Eine künstliche Intelligenz könnte diese Arbeit also übernehmen?
Einen Rundherd in der Lunge suchen, Verkalkungen in der Brust, eine Blutung im Kopf - das kann ein Computer schon besser als der Mensch. Wenn Sie den ganzen Tag Lebermetastasen in 3-D ausmessen müssen, werden Sie irgendwann einfach müde. KI kann das automatisch. Das kennen wir ja aus der Industrialisierung: Monotone, langweilige Tätigkeiten werden irgendwann automatisiert.
Diagnosen werden damit vielleicht etwas billiger. Aber werden sie auch besser?
Unser Ziel ist nicht, Medizin billiger zu machen. Medizin soll besser werden. Wir Ärzte können nur Grauwerte in medizinischen Bildern anschauen, der Computer schaut aber in das dahinterliegende digitale Muster: Millionen von Nullen und Einsen. Und die kann ein schneller Prozessor viel besser analysieren als ein Mensch. CT-Aufnahmen von Schlaganfallpatienten zum Beispiel: Da erkennt künstliche Intelligenz auch Verletzungen im Gehirn, die wir Menschen noch nicht sehen. Der wahre Wert von künstlicher Intelligenz ist nicht, dass sie das macht, was ein Mensch auch kann. Sondern dass sie viel mehr kann.
In welchen anderen Feldern hängt KI Ärzte denn heute schon ab?
Wir können mit KI noch viel tiefer in die Biologie schauen als bisher. Beispiel Gebärmutterhalskrebs: Wir haben viele radiologische Aufnahmen von erkrankten Organen gemacht und darin sehr viele Parameter analysiert, etwa die Größe des Tumors oder seinen Stoffwechsel. Das System vergleicht dafür rund 2000 Parameter auf den detailreichen PET/MR-Aufnahmen. Nun können wir mit einer Wahrscheinlichkeit von bis zu 97 Prozent vorhersagen, ob der Tumor bei betroffenen Frauen bereits gestreut hat oder ein erhöhtes Metastasierungsrisiko in der Zukunft aufweist – und die Therapie entsprechend anpassen. Auch bei Lungentumoren können wir jetzt Risikopatienten herausfinden, die mit einer Standardtherapie keine lange Überlebensdauer haben würden und die eine spezielle Behandlung benötigen.
Ärzte können solche Vorhersagen nicht treffen?
Beim Lungenkarzinom berücksichtigt unsere KI 1829 Parameter - das schafft kein Mensch. Das wäre, als müssten Sie die vierzehnte Wurzel aus einer achtstelligen Zahl im Kopf ausrechnen. Unmöglich! Oder denken Sie an Patienten mit Lebertumoren: Wir haben eine Therapie, da spritzt man mit einem Katheter kleine radioaktive Partikel in die Lebergefäße…
...um den Tumor abzutöten?
Richtig. Das Problem ist: Das Gewebe, das wir so verstrahlen, geht verloren. Das Entscheidende ist, vorhersagen zu können: Wird der Rest der Leber wieder wachsen und wie stark? Sonst ist der Patient den Tumor zwar los, stirbt aber trotzdem, weil die Leber versagt. Auch für erfahrene Ärzte ist das extrem schwer vorherzusagen.
Wie kann KI da helfen?
Wir haben eine KI gefüttert mit medizinischen Bildern, klinischen Daten und Laborwerten von Patienten mit Leberkarzinom. Das System hat aus diesen Daten gelernt vorherzusagen, ob sich die Leber regeneriert, wenn wir einen bestimmten Teil von ihr entfernen. Wenn die Prognose sehr schlecht ist, können wir dem Patienten die mühsame Therapie ersparen.
Ein Algorithmus entscheidet schon über Leben und Tod?
Nein, aber er unterstützt die Ärzte. Die sprechen mit dem Patienten und erklären: ‚Wir haben die Situation mit einem Computerprogramm analysiert und eine Behandlung wird sehr wahrscheinlich nicht funktionieren. Wir können Sie auch operieren, aber wir wollen Ihnen keine großen Hoffnungen machen.‘ Der Patient kann natürlich immer noch sagen: Ich will unbedingt noch eine Behandlung. Aber die meisten Patienten wollen nicht um jeden Preis weiterleben.
Die Software könnte sich auch irren.
Wir wissen einfach aufgrund der Daten, die wir haben, dass das Computerprogramm mit ganz hoher Wahrscheinlichkeit Recht hat. Natürlich gibt es immer Grenzfälle. Und eine Restunsicherheit bleibt. Das war schon von je her so in der Medizin. Als Notarzt etwa müssen Sie regelmäßig die Entscheidung treffen: Höre ich auf mit der Reanimation?
Können Sie denn feststellen, warum sich die KI für welche Option entscheidet - etwa die Leber-OP bleiben zu lassen?
Wir wissen nicht, welcher Parameter die Hauptrolle spielt. Die Vorhersage der KI basiert auf einer Kombination aus sehr vielen Faktoren. Dieses sogenannte Deep Learning zählt zu den effizientesten Methoden des maschinellen Lernens. Der Einsatz gehört zweifelsfrei zu den bedeutendsten Zukunftstechnologien innerhalb der Medizin. Das Training konzentriert sich auf das Ergebnis, also auf gelungene Diagnosen. Die Applikation lernt also vom Erfolg. Nach einer gewissen Zeit kann die Software eigenständige Schlussfolgerungen ableiten. Und zwar viel schneller als der Mensch und mit einer Fehlerquote von nahezu null Prozent.
Eine Blackbox also. Für viele Menschen dürfte das beängstigend sein.
Wissen Sie denn, warum Ihr Arzt eine bestimmte Entscheidung fällt? Das Entscheidende ist doch, dass man die Technik kontrolliert. In Laborstraßen laufen heute regelmäßig Teströhrchen mit, deren Werte die Laboranten genau kennen. Wenn der Automat da plötzlich einen falschen Kaliumwert misst, steht sofort alles still. Dann weiß man, da stimmt etwas nicht. Beim Mammografie-Screening per KI könnte man genauso einmal in der Stunde ein Testbild einspeisen, von dem man weiß, dass es ein Mammakarzinom zeigt.
