Alles künstlich intelligent

Blog - vijay-rao.png

Auf den ersten Blick scheint es nicht viel Neues gegeben zu haben: Überall steckt jetzt Künstliche Intelligenz drin. Aber je lauter die Versprechen sind, desto mehr muss man suchen, was sich dahinter versteckt.

Nachdem 2016 das Thema Künstliche Intelligenz anfing aufzukeimmen, gipfelte es bereits 2017 in zahlreichen Vermutungen, dass die Radiologie bald abseits stehen und durch Computer ersetzt werden würde. Auf dem RSNA 2018 war diese Diskussion schon etwas zurückhaltender. Denn sämtliche wissenschaftliche Meinungen widersprechen der zukünftigen Arbeitslosigkeit von Radiologen. Und das aus gutem Grund. Denn das Gesundheitswesen in annähernd allen entwickelten Regionen dieser Erde steuert in die selbe Richtung. Die demographische Entwicklung sorgt für mehr Patienten und höhere Fallzahlen. Doch die Budgets sind allerorts knapp und die Vergütung sinkt. Kein Wunder also, dass sich Unternehmen, die effizienzsteigernde Produkte anbieten, große Umsätze erwarten. Das ist bisher nicht der Fall und hat viele Gründe.

Technologie mit Potenzial

Zum einen zeigt das Verständnis von Künstlicher Intelligenz über die Unternehmen hinweg eine große Bandbreite. Während die einen darunter verstehen kameraassistiert Patienten zu positionieren, werten die anderen Befunde von Kohorten aus, um Diagnose und Therapievorschläge zu unterbreiten. Wieder andere steuern den Workflow, um Personal effektiver einzusetzen und Modalitäten effizienter zu nutzen. Doch alle Varianten verfügen über ein gemeinsames Merkmal: Sie werten große Datenmengen (Big Data) aus, um mit selbstlernenden Systemen (Machine Learning) zu besseren Ergebnissen zu kommen. Verfügen diese selbstlernenden Systeme dann noch über mehrere Ebenen in einem künstlichen neuronalen Netzwerk, spricht man von Deep Learning. Unter Künstlicher Intelligenz versteht man also die systematische Auswertung großer Datenmengen mit künstlichen neuronalen Netzwerken. Mal mit weniger Ebenen, dann heißt es Machine Learning und die komplexere Variante nennt man Deep Learning.

Dass in dieser Technologie viel Potenzial steckt, braucht niemand mehr bezweifeln. Die mathematischen bzw. Informationstechnischen Grundlagen dazu wurden bereits in der Mitte des letzten Jahrhunderts entwickelt. Bisher fehlten lediglich leistungsfähige Computer, um die Algorithmen in angemessner Zeit abzuarbeiten. Das Mooresche Gesetz lässt grüßen. So war sowohl der Eröffnungsrede von Kongresspräsidentin Prof. Vijay Rao, als auch der Präsentation der Gastrednerin Prof. Fei-Fei-Li, Informatikerin an der Stanford University, zu entnehmen: Die Herausforderungen in der modernen Medizin sind nur mit Computerunterstützung zu gewährleisten, und die Radiologen müssen aus ihrem Kämmerchen raus, um sich den Patienten, den Zuweisern und den Klinikärzten mehr zu öffnen – sichtbarer zu werden. Künstlich Intelligente Systeme geben ihnen genau die Werkzeuge an die Hand, in Zukunft der Arzt der Ärzte zu sein. Dem Radiologen werden mithilfe neuer Technologien sämtliche relevanten Vorbefunde angezeigt. Gleichzeitig bieten die Systeme grafische Übersichten über den Verlauf der Befunde, informieren ihn über eventuelle neue Läsionen und schlagen gar Therapien vor, die bei vergleichbaren Fällen (digitaler Zwilling) geholfen haben.

Die Zukunft mitgestalten

Wer sich als junger Radiologe bzw. Arzt, der neuen Technik entgegenstellt, sollte lieber einen anderen Beruf wählen. KI wird sicherlich ein Baustein sein, den Spalt zwischen steigenden Fallzahlen und geringeren Vergütungen zu verkleinern. Zumindest in technischer Hinsicht. Dass in ethischer Hinsicht noch zahlreiche Baustellen offen sind, steht ausser Frage! Doch nur wer handelt, kann die Zukunft gestalten. Deshalb hat sich wahrscheinlich auch der 100. Deutsche Röntgenkongress 2019 in Leipzig das spannende Thema der Künstlichen Intelligenz und deren Folgen für die Radiologie zu eigen gemacht. KI kann dem wahllosen Klicken durch Werkzeugleisten ein Ende setzen und weit über die Funktion von Hänge-Protokollen hinausgehen. Doch die Verantwortung für den Befund, zu bestätigen, was dem Patienten wirklich fehlt, liegt weiterhin beim Radiologen.

Insofern liegt das wirklich Neue allein in der Software. Einzige wirklich revolutionäre Technologie auf dem RSNA 2018 bei den Modalitäten ist ein neuer MR mit nur sieben Litern Helium. Sonst gab es mancherorts bekannte Hardware in neuem Kleid. Weshalb es immer gleich einer neuen Gantry bedarf, wenn ein paar Softwarefeatures hinzukommen bleibt fraglich. Und diese Frage stellt sich umso mehr, wenn man an neue Studien zu Compressed Sensing denkt. Darunter versteht man eine Methode MR-Untersuchungszeiten zu verkürzen, indem nur eine reduzierter Datensatz aufgezeichnet wird. Denn mithilfe von KI-Algorithmen konnte gezeigt werden, dass es sogar möglich ist, nachträglich reduzierte Bilder mit KI wieder so darzustellen, dass diese vom Original nicht zu unterscheiden waren. Gemeinsam können wir gespannt sein, welchen Entwicklungssprung die Softwareunternehmen im nächsten Jahr präsentieren werden. In 2019 findet der RSNA vom 30.11. bis 6.12. statt.

Blog - AI-theater.png
Künstliche Intelligenz und Machine Learning waren die beherrschenden Themen des RSNA 2018

 

Bessere Medizin zu niedrigeren Kosten: Künstliche Intelligenz revolutioniert das Gesundheitswesen

Schreibe einen Kommentar

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.