen Halbleiter‑„Ultrasound‑on‑Chip“-Technologie anstelle klassischer piezoelektrischer Sensoren.

iQ3 bietet ein überlegenes Benutzererlebnis, einschließlich der Möglichkeit, sowohl 3D‑ als auch Mehrflächen gleichzeitig zu visualisieren, integrierte Cloud‑Software und einen schnellen Start, alles zu einem günstigeren Preis.

Das Unternehmen nutzt KI, um die Bilder zu verbessern, diagnosespezifische Messungen automatisch zu erzeugen sowie Schulungs‑/Lehrpraxis bereitzustellen.

Quelle: Butterfly Network

Butterfly expandiert schnell in neue Märkte in Asien (Singapur, Indonesien, Philippinen usw.) und auch in den Veterinärmarkt, zum Beispiel zur Überprüfung der Gesundheit von Mastvieh, wobei die Ultra‑Portabilität seines Ultraschallgeräts genutzt wird.

2. Enlitic (ENL.AX)

Enlitic hat ein KI‑System entwickelt, das Radiologiebilder analysiert und automatisch standardisierte Beschreibungen der Bilder erzeugt. Dies stellt also den nächsten Schritt in den großen Datenmengen der Radiologiebilder dar, nach der Einführung technischer Standards wie DICOM oder HL7.

Dazu nutzt die Technologie von Enlitic Computer Vision und Natural Language Processing, um DICOM‑Bilder zu analysieren und verschiedene Parameter wie Körperteile, Orientierung, Kontrast und Schichtdicke für CT-, MR‑ und Röntgenbilder zu identifizieren.

Quelle: Enlitic

Eine solche Standardisierung wird für den Fortschritt von KI in der Radiologie sowie in der Telemedizin und Automatisierung erforderlich sein. Sie wird Interoperabilität zwischen Systemen ermöglichen, basierend auf einem zuverlässigen Kennzeichnungssystem.

Sie sollte auch die Monetarisierung dieser Daten durch Krankenhäuser und Radiologiezentren unterstützen, um anonymisierte und standardisierte Daten für das Training anderer KI‑Modelle bereitzustellen.