Dr. Algorithmus - wenn der Computer die Gesundheit checkt

Ein Zukunftszenario zur Rolle der künstlichen Intelligenz in der Medizin

Pixabay

Die Zukunftsreporter – Ihre Korrespondenten aus möglichen Welten, in denen wir leben werden oder leben wollen

Stellen wir uns doch einmal vor, morgen wäre der Tag Ihrer wichtigsten Untersuchung: der große Gesundheitscheck. Es ist ganz normal, dass Sie in der Nacht davor schlecht schlafen und den Appetit verlieren. Schließlich kennt jeder einen Freund, eine Freundin oder ein Familienmitglied, bei dem der Computer überraschend eine Krankheit entdeckt hat. Rechtzeitig entdeckt hat, denn die Behandlung verlief erfolgreich.    

Seit ein paar Jahren ist die große Vorsorgeuntersuchung mit künstlicher Intelligenz selbstverständlich. Die Gesellschaft hat sie akzeptiert. Erst zögerlich, aber als die Krankenkassen wie früher beim Zahnersatz auch für andere Krankheiten ein Belohnungssystem eingeführt haben, meldeten sich immer mehr Menschen für die große Vorsorgeuntersuchung. Manchmal bekommt man nur dann eine bessere Therapie, wenn man genügend Stempel auf dem Vorsorgeausweis gesammelt hat. Es ist ja auch nicht schwer: Online einen Termin vereinbaren, damit es keine Wartezeiten gibt.

Ein Großrechner wertet mit künstlicher Intelligenz die Ergebnisse des Scans im Computertomografen und im MRT aus. Bei der Untersuchung muss man eine Stunde stillliegen, bis die Analysegeräte den Körper von Kopf bis Fuß durchleuchtet haben. Dann wartet man 30 Minuten auf die Antwort des Algorithmus. Der Computer kennt Millionen Bilder von Organen im gesunden Zustand und in den verschiedenen Phasen der wichtigsten Erkrankungen. Manche Menschen verlassen das Untersuchungszimmer im öffentlichen Institut für Radiologie kreidebleich. Sie haben die Empfehlung bekommen, bald einen Arzt aufzusuchen.

In dringenden Fällen vereinbart der Rechner sofort einen Termin. Im dritten und vierten Stock des Instituts überprüft dann ein Arzt gleich das Ergebnis des Algorithmus. Für viele ist das noch ein kleiner Hoffnungsschimmer, aber fast immer bestätigen die Ärzte die Diagnose des Computers. Der menschliche Blick auf die Bilder des CT und des MRT ist längst schlechter als der des Dr. Algorithmus. Denn die künstliche Intelligenz wird ständig mit neuen Daten gefüttert, die Fehlerquote des Algorithmus liegt inzwischen bei einem Promille. Diese Zahl wird der Transparenz wegen jedes Jahr bekannt gegeben. Nur eine von tausend Diagnosen ist falsch. Ärzte bieten deshalb keine Vorsorge-Untersuchungen mehr an – sie haben Angst, verklagt zu werden, wenn sie etwas übersehen. Der Computer erkennt doppelt so viele Krankheiten wie ein Radiologe, der vor zehn Jahren sein Studium beendet hat. Das alles ist ein großer Fortschritt, denn Früherkennung ist wichtig. Manche Patienten haben an der Seitenwand des Instituts kleine, gravierte Metallschilder angebracht, die häufig nur ein Wort tragen: Danke.

Jeder Betrieb muss seinen Mitarbeitern zwei Tage frei geben, damit sie die „Jährliche“ machen können. Die „Jährliche“ - so heißt die Untersuchung im allgemeinen Sprachgebrauch. Psychologen werten diesen unverbindlichen Ausdruck, der sich eingebürgert hat, als Zeichen von Unsicherheit. Menschen tun sich schwer, über Unangenehmes zu sprechen. Früher sagte man, der Zustand ist "sehr ernst" und meinte den möglichen Tod. Aus dem gleichen Grund heißt es eben die „Jährliche“.

Die Firmen sollen zwei Tage freigeben, weil es zur Tradition geworden ist, dass die Menschen nach der Untersuchung eine Ü-40-Party feiern, sofern alles gut verlaufen ist. Wer auf der Bewertungsskala unter als 40 Punkten bleibt, gilt in den Augen der Maschine als gesund. Ein befreiendes Gefühl. Wer 60 Punkte nicht überschreitet, muss sich keine großen Sorgen machen. Trotzdem ist die Anspannung in der Woche vor der Untersuchung so groß, dass ein Tag Erholung angemessen ist. Vor der „Jährlichen“ setzen die Betriebe gern Quartalsgespräche an, in denen Mitarbeiter über den Stand ihrer Projekte berichten. Das hat sich notwendig erwiesen, weil manche Mitarbeiter nach der „Jährlichen“ erst nach mehreren Monaten an den Arbeitsplatz zurückkehren. Die Therapie hat eben Vorrang.

 

Aber keine Sorge. Diese Form der umfassenden Vorsorgeuntersuchung wird zwar gern als Zukunftsszenario aufgebaut. Aber nach Ansicht der Experten für künstliche Intelligenz im Gesundheitswesen wird es sie nie geben. Trotzdem spielt Dr. Algorithmus in der Arztpraxis eine wachsende Rolle. Lesen Sie von vier ganz konkreten Projekten, wie lernende Algorithmen (künstliche Intelligenz) in der Medizin bereits eingesetzt werden. Die Zukunftsreporter freuen sich über ein kleines Honorar.

Medikamentenmischung für HIV-Patienten

HIV kann noch immer nicht geheilt werden. Die Therapie verfolgt das Ziel, die Vervielfältigung des Virus zu unterdrücken und dadurch die Virus-Konzentration im Körper niedrig zu halten. Dafür gibt es mehr als zwei Dutzend Wirkstoffe, die auch gemeinsam verabreicht werden. Die Mediziner verfügen über mehr als 1000 mögliche Therapieoptionen. Kurz nach der HIV-Diagnose schlägt die Therapie meist noch gut an, aber das anpassungsfähige HI-Virus entwickelt schnell Resistenzen gegen die Wirkstoffe. „Die Virus-Resistenz ist das zentrale Problem der Therapie“, bestätigt Thomas Lengauer, Direktor der Abteilung Computational Biology and Applied Algorithmics am Max-Planck-Institut für Informatik in Saarbrücken. Die Resistenzen können sich so weit entwickeln, dass die Ärzte ihren Patienten keine wirksame Behandlung mehr anbieten können. Das HI-Virus kann sich dann ungehindert im Körper ausbreiten.

Die Bio-Informatiker überlisten mit der künstlichen Intelligenz das Virus. Die lernenden Algorithmen nutzen als Information die detaillierte genetische Sequenz des HI-Virus eines Patienten, die aus einer Blutprobe ermittelt wird. Zudem profitieren die Bio-Informatiker von einer europaweiten Datenbank mit den Daten von 150.000 Patienten, die die Therapie gewechselt haben. Die eine Hälfte der Datenbank verwendet der Algorithmus zunächst zum Lernen. Er sucht beispielsweise nach Zusammenhängen zwischen den Mutationen im genetischem Profil des Virus, der Medikamentengabe und der Virenmenge im Blut. Danach testet die Maschine mit der anderen Hälfte der Daten, ob sich die eigenen Prognosen zur Wirksamkeit einer Therapie mit der Wirklichkeit decken. Wenn der Lernprozess beendet ist, kann die Software das Resistenzniveau des gegenwärtigen Virus im Patienten gegenüber den Wirkstoffen abschätzen. Das Virus kann tausende Mutationen haben, aber nur ein paar davon beeinflussen die Resistenz. „Wir berechnen Erfolgswahrscheinlichkeiten einer Therapie für 48 Wochen in die Zukunft“, erläutert Lengauer.

Die Patienten profitieren bereits von den Fähigkeiten der künstlichen Intelligenz. Die Übertragung in den Alltag war aber nicht einfach. „So etwas im Labor zu entwickeln oder beim Patienten anzuwenden, sind zwei ganz unterschiedliche Dinge“, berichtet Lengauer über seine Erfahrungen. So wollen Ärzte eine Erklärung haben, warum die Software eine bestimmte Medikamenten-Kombination ausgewählt hat – „Explainable AI“ heißt der Fachausdruck dafür. Sonst akzeptieren sie die Entscheidung der Software nicht. Die Bio-Informatiker haben eine stärkere Variante der KI entwickelt, die eine konkrete Therapie vorschlägt. Aber die hat sich noch nicht durchgesetzt, weil die Ärzte ihr nicht vertrauen. „Wir arbeiten an einer neuen Generation, die es dem Arzt erleichtert, die Entscheidung nachzuvollziehen“, erklärt Lengauer. Diese Lösung sei interaktiver, biete mehr Alternativen und bilde das Entscheidungsverfahren ab. 

In der Bevölkerung überwiegt Skepsis

Nicht nur bei den Ärzten, auch in der Bevölkerung ist die Skepsis gegenüber den Entscheidungen der künstlichen Intelligenz weit verbreitet. Das belegt das Technik-Radar, eine repräsentative Umfrage, die von der Körber-Stiftung und acatech beauftragt wurde. Nur ein Drittel der Befragten finden es sinnvoll oder sehr sinnvoll, wenn Ärzte ihre Entscheidungen vor allem auf der Basis von riesigen Datenbanken treffen. Nur jeder Fünfte vertraut dem Computer mehr als dem Arzt, wenn sich die Diagnosen von Mensch und Maschine widersprechen.

Früherkennung von Hautkrebs

Dabei zeigt eine Studie der Uni Heidelberg, dass die künstliche Intelligenz durchaus zuverlässigere Diagnosen stellen kann als der Mensch. Das Team von Holger Haenssle verwendete ein von Google entwickeltes neuronales Netzwerk zur Früherkennung von Hautkrebs. Die Heidelberger trainierten das System mit mehr als 100.000 realen Fotos von auffälligen Leberflecken bei denen die Wissenschaftler wussten, ob sich daraus Hautkrebs entwickelte. Im Vergleich zu erfahrenen Dermatologen schnitt der Algorithmus bei der Bewertung unbekannter Fotos am Ende sogar besser ab. Der Computer erkannte 95 Prozent der Melanome und fand damit mehr Krebsfälle als die Ärzte, die nur 89 Prozent entdeckten. Dabei konnten die Ärzte sogar auf zusätzliche Bilder zurückgreifen, so wie sie es in ihrem Praxisalltag auch tun würden. In diesem Fall verfügten die Dermatologen über eine mehrjährige Erfahrung bei der Erkennung von Hautkrebs. Die hat sicher nicht jeder Arzt. Der Einsatz der künstlichen Intelligenz könnte dafür sorgen, dass alle Patienten eine zuverlässige Diagnose erhalten – unabhängig davon, wo sie wohnen, oder welchen Arzt sie konsultieren. Der Computer soll den Arzt nicht ersetzen, sondern seine Entscheidungsfindung erleichtern, schreibt Haenssle. Denkbar auch, dass es in der Zukunft eine zentrale Stelle gibt und der Arztbesuch manchmal entfällt: Wer einen auffälligen Leberfleck findet, kann ihn gemäß der Anweisung einer App fotografieren und das Bild an einen Computer schicken, der das Hautkrebsrisiko erkennt. Die Software würde dann entweder den Besuch beim Arzt empfehlen oder Entwarnung geben.

Die Deutschen vertrauen der künstlichen Intelligenz in der Medizin noch nicht.
Körberstiftung, Acatech

Lungenuntersuchung auf Tuberkulose

Röntgenuntersuchungen der Lunge sind seit Jahrzehnten der wichtigste Weg, um Tuberkulose (TB) zu erkennen. Jährlich infizieren sich nach Angaben der Weltgesundheitsorganisation (WHO) mehr als zehn Millionen Menschen mit TB. Im Jahr 2016 starben 1,3 Millionen Menschen an der hoch ansteckenden Krankheit. Mit Massenuntersuchungen lässt sich die Ausbreitung der Krankheit verhindern, wenn es vor Ort genug Medikamente gibt. Doch in ärmeren Ländern und in Ländern mit hohen Bevölkerungszahlen fehlen meistens Ärzte, die Röntgenbilder auswerten können. Diese Aufgabe kann aber auch künstliche Intelligenz übernehmen.

Die Software „Computer-Aided Detection for tuberculosis“ (CAD4TB) wird inzwischen sogar von der Weltgesundheitsorganisation (WHO) empfohlen. Der Computer erkennt abnormale Strukturen, die Hinweise auf TB liefern. Er liefert binnen Minuten eine Punktzahl zwischen 0 und 100 für die Wahrscheinlichkeit, dass auf dem Röntgenbild eine aktive TB zu sehen ist. In diesem Fall muss der Betroffene eine Speichelprobe zur weiteren Diagnostik abgeben. Die Qualität der Computerdiagnose wurde weltweit von Lungenärzten überprüft. CAD4TB wird mittlerweile in 24 Ländern eingesetzt. Das System eignet sich für Krankenhäuser oder als mobile Diagnostikeinheit, die in einen kleinen Lkw passt. Nach Angaben des Herstellers, Delft Imaging Systems, sind täglich 200 Untersuchungen möglich. Computer sollen demnächst auch beim Mammografie-Screening zur Früherkennung von Brustkrebs eingesetzt werden.


Mobile Tuberkulose-Kontrolle im Lkw: Dieses Fahrzeug erreicht in Nigeria auch Städte und Dörfer ohne Arzt oder Krankenhaus. Das Equipment ermöglicht eine Tuberkulose-Untersuchung.
Mobile Tuberkulose-Kontrolle im Lkw: Dieses Fahrzeug erreicht in Nigeria auch Städte und Dörfer ohne Arzt oder Krankenhaus. Das Equipment ermöglicht eine Tuberkulose-Untersuchung.

Früherkennung einer Sepsis auf der Intensivstation

Die Sepsis (populärer Name: Blutvergiftung) ist eine der häufigsten Todesursachen in Deutschland. Bei einer Sepsis weitet sich eine ursprünglich lokal begrenzte Infektion über das Lymphsystem oder die Blutgefäße auf den ganzen Körper aus. Etwa 160.000 Fälle gibt es in Deutschland jedes Jahr, ein Drittel der Betroffenen stirbt, meistens an Multi-Organ-Versagen. Bei der Behandlung einer Sepsis auf der Intensivstation zählt jede Minute.

In der Schweiz soll deshalb im Rahmen der „Personalized Swiss Sepsis Study“ jetzt ein Frühwarnsystem etabliert werden. Dazu werden auf den Intensivstationen von mehreren Schweizer Universitätskliniken während des gesamten Verlaufs einer Sepsis komplexe Informationen über den Patienten und den Erreger gesammelt. Die Daten, die beim typischen Monitoring der Intensiv-Patienten anfallen, sollen zudem kombiniert werden mit genetischen Analysen des Erregers und weiteren molekular-genetischen Untersuchungen des Patienten. Zudem weiß man von jedem Teilnehmer der Studie, ob er eine Sepsis entwickelt hat und wie eine Therapie angeschlagen hat. Die künstliche Intelligenz soll in dieser Datenflut neue Bio-Marker finden, mit denen sich der Verlauf von Blutvergiftungen früher und genauer als bisher vorhersagen lässt, und damit eine effektivere Behandlung ermöglichen. Das könnte Leben retten.

Die Bio-Informatiker profitieren davon, dass sie sich nicht auf Archivdaten stützen müssen, sondern alle Daten im Rahmen des Projekts selbst erheben. Denn je besser die Qualität des Datensatzes, desto erfolgreicher kann er von den Algorithmen ausgewertet werden. So reicht vermutlich eine niedrige Zahl an Patienten aus, um bisher nicht bekannte Zusammenhänge zu erkennen. „Bei dieser gut ausgewählten Patienten-Gruppe könnte eine niedrige vierstellige Zahl an Patienten bereits ausreichen“, urteilt Michael Forsting, Direktor des Instituts für Diagnostische und Interventionelle Radiologie und Neuroradiologie am Universitätsklinikum Essen. Die Wissenschaftler vertrauen darauf, dass die Computer die Daten besser verknüpfen als das menschliche Gehirn.

Verlaufskontrolle bei chronischen Erkrankungen

Für dieses Problem haben die Radiologen bereits einen Terminus technicus: „satisfaction of search“ heißt ein häufiger Fehler, der auch erfahrenen Radiologen unterläuft. Gemeint ist, dass der Arzt eine Auffälligkeit im Bild erkennt, damit zufrieden ist und deshalb nicht nach weiteren Auffälligkeiten sucht. Besonders häufig passiert das bei Verlaufskontrollen: bei Bildern des CT oder MRT, die aufgenommen werden, um die Entwicklung einer Therapie zu verfolgen. Wie hat sich ein Tumor entwickelt? Gibt es in einem Organ mehr oder weniger Ablagerungen als beim letzten Arztbesuch? Diese Routine-Aufgabe sollen künftig Algorithmen erledigen, damit der Radiologe prüfen kann, ob sich beispielsweise neue Metastasen entwickelt haben.

Generell könnte künstliche Intelligenz bei der Suche nach Tumoren hilfreich sein. In den USA wird bereits ein Programm verkauft, dass auf CT-Bildern der Lunge Knoten entdeckt und deren Form und Volumen bestimmt. Der Hersteller möchte damit Routine-Untersuchungen bei Risikogruppen erleichtern. Die Uni-Klinik Essen nutzt ein Programm, dass bei Gebärmutterhalskrebs frühzeitig Metastasen aufspürt. „Es sagt mit einer Treffsicherheit von 95 bis 97 Prozent vorher, ob die Patientinnen bereits Metastasen entwickelt haben“, erklärt Michael Forsting.  

Universitätsklinik Essen