Das Gesundheitswesen steht vor einem schnellen Wandel, da KI neue Möglichkeiten bietet

KI eröffnet in vielen Branchen neue Möglichkeiten, auch im Gesundheitswesen. Sie kann die Auswertung medizinischer Daten unterstützen und neue Ansätze für Prävention, Diagnostik und Behandlung ermöglichen. Der Nutzen hängt jedoch vom konkreten System, seiner Validierung und seinem Einsatz im Versorgungsalltag ab.

Künstliche Intelligenz

KI-Systeme können medizinische Fachkräfte bei bestimmten Aufgaben entlasten und Abläufe effizienter machen. Geringere Kosten oder ein gerechterer Zugang zur Versorgung ergeben sich daraus allerdings nicht automatisch.

Künstliche Intelligenz umfasst unterschiedliche Verfahren, darunter maschinelles Lernen und tiefe neuronale Netze. Sie erkennen statistische Muster in Daten, lernen aber nicht einfach wie ein menschliches Gehirn. Zuverlässigkeit und Sicherheit müssen für den jeweiligen medizinischen Zweck nachgewiesen werden.

KI unterstützt die Diagnostik

Ein wichtiges Einsatzfeld ist die Auswertung medizinischer Bilder und Messdaten. Trainierte Modelle können Auffälligkeiten erkennen und Fachkräfte auf relevante Muster hinweisen. Ihre Leistung hängt unter anderem von den Trainingsdaten, der Patientengruppe und der Qualität der Untersuchung ab.

KI-Diagnostik in der Augenheilkunde

Ein Beispiel ist eine Untersuchung zur Diagnose infektiöser Hornhautentzündungen, über die die University of Birmingham berichtete. Sie erschien in eClinicalMedicine. Die Studie¹ war eine Metaanalyse unter Beteiligung von Dr. Darren Ting. Sie untersuchte vorhandene Deep-Learning-Modelle zur Erkennung infektiöser Keratitis, nicht einen einzigen neu entwickelten proprietären Diagnosealgorithmus.

Infektiöse Keratitis ist eine Entzündung der Hornhaut, die etwa durch Bakterien oder Pilze verursacht werden kann. Sie kann zu Hornhautgeschwüren, Sehverlust und Blindheit führen und gehört weltweit zu den wichtigen Ursachen von Hornhautblindheit. Eine rechtzeitige fachärztliche Diagnose und Behandlung ist daher entscheidend.

Quelle – Webeye Cornea Scan

Die Forschenden werteten 35 Studien aus, deren Modelle zusammen mehr als 136.000 Hornhautbilder analysiert hatten. Diese Zahl beschreibt den gesamten untersuchten Datenbestand, nicht die Trainingsmenge eines einzelnen von Tings Team entwickelten Systems.

Die zusammengefassten Ergebnisse zeigten eine Sensitivität von 89,2% und eine Spezifität von 93,2% für die KI-Modelle. Bei den verglichenen Augenärztinnen und Augenärzten lagen diese Werte bei 82,2% beziehungsweise 89,6%. Sensitivität ist nicht dasselbe wie Gesamtgenauigkeit. Die Autoren betonten den Bedarf an vielfältigeren Daten und weiterer externer Validierung.

Die Ergebnisse weisen auf das Potenzial hin, die augenärztliche Versorgung zu unterstützen, auch in Regionen mit wenigen Fachkräften. Sie belegen jedoch nicht, dass jedes Modell unter allen Versorgungsbedingungen Fachärzte ersetzen oder dieselbe Leistung erbringen kann.

Lungenkrebsdiagnose

Lungenkrebs ist eine weitere Erkrankung, bei der KI die diagnostische Arbeit unterstützen könnte. Ein Team der Medizinischen Fakultät und der Uniklinik Köln entwickelte eine digitale Plattform zur Analyse von Gewebeschnitten. Die Arbeit trägt den Titel „Next-generation lung cancer pathology: Development and validation of diagnostic and prognostic algorithms“ und erschien in Cell Reports Medicine. Die Plattform untersucht digitalisierte histologische Gewebeproben. Sie ist daher kein vollständig nichtinvasiver Test, der Lungenkrebs allein anhand allgemeiner Patientendaten erkennt.

Die Algorithmen können verschiedene diagnostische und prognostische Aufgaben unterstützen. Eine einzelne Angabe von 89% beschreibt nicht die Leistung aller Aufgaben oder die Sicherheit einer autonomen Diagnose. Weitere Validierung und die Einbindung in pathologische Arbeitsabläufe sind erforderlich.

Erkennung von Medikationsfehlern

Fehler bei der Auswahl und Verabreichung von Medikamenten können schwere Folgen haben. In der Anästhesie werden Medikamente häufig unter Zeitdruck vorbereitet. Eine zusätzliche technische Kontrolle könnte helfen, bestimmte Verwechslungen zu erkennen, bevor das Medikament verabreicht wird.

Auch qualifizierte Fachkräfte arbeiten unter schwierigen Bedingungen. Zeitdruck, Unterbrechungen, ähnliche Verpackungen und unzureichende Beleuchtung können Fehler begünstigen. Daraus folgt nicht, dass Anästhesiefehler weltweit die häufigste Form aller Medikationsfehler sind.

Forschende der University of Washington untersuchten eine tragbare Kamera mit KI-Auswertung als zusätzliche Kontrolle bei der Medikamentenvorbereitung. Das System sollte insbesondere Verwechslungen von Medikamentenfläschchen erkennen.

Visuelle Kontrolle bei der Medikamentenvorbereitung

Das System berücksichtigt visuelle Merkmale von Fläschchen und Spritzen, etwa Form, Größe, Verschlussfarbe und Beschriftung. Es verfolgt die relevanten Handlungen im Vordergrund, statt sämtliche Medikamente im Hintergrund als aktuell ausgewählte Arzneimittel zu behandeln.

Die Evaluation umfasste 418 Vorgänge des Aufziehens von Medikamenten aus der Routineversorgung und einer kontrollierten Umgebung. Bei der Erkennung von Fläschchenverwechslungen erreichte das System 99,6% Sensitivität und 98,8% Spezifität. Diese Ergebnisse beziehen sich auf die untersuchte Aufgabe und sind kein Nachweis, dass sämtliche Medikationsfehler verhindert werden.

Die Kamera könnte als zweite Kontrolle dienen und Fachkräfte auf eine mögliche Verwechslung hinweisen. Die Studie belegt weder eine vollständig autonome Medikamentenverabreichung noch eine bereits nachgewiesene Senkung der Sterblichkeit im Versorgungsalltag. Weitere Untersuchungen müssen zeigen, wie sich das System zuverlässig in klinische Abläufe integrieren lässt.

Behandlungsergebnisse überwachen

KI kann helfen, umfangreiche Verlaufsdaten auszuwerten und Muster im Ansprechen auf eine Behandlung zu erkennen. Je nach Anwendung können dabei Messwerte, Krankengeschichte und andere medizinisch relevante Informationen berücksichtigt werden. Daraus folgt nicht, dass ein System jede Dosis automatisch beurteilen oder selbstständig die richtige Therapie festlegen kann.

Simulationen können die Entwicklung von Medikamenten und Geräten unterstützen und bestimmte Versuche gezielter vorbereiten. Sie ersetzen jedoch nicht generell notwendige Laboruntersuchungen, klinische Prüfungen oder die ärztliche Beurteilung.

KI‑Wearables

Tragbare Geräte reichen von Uhren zur Erfassung von Aktivität und Schlaf bis zu spezialisierten Biosensoren. Fortschritte bei Sensoren, Energieverbrauch und Datenverarbeitung erweitern ihre Möglichkeiten. Nicht jede gemessene Größe ist allerdings bereits ein klinisch validierter Gesundheitsindikator.

KI kann Daten direkt im Gerät auswerten, wenn die Hardware dafür geeignet ist. Andere Anwendungen benötigen ein Smartphone oder einen Cloud-Dienst. Es wäre daher zu pauschal, allen bisherigen Wearables eine notwendige Internetverbindung oder allen KI-Geräten vollständige lokale Verarbeitung zuzuschreiben.

Quelle – Scnsoft

Lokale Datenverarbeitung kann die Reaktionszeit verkürzen und den Umfang übertragener Daten begrenzen. Sprach- oder Texteingaben über große Sprachmodelle sind eine andere Funktion. Sie erklären nicht allein, warum Sensoren kleiner, dehnbarer oder komfortabler werden.

Dehnbare Elektronik für körpernahe Datenverarbeitung

Ein Beispiel ist die in Nature Electronics veröffentlichte Arbeit „A wearable in-sensor computing platform based on stretchable organic electrochemical transistors“. Sie beschreibt eine tragbare Plattform auf Basis dehnbarer organischer elektrochemischer Transistoren. Die Forschenden kombinierten Transistorarrays mit einer miniaturisierten Ausleseeinheit für die Erfassung und Verarbeitung von Biosignalen.

Die Plattform demonstrierte dehnbare Elektronik und körpernahe Datenverarbeitung. Daraus lassen sich mögliche Vorteile für tragbare Sensoren ableiten. Eine generell niedrigere Herstellungskostenstruktur oder bereits belegte langfristige klinische Zuverlässigkeit folgt aus dem Prototyp jedoch nicht automatisch.

Neue Behandlungsverfahren

Auch Nanopartikel und Mikro- oder Nanoroboter werden für gezielte Wirkstoffabgabe untersucht. Dabei handelt es sich um unterschiedliche Technologien: Ein Nanopartikel ist nicht automatisch ein selbstständig beweglicher Roboter.

KI kann etwa die Auswertung von Versuchen oder die Steuerung bestimmter experimenteller Systeme unterstützen. Ob ein Wirkstoff sein Ziel erreicht, hängt unter anderem von Material, Transportmechanismus und biologischen Barrieren ab. Eine vollständige Verteilung in jeden Bereich eines Organs oder eine generell bessere Behandlung ist damit nicht garantiert.

Unternehmen mit Bezug zur KI im Gesundheitswesen

Medizintechnikunternehmen können KI in ausgewählte Produkte und Entwicklungsprozesse integrieren. Ob daraus bessere Behandlungsergebnisse oder höhere Umsätze entstehen, hängt von Wirksamkeit, Zulassung, Nachfrage und Kosten ab. Ein Beispiel aus diesem Bereich ist Medtronic.

Medtronic

Medtronic wurde 1949 gegründet, nicht 1940. Das Unternehmen entwickelte 1957 einen tragbaren, batteriebetriebenen Herzschrittmacher. Es ist ein Medizintechnikhersteller mit einem breiten Produktportfolio und kein allgemeiner Anbieter medizinischer Versorgung. Heute untersucht und nutzt es auch KI-Verfahren für bestimmte Geräte und Anwendungen.

MDT Preisdiagramm

Ein Beispiel ist das GI Genius Intelligent Endoscopy Module. Es unterstützt Fachkräfte dabei, verdächtige Bereiche wie kolorektale Polypen während einer Darmspiegelung zu erkennen. Die ärztliche Bewertung und die Verantwortung für die Untersuchung bleiben erforderlich.

Zum Portfolio gehören außerdem das chirurgische Navigationssystem StealthStation und das robotergestützte System Mazor X für die Wirbelsäulenchirurgie. Beide unterstützen die Planung und Durchführung von Eingriffen auf unterschiedliche Weise. Eine pauschale Garantie für kürzere Erholungszeiten oder die Vermeidung menschlicher Fehler lässt sich daraus nicht ableiten.

Medtronics Marktstellung und Produktvielfalt können für Anleger relevant sein. Sie machen die Aktie jedoch nicht automatisch zu einem guten Kauf. Geschäftsentwicklung, Bewertung, Wettbewerb und regulatorische Risiken müssen gesondert beurteilt werden; eine stärkere Nachfrage oder steigende Kurse sind nicht garantiert.

Zukunft der KI‑Gesundheitsversorgung

Künftige Anwendungen könnten KI mit neuen Sensoren, Fertigungsverfahren oder gezielten Wirkstoffsystemen verbinden. Die Vorstellung, ein holografischer Drucker könne nach einer automatischen Diagnose Nanoroboter durch die Haut im Körper erzeugen, ist jedoch ein spekulatives Szenario und keine hier belegte Behandlungsmethode.

KI könnte auch die Versorgung in Regionen mit wenigen Fachkräften unterstützen. Dafür braucht es geeignete Infrastruktur, verlässliche Daten, klinische Validierung und verantwortliche medizinische Betreuung. Ein gerechtes globales Gesundheitssystem entsteht nicht allein durch den Einsatz von Algorithmen.

KI im Gesundheitswesen – Chancen verantwortungsvoll nutzen

KI bietet Möglichkeiten, medizinische Daten auszuwerten und Fachkräfte bei klar definierten Aufgaben zu unterstützen. Entscheidend ist, ob ein System nachweislich nützt, sicher eingesetzt wird und zum jeweiligen Versorgungsumfeld passt. Mehr KI ist daher nicht automatisch besser; sinnvoll ist eine gezielte und überprüfbare Anwendung.

Erfahren Sie mehr über weitere KI-Projekte.

Studienreferenz:

^{1. University of Birmingham. (21. Oktober 2024). KI bei der Diagnose von Hornhautinfektionen auf Augenhöhe mit Augenärzten, zeigt eine Studie. https://www.birmingham.ac.uk/news/2024/ai-eye-to-eye-with-ophthalmologists-in-diagnosing-corneal-infections-study-finds}