Wie kommt die KI in den Workflow?

Nicht jedem fällt es leicht, sich mit neuen Technologien schnell vertraut zu machen. Doch wenn man die grundsätzlichen Zusammenhänge erklärt bekommt, ist schnell eine Basis hergestellt, um das Wissen gezielt und umfassend auszubauen.

Sobald man beginnt, sich für die Anwendung von KI-Algorithmen zu interessieren, stellt man schnell fest, dass es unterschiedliche Möglichkeiten gibt, die so genannten Classifier in den eigenen Workflow zu integrieren. Dabei steht Classifier als Synonym für den Algorithmus, da es darum geht, das Ergebnis der Datenanalyse zu klassifizieren. Classifier gibt es also für unterschiedliche Anwendungen beziehungsweise Organe wie zum Beispiel Herz, Lunge, Leber, Gehirn oder die Diagnostik
von Schlaganfällen.

Umfangreiches Angebot

Experten gehen davon aus, dass es aktuell 400 unterschiedliche KI-Algorithmen gibt, die um die Gunst der Kunden buhlen. Die schiere Vielfalt lässt einen fast verzweifeln: Welcher Classifier eignet sich für meinen speziellen Anwendungsfall und wie setze ich ihn ein? Wer sich diese beiden Fragen stellt, ist schon mal auf dem richtigen Weg. Denn die Voraussetzung für einen erfolgreichen Einsatz der neuen Technologie ist eine Strategie.

Bevor man sich mit unterschied­lichen Herstellern auseinandersetzt, geht es also darum, sich konkrete ­Fragen zu stellen, die vom Anwendungsszenario bis hin zu den klinischen, organisatorischen und ökonomischen Vorteilen reichen, die man sich von der Künstlichen Intelligenz verspricht.

Dr.med. Jens Opalka: „Kunden schätzen unsere on-premise-Lösungen vor allem wegen der hohen Datensicherheit und schnellen Verfügbarkeit der Ergebnisse. Mit für GPU-optimierten Algorithmen liegen diese in weniger als fünf Minuten vor – eine Voraussetzung für die effiziente Workflowintegration. Kleine Gaming- PCs reichen hierfür aus. Wenn keine adäquaten Hardware-Ressourcen verfügbar sind, bieten wir aber auch skalierbare Cloud-Lösungen an.“ 

Dr. med. Tobias Lindig: „Unterstützung durch eine KI brauche ich vor allem dann, wenn ich als Radiologe an meine menschlichen Grenzen stoße, zum Beispiel bei der zuverlässigen Früherkennung neurodegenerativer Veränderungen. KI-Software muss präzise und schnell klar strukturierte Ergebnisse liefern, unkompliziert im Handling sein, datensicher und sich nahtlos in den gewohnten Workflow integrieren.“ 

Tobias Anger: „ Ein wichtiger Aspekt, der vor allem bei der cloudbasierten Einführung von KI beachtet werden muss, ist der datenschutzkonforme und effiziente Datenaustausch zwischen PACS / Modalitäten und KI-Anwendungen. Aufbauend auf unserer langjährigen Erfahrung im cloudbasierten Archivieren bietet Telepaxx nun auch Lösungen für den sicheren Austausch medizinischer Daten in der Cloud.“ 

Sind Strategie und Anwendungsszenario definiert, lautet Schritt 2: Wie setze ich die Technologie um? Bei der Integration von KI-Algorithmen stehen zwei unterschiedliche Möglichkeiten zur Verfügung. Entweder man installiert den Algorithmus vor Ort (on-premise) auf einer dedizierten Computerhardware oder es wird ein Cloudservice genutzt. Den Cloudservice kann man wiederum bei einzelnen KI-Herstellern oder aber über einen digitalen (KI-) Marktplatz buchen.

On-premise oder Cloud?

Erste Erfahrungen zeigen, dass die on-premise-Installation als empfehlenswert erscheint, wenn man einen oder zwei Classifier nutzen möchte. Denn Künstliche Intelligenz ist anspruchsvoll, was die Leistungsfähigkeit von Prozessoren betrifft. KI-Algorithmen erfordern schnelle CPUs oder eventuell gleich ein GPU-Cluster. Wer von einer regelmäßigen Nutzung der Algorithmen ausgeht oder wenn gar damit zu rechnen ist, dass mehrere Studien gleichzeitig ausgewertet werden sollen, ist zudem darauf zu achten, dass das System mit Dingen wie Load-Balancing oder Study-Queing umgehen kann. Beides Anforderungen, die man bei der Nutzung digitaler Marktplätze genauso vergessen kann, wie den Datenschutz für jede einzelne Lösung erneut zu betrachten.

Der Vorteil von Marktplatzlösungen ist: Man hat nur einen einzigen An­sprech­partner, wenn es um die Integration mehrerer Classifier und den Datenschutz geht. Geht man von einer gleichzeitigen Nutzung von drei und mehr KI-Algorithmen aus, ist die Entscheidung für eine on-premise-Installation sorgfältig abzuwägen.

Denn ein weiterer Vorteil der Marktplatzbetreiber ist deren Portfolio. Fast alle haben für ein und denselben Anwendungsfall unterschiedliche Classifier im Angebot. Sollte der ursprünglich ausgewählte nicht die gewünschten Ergebnisse liefern, ist schnell zur Alternative gewechselt.

Pay-per-Use oder Subscription?

Welches Konzept im Einzelfall auch ökonomisch das bessere ist, lässt sich nur durch konkrete Angebote klären. Üblich sind in beiden Fällen – on-premise und Cloud – so genannte Pay-per-Use-Modelle und Abonnements oder wie es neudeutsch heißt, Subscriptions. Mit den neuen Abrechnungsmodellen betreten die KI-Unternehmen in der Radiologie beziehungsweise im Gesundheitswesen weiteres Neuland.

Pay-per-Use hatten zwar einige PACS-Anbieter vor etwa 15 bis 20 Jahren auch schon im Programm. Die Pay-per-Use-Modelle von heute unterscheiden sich jedoch von den damaligen Modellen. Moderne Pay-per-Use-Modelle sind monatlich kündbar und werden nach Verbrauch bezahlt. Das heißt: Wenn man die Software mal weniger nutzt, zahlt man in diesem Zeitraum auch weniger. Und wenn man sie viel nutzt, zahlt man mehr.

Doch spätestens jetzt sollte es an der Zeit sein, sich auch im Gesundheitswesen mit den neuen Technologien und Methoden auseinanderzusetzen. Clouddienste und Online-Bezahlmodelle sind heutzutage branchenübergreifend Standard.

Ein weiterer Aspekt, der bei der KI-Strategie berücksichtigt werden sollte, ist die Integrationstiefe der Algorithmen: Möchte ich KI lediglich für die Diagnoseunterstützung verwenden und mit dem PACS verbinden oder geht es mir auch darum, die der Bildanalyse vor- oder nachgelagerten Prozesse zu automatisieren?

Die Verknüpfung der KI-Anwendungen mit dem PACS kann meist mithilfe des DICOM-Standards realisiert werden. Für die Kommunikation und den Informationsaustausch mit dem RIS oder der Software zur automatisierten Befundung muss man sich auch mit IHE-Profilen (Integration the Healthcare Enterprise), HL7 oder FHIR (Fast Healthcare Interoperability Resources; gesprochen wie engl. fire) auseinandersetzen. Gegebenenfalls verwenden Hersteller auch eigene Erweiterungen basierend auf diesen Standards.

Komplexer soll es gar nicht werden. Denn diese Anleitung reicht aus, um die Informationen von KI-Herstellern und Marktplatzanbietern richtig einsortieren zu können. Wenn es darüberhinaus geht und man es sich zutraut, ist es empfehlenswert, mit den Unternehmen des eigenen Vertrauens die Planung fortzusetzen. Andernfalls ist sicherlich eine professionelle Beratung von Vorteil. Vertrauen, das zeigt auch das Interview mit Rainer Kasan, Dr. Christian Prasch und Dr. Franz Pfister, ist wesentlicher Bestandteil der KI-Integration. Es braucht nicht nur Vertrauen in die KI-Hersteller, sondern auch in die Funktionsweise und Ergebnisse der KI-Algorithmen.