Kann maschinelles Lernen dem schwächelnden Gesundheitswesen Auftrieb geben?

Nach Angaben der Weltgesundheitsorganisation leben mehr Menschen als je zuvor bis zu ihrem 60. Lebensjahr und älter; diese Bevölkerungsgruppe wird 20 Prozent der Weltbevölkerung im Jahr 2050 ausmachen.

Unsere Langlebigkeit lässt sich auf mehrere Faktoren zurückführen, aber die überragende Rolle des Fortschritts in der Gesundheitsfürsorge ist unbestreitbar, auch wenn sie als einzelner Faktor nicht quantifizierbar ist.

Wenn die Gesundheitsfürsorge für unsere überlebende Bevölkerung doch nur effizienter gestaltet werden könnte. Es ist jedoch kein Geheimnis, dass die Branche vor enormen Herausforderungen steht.

Mangel an Fachkräften

Nach Angaben der Association of American Medical Colleges werden bis 2025 zwischen 14.900 und 35.600 Hausärzte fehlen; der Mangel an Fachärzten, die keine Hausärzte sind, wird im selben Jahr voraussichtlich 37.400 bis 60.300 betragen. Aktualisierte Daten der AAMC aus dem Jahr 2018 zeigen, dass der Mangel bis 2030 insgesamt 120.000 betragen wird (14.800 bis 49.300 Hausärzte und 33.800 bis 72.700 Fachärzte für nicht-primäre Versorgung).

Neben diesem Mangel gibt es zahlreiche Probleme, die die Bereitstellung einer hochwertigen Gesundheitsversorgung behindern:

• Burnout bei Ärzten, das stark mit medizinischen Fehlern verbunden ist.
• Unterschiedliche elektronische Gesundheitsakten behindern den Austausch von wichtigen Informationen wie der Krankengeschichte und dem Medikationsprofil
• Engpässe bei Medikamenten und medizinischer Versorgung
• Wiederauftretende Krankheiten
• Antibiotikaresistenz
• Ineffiziente Verwaltung und Probleme bei der Erstattung von Versicherungsleistungen, Bearbeitung von Ansprüchen
• Steigende Kosten für Pflege und Medikamente

Trotz der unglaublichen Konnektivität, die die Technologie im 20. und 21. Jahrhundert ermöglicht hat, und des nahezu täglichen medizinischen Fortschritts, werden nur wenige das Gegenteil behaupten: Das US-Gesundheitssystem ist kaputt. In zahllosen Berichten wird es immer wieder als das teuerste und das am wenigsten effiziente bezeichnet.

Die Ärzte und ihre Mitarbeiter werden mit Papierkram überschwemmt, müssen immer mehr Patienten in immer kürzerer Zeit behandeln, die Kosten für die Haftpflichtversicherung steigen – und das alles, während sie sich bemühen, mit den neuesten Studien und neuen Behandlungsprotokollen Schritt zu halten.

Könnten die Anbieter … einen zusätzlichen Satz von Prozessoren verwenden? Könnte die gesamte Branche?

Künstliche Intelligenz: Medizin, neu interpretiert

Im 21. Jahrhundert kommen immer mehr Technologien zum Einsatz, die künstliche Intelligenz (KI) nutzen, um Aufgaben zu übernehmen, die früher von Menschen ausgeführt wurden, darunter auch Anbieter. Britannica definiert KI als „die Fähigkeit eines digitalen Computers oder eines computergesteuerten Roboters, Aufgaben auszuführen, die gemeinhin mit intelligenten Wesen in Verbindung gebracht werden“.

Zugegeben, Geräte, die darauf programmiert sind, zu denken, Bedeutungen zu erkennen, zu verallgemeinern und aus Erfahrungen zu lernen, haben etwas Seltsames, ja sogar Unheimliches an sich – Qualitäten, die erstaunlich – oder alarmierend – menschlich erscheinen mögen. Aber in gewissem Sinne ist KI nichts Neues. Der Gründervater der KI und der modernen kognitiven Wissenschaft war der britische Mathematiker und Logiker Alan Turing. Als Codeknacker im Zweiten Weltkrieg konzentrierte sich Turing in seiner Nachkriegsforschung auf die Parallelen zwischen Computern und dem menschlichen Gehirn. Der Wissenschaftler betrachtete die Hirnrinde als „unorganisierte Maschine“, die trainiert werden könnte, um „zu einer universellen Maschine oder etwas Ähnlichem“ zu werden.

Der Begriff der künstlichen Intelligenz wurde jedoch erst einige Jahre später, im Jahr 1955, von dem Turing-Zeitgenossen John McCarthy, einem Mathematikprofessor am Dartmouth College, geprägt. McCarthy definierte KI als die „Wissenschaft und Technik der Herstellung intelligenter Maschinen“. Kurz darauf berief McCarthy die erste KI-Konferenz ein und schuf anschließend eine der ersten Computersprachen, LISP.

Es hat eine Weile gedauert (35 bis 40 Jahre), bis Computer in den Praxen der Ärzte und in den Geldbörsen und Gesäßtaschen der Patienten allgegenwärtig waren. Aber als Computer in unserer Gesellschaft alltäglich wurden, waren KI-gesteuerte Computer und Roboter der nächste logische Schritt, oder?

Aber nicht so schnell.

Diese neumodischen Maschinen bringen unwillkommene Ängste und Befürchtungen mit sich. Werden die Menschen durch diese beunruhigenden Erfindungen verdrängt und ersetzt? Wird die KI die Welt regieren? Was werden die Menschen den ganzen Tag tun, wenn Maschinen die Arbeit von allen übernehmen? Stehen die Anbieter am Rande des Aussterbens? Diese Fragen sind berechtigt, und die Gefühle sind natürlich. Aber wir waren schon einmal hier.

Die Wahrheit ist seltsamer als die Fiktion?

KI ist seit langem Gegenstand dystopischer Science-Fiction-Filme und eine wiederkehrende Quelle des Schreckens, der Vorahnung und sogar der Hysterie. Vor fast 100 Jahren, im Klassiker „Metropolis“ von 1927, mischte der Roboter Maria in einer futuristischen, mechanisierten Gesellschaft mit, die von Macht, Manipulation und sozialem Engineering beherrscht wurde. Der Film entstand in einem Amerika der 1930er Jahre, das von der Großen Depression, massiver Automatisierung und kulturverändernder Mechanisierung heimgesucht wurde, was zu einer „Roboterhysterie“ führte .

Und der Trend setzte sich fort. Im Jahr 1968 kam es zum epischen Showdown zwischen dem bösartigen Computer HAL 9000 und den Astronauten in„2001: Odyssee im Weltraum„, in den 1980er Jahren kämpfte der Terminator gegen Killermaschinen, und 2014 gab es den manipulativen und mörderischen Roboter Ava in„Ex Machina„. Seit fast hundert Jahren hat unsere Gesellschaft eine Hassliebe zu Maschinen, die wie Menschen denken und handeln.

Diese Befürchtungen sollten geprüft und bestätigt werden. Für die Anbieter mag es so aussehen, als ob der Zustrom neuer KI-gesteuerter Maschinen das Fachwissen, die Erfahrung und die bloße Existenz von Ärzten verdrängen würde. Wird die KI die Aufgabe übernehmen, Patienten zu diagnostizieren und Behandlungspläne zu erstellen? Wer wird unsere Praxen, Kliniken und Krankenhäuser leiten? Roboter? Computer?

Was genau machen diese Maschinen?

KI: Prozesse, die dem Menschen ähneln, aber nicht menschlich sind

Obwohl die Vorstellung von intelligenten Computern, die ohne unsere Zustimmung „lernen“, befremdlich erscheinen mag, nutzen die meisten von uns bereits KI im Alltag. Assistenten wie Apples Siri, Amazons Alexa und andere „persönliche Assistenten“ mögen auf den ersten Blick harmlos erscheinen, aber in Wahrheit nutzen diese und ähnliche Geräte maschinelles Lernen, um unsere natürlichsprachlichen Fragen besser vorherzusagen und zu verstehen, unsere Sprachmuster zu interpretieren und unsere zukünftigen Bedürfnisse und Gewohnheiten vorauszusehen.

Netflix zum Beispiel analysiert blitzschnell Milliarden von Datensätzen, um Filme vorzuschlagen, die einem Verbraucher gefallen könnten (und die er bestellen oder kaufen könnte), und zwar auf der Grundlage der bisherigen Filmauswahl und -bewertung dieser Person. Google antizipiert sehr schnell Websites, die für jeden Nutzer von Interesse sind, und Amazon verwendet seit langem „transaktionale“ KI-Algorithmen, um die Kaufgewohnheiten von Personen zu verfolgen und deren Kaufverhalten einzuschätzen, vorherzusagen und vorzuschlagen – und verfeinert diese ständig.

Wie machen sie das? Willkommen beim maschinellen Lernen (ML ist eine der häufigsten Arten der KI, die im medizinischen Bereich eingesetzt wird). ML ist die Anwendung von statistischen Modellen auf Daten mithilfe von Computern. Maschinen, die ML verwenden, „denken“ nicht eigenständig, sondern werden mit Algorithmen programmiert – einer Reihe von Kriterien, die einen Prozess zur Erkennung von Mustern und zur Lösung von Problemen festlegen.

Ob die Nutzung von KI auf Verbraucherebene, die uns vorschlägt, wo wir essen sollten oder mit wem wir uns auf LinkedIn vernetzen sollten, sinnvoll ist, sei dahingestellt. Aber es gibt andere Möglichkeiten, wie maschinelles Lernen eingesetzt wird, die positive globale Auswirkungen haben.

Der Energieriese BP setzt die Technologie an Standorten auf der ganzen Welt ein, um die Nutzung der Gas- und Ölproduktion zu maximieren, damit diese sicher und zuverlässig ist – etwas, das wir uns alle wünschen, wenn wir jeden Tag unsere Autos starten. Die Daten werden auch von Ingenieuren und Wissenschaftlern ausgewertet, um den zukünftigen Energiebedarf zu planen und neue Modelle und Energiequellen zu entwickeln. In einer Welt mit begrenzten Ressourcen und einer wachsenden Weltbevölkerung trägt die KI zweifellos dazu bei, die Preise niedrig und Öl und Gas verfügbar zu halten.

GE Power nutzt ebenfalls maschinelles Lernen in Kombination mit Big Data und dem Internet der Dinge, um den Betrieb zu optimieren, Anlagen zu warten und zu versuchen, digitale Kraftwerke zu entwickeln. Wir alle freuen uns, wenn wir einen Schalter umlegen und das Licht angeht, und halten es für selbstverständlich, dass aus dem H-Hahn heißes Wasser in unsere Häuser fließt.

Viele Finanzriesen nutzen KI zur Vorhersage von Markttrends, um Anlegern und Pensionsfonds eine kluge Geldzuteilung zu ermöglichen und Betrug und andere Finanzkriminalität einzudämmen, was den Preis für diese Art von Dienstleistungen für Privatpersonen und Arbeitgeber, die sich beim Aufbau von Pensionsfonds auf ihre Daten verlassen, senken kann.

Was können Sie für mich tun, Mr. Roboto?

Die Innovationen in der Medizin und den damit verbundenen Branchen haben im 21. Jahrhundert in rasantem Tempo eine erstaunliche Vielfalt an neuen Medikamenten, Fortschritten in der Bildgebung und neu konzipierten Behandlungsprotokollen hervorgebracht.

Wie soll ein Anbieter mit all diesen Veränderungen Schritt halten, mit den endlosen Studien in Fachzeitschriften und klinischen Versuchen, mit neuen Behandlungsoptionen, denen Black-Box-Warnungen gegenüberstehen, mit abrupten Änderungen von lange gültigen Behandlungsprotokollen, mit Meldepflichten und mit Vorboten von Krankheitsausbrüchen?

Ganz zu schweigen von dem immer größer werdenden Druck, den das Gesundheitswesen mit sich bringt.

• Daten, Daten, Daten. KI-gesteuerte Maschinen und ihre Algorithmen berücksichtigen schnell unzählige Variablen in einem breiten Spektrum von komplexen Screening- und Diagnoseinformationen und -daten. Die Informationen werden verarbeitet, um zukünftige Ereignisse vorherzusagen (z.B. welches Behandlungsprotokoll für Krankheit X in der Bevölkerung Y zu den besten Ergebnissen geführt hat, basierend auf früheren Fällen und Ergebnissen). KI-Systeme werden ständig aktualisiert, wenn neue Daten hinzukommen, lernen neue Zusammenhänge und verfeinern ihre Vorhersagekraft in Echtzeit. Sobald kompatible globale KI-Systeme vorhanden sind, werden die Anbieter Zugang zu den Daten aller Patienten haben, die wegen einer beliebigen Krankheit in einem beliebigen Land behandelt werden, sowie zu den neuesten medizinischen Entdeckungen und den Ergebnissen klinischer Studien, die alle in KI-gesteuerten Maschinen und ihren Algorithmen gespeichert sind. Die Häufigkeit von medizinischen Fehlern und ineffektiver Pflege, die durch unvollständige elektronische Gesundheitsdaten von Patienten, verpasste Behandlungsmöglichkeiten und Fehldiagnosen verursacht werden, wird stark reduziert, vielleicht sogar eliminiert.
• Beseitigung von Vorurteilen. Eine weitere Eigenschaft der KI ist die blinde Natur ihrer Datenverarbeitung. Kliniker gewinnen im Laufe der Zeit wertvolles Wissen durch die Erfahrung mit früheren Patientenfällen. Dieses Wissen kann jedoch Vorurteile in den Entscheidungsprozess einbringen und zu Fehldiagnosen, Behandlungen auf der Grundlage alter Daten und verpassten Chancen für aktuellere Ansätze führen. Bei richtiger Anwendung von KI können diese potenziellen Fallstricke beseitigt werden, da klinische Empfehlungen nicht auf a priori Annahmen beruhen, sondern auf ständig aktualisierten medizinischen Daten, die aus unzähligen Quellen stammen.
  (ACHTUNG: Verzerrte Daten können genau die Verzerrungen verursachen, die Sie zu vermeiden versuchen).
• Erstellung von Patientenprofilen/Vorhersage von Ergebnissen. Die Empfehlung eines wirksamen Behandlungsplans beruht auf bestimmten Aufgaben des Arztes, wie der Erhebung der Krankengeschichte, der körperlichen Untersuchung und der Einbeziehung von Informationen aus der Forschung (die alle für das Screening und die Diagnose wichtig sind). Das Ziel, ein bestimmtes Ergebnis zu erzielen, erfordert die Planung und Umsetzung dieses Plans (für die Behandlung und Überwachung erforderliche Maßnahmen). KI-Computer können komplexe Daten aus der körperlichen Untersuchung, den Laborergebnissen und vorhandenen Studiendaten schnell verarbeiten und mit Tausenden oder sogar Millionen von globalen Datensätzen abgleichen, um künftige Ereignisse vorherzusagen (den besten Behandlungsplan für das gewünschte Ergebnis), und zwar innerhalb von Minuten oder sogar Sekunden.

Wachsende Unterstützung für KI in der Medizin

KI ist bereits Teil der Standardpraxis in vielen medizinischen Netzwerken; Daten zeigen, dass intelligente Maschinen Leben retten. China setzt ein KI-Programm namens Infervision ein, um mit der Überprüfung der jährlich 1,4 Milliarden Lungen-CT-Scans Schritt zu halten, die zur Erkennung von Krebsfrüherkennungsmerkmalen angeordnet werden. Die Anwendung hat sich als erfolgreich erwiesen, wenn es darum geht, dem Mangel an Radiologen und der Ermüdung der Ärzte (und den medizinischen Fehlern) entgegenzuwirken, die mit dem Lesen endloser Scans verbunden sind. Infervision ist darauf programmiert, seinen Algorithmen beizubringen, Krebs effizienter zu diagnostizieren.

Die Universität von North Carolina nutzt KI von IBM, um Daten wie Entlassungsberichte, Arztbriefe und Anmeldeformulare zu durchforsten, um Risikopatienten zu identifizieren und Präventionspläne für sie zu erstellen. Googles DeepMind-Initiative zielt darauf ab, die Denkprozesse des Gehirns zu imitieren, um die für die Diagnose und die Formulierung von Behandlungsplänen benötigte Zeit zu verkürzen. Die Implementierung von DeepMind am University College of London, um Gehirnbilder schnell zu bewerten und geeignete, lebensrettende Strahlentherapien zu empfehlen.

Aber nicht jede KI-gesteuerte medizinische Anwendung ist ein Erfolg.

IBMs KI-gesteuerte Maschine Watson (deren ursprünglicher Ruhm darin bestand, menschliche Kandidaten bei „Jeopardy“ zur besten Sendezeit zu schlagen) wurde als hochmodernes Genie der personalisierten Krebsbehandlung für Millionen von Patienten und Anbietern auf der ganzen Welt angepriesen. Im Jahr 2012 zahlte das MD Anderson Cancer Center der Universität von Texas Big Blue Millionen, um Watson als Partner zu gewinnen. Im Jahr 2017 zog sich die Universität jedoch aus der Partnerschaft zurück. Die Hauptprobleme, auch wenn sie von MD Anderson nicht klar artikuliert wurden, dürften Probleme bei der Beschaffung, Kostenüberschreitungen und Verzögerungen gewesen sein. Außerdem waren die Erwartungen aufgrund von Publicity und Hype auf ein unrealistisches Niveau gestiegen.

Die Autoren eines in „Health Affairs“ veröffentlichten Blogs, die das Scheitern von Watson kommentierten, merkten an, dass KI kein Ersatz für die menschliche Beteiligung an der klinischen Versorgung sei; Maschinen und Roboter seien nicht in der Lage, alle logischen und komplexen Aufgaben zu übernehmen, die mit der Gesundheitsversorgung verbunden sind. Sie räumten jedoch ein, dass KI geeignet ist, den Zeitaufwand für ressourcenintensive Aufgaben zu verringern.

Obwohl Watson noch nicht reif für den Einsatz ist, stellen die Autoren fest: „… die sorgfältige Prüfung und Bewertung von Möglichkeiten zur Automatisierung von Aufgaben und zur Verbesserung von Entscheidungen durch maschinelles Lernen kann im Pflegealltag schnell Vorteile bringen. Außerdem können Gesundheitssysteme durch einen praktischen Ansatz bei der Bewertung und Einführung des maschinellen Lernens die Patientenversorgung heute verbessern und sich gleichzeitig auf zukünftige Innovationen vorbereiten.“

Lassen Sie den KI-Zug nicht an sich vorbeiziehen

Der KI-Markt explodiert. Laut einer aktuellen Analyse von Accenture wird die KI-Branche bis 2021 auf 6,6 Milliarden anwachsen. Das ist ein gutes Zeichen für die Anbieter. Die in die KI im Gesundheitswesen investierten Gelder stellen sicher, dass aktuelle Anwendungen erweitert werden, bestehende Programme (wie Watson) die notwendige Optimierung und Verfeinerung erhalten und dass neue KI-Möglichkeiten finanziert werden.

KI könnte der Schlüssel zur Verbesserung unseres angeschlagenen Gesundheitssystems sein, und zwar auf eine Art und Weise, die noch vor ein paar Jahrzehnten unvorstellbar war. Hochrechnungen zufolge könnten Versicherungsunternehmen durch den Einsatz von KI-gesteuerten Technologien zur Rationalisierung von Verwaltungsabläufen innerhalb von 18 Monaten bis zu 7 Milliarden Dollar einsparen. Mehrere Versicherer setzen bereits KI-Chatbots ein, um einfache Patientenfragen zu beantworten und Besuche in der Notaufnahme vorherzusagen.

Anbieter könnten KI in ähnlicher Weise für administrative Aufgaben nutzen, um Personal für patientenorientierte Begegnungen freizusetzen, die Erstattung von Versicherungsleistungen zu beschleunigen und Überweisungen zu beeinflussen. Das ist zusätzlich zu den unzähligen pflegebezogenen Unterstützungsfunktionen, die KI derzeit bieten kann. Viele weitere sind in Arbeit und werden in den kommenden Monaten, Jahren und Jahrzehnten eingeführt werden.

Skepsis ist natürlich, und eine gründliche Prüfung ist notwendig, um sicherzustellen, dass die Versprechungen von Silicon Valley und anderen Big Tech-Unternehmen nicht die von Experten begutachtete Forschung zur Wirksamkeit von KI-Anwendungen außer Kraft setzen.

Die Roboter und Maschinen werden immer leistungsfähiger. Keine Sorge – es wird immer einen Arzt im Haus geben, und wie die neue Technologie wird auch sie besser sein als je zuvor.

Lise Millay Stevens, M.A., ist eine vertraglich verpflichtete medizinische Kommunikationsspezialistin, die beim New York City Department of Health & Mental Hygiene (stellvertretende Direktorin für Publikationen), bei der American Medical Association (leitende Redakteurin von fünf JAMA-Zeitschriften) und anschließend als Senior Press Associate und Redaktionsleiterin von Neurology tätig war. Lise ist Mitglied der American Medical Writers‘ Association (ehemalige Präsidentin, Chicago), des New York Press Club und der Society of Professionals Journalists.