Skip to main content

Hitachi

Social Innovation

Maschinelles Lernen: Wie lautet die Diagnose?

Durch die Kombination von riesigen Mengen an Patientendaten mit künstlicher Intelligenz beginnen wir damit, in der Lage zu sein, Krankheiten vorauszusehen, bevor sie entstehen.

Durch die Kombination von riesigen Mengen an Patientendaten mit künstlicher Intelligenz beginnen wir damit, in der Lage zu sein, Krankheiten vorauszusehen, bevor sie entstehen.

Wenn Maschinen eine lebensbedrohliche Krankheit erkennen bevor sie zuschlägt, hat das das Potenzial, zahllose Leben zu retten.

Es setzt auch Gesundheitsvorsorge Ressourcen und Geld frei, wenn diese Menschen niemals zu Patienten werden. Hier sind einige der Krankheiten, die zur Vergangenheit werden könnten, wenn KI in der Lage ist, sie korrekt vorherzusagen:

Herzinfarkte

Herzinfarkte können ohne oder mit nur wenig Vorwarnung auftreten und führen zu 200 Toten pro Woche im Vereinigten Königreich; allerdings sind sie zum größten Teil durch das Verhalten der Patienten verursacht, zum Beispiel durch ihre Ernährung. Während Ärzte versuchen, auf der Grundlage der Gesundheit und des Verhaltens vorauszusagen, wer ein erhöhtes Risiko besitzt, erreichen Menschen nur eine Erfolgsquote von 30 %. Aber jetzt sieht sich ein maschinell-lernender Algorithmus der Carnegie Mellon Universität 72 Parameter in der Krankengeschichte der Patienten an, unter anderem Vitalzeichen, Alter, Blutzucker und Thrombozytenzahl, und beurteilt dann, ob der Patient auf einen Notfallinfarkt zusteuert. Beim Test mit historischen Daten war das System in der Lage, manchmal vier Stunden vor dem Ereignis mit 80%iger Wahrscheinlichkeit vorauszusagen, ob ein Patient hätte eingeliefert werden müssen. Wenn dies in Krankenhäusern zum Einsatz käme, wären diese Genauigkeit und das Frühwarnsystem in der Lage, zahllose Leben zu retten und Krankenhausaufenthalte zu verkürzen.

Psychosen und Schizophrenie

Maschinelles Lernen ist nicht auf die Analyse von körperlichen Beschwerden durch die Nutzung von Patientendaten beschränkt. Im Jahr 2015 hat ein Team von Forschern ein KI-Modell entwickelt, das korrekt vorhergesagt hat, welche Mitglieder einer Gruppe junger Menschen eine Psychose – ein Hauptbestandteil von Schizophrenie – entwickeln würden, indem es Transkriptionen ihrer Sprache analysierte. Dieses Modell konzentrierte sich auf eindeutige verbale Tics einer Psychose wie kurze Sätze, häufige Nutzung von Wörtern wie „dies“, „das“ und „ein“, sowie ein verworrener Sinn von einem Satz zum nächsten. Dies ermöglicht bessere Beweise in der Diagnose, da Probleme der geistigen Gesundheit oft schwieriger zu testen sind und ermöglicht so einen schnelleren Weg zu einer Behandlung für Patienten statt langwieriger Diagnosestadien.

Brustkrebs

Brustkrebs ist der am meisten verbreitete Krebs im Vereinigten Königreich, mit einer von acht Frauen, die diese Diagnose in ihrem Leben bekommt. Häufige Mammografien sind im Vereinigten Königreich inzwischen weit verbreitet und so haben Ärzte Zugriff auf Daten, die zeigen, welche Frauen das größte Risiko haben. Allerdings nimmt die Sichtung dieser Datensätze einen nicht unerheblichen Teil der Zeit eines Spezialisten in Anspruch ‒ die manuelle Sichtung von 50 Datensätzen kann zwei Mediziner 50 bis 70 Stunden kosten. Die Sichtung dieser Datensätze ist nicht nur zeitintensiv ‒ die Datensätze können auch häufig fehlinterpretiert werden. In den USA werden jährlich 12,1 Millionen Mammografien durchgeführt, aber die Hälfte davon führt laut der American Cancer Society zu falschen Ergebnissen, was dazu führt, dass eine von zwei gesunden Frauen die Diagnose Krebs erhält und sich oft invasiven chirurgischen Maßnahmen unterziehen muss.

Auch hier kann KI Zeit sparen und Genauigkeit erhöhen. Forscher am Houston Methodist Research Institute in Texas haben eine Künstliche Intelligenz Software entwickelt, die verlässlich Mammografien interpretiert und die Patientendaten 30 Mal schneller in diagnostische Informationen überträgt als ein menschlicher Arzt, und das mit einer 99-prozentigen Genauigkeit. Mediziner nutzen die Ergebnisse der KI-Software wie die Ausprägung von Tumorproteinen, um genau die Wahrscheinlichkeit einer Brustkrebsdiagnose für jeden Patienten vorauszusagen.

Neben der Reduzierung der Anzahl der Fehlresultate kann die KI-Software 500 Datensätze in wenigen Stunden sichten, was Ärzten 500 Stunden ihrer Zeit einspart.

Diabetes

Die Behandlung von Typ 2 Diabetes kostet den NHS 8,8 Mrd Britische Pfund pro Jahr und obwohl es weitestgehend vermeidbar ist, steigt die Verbreitung. In Salford, im Vereinigten Königreich, hat einer von zehn Männern über 60 Jahren Diabetes. Einer der Hauptfaktoren für die Entwicklung von Diabetes ist Fettleibigkeit, welche das Risiko die Krankheit zu entwickeln, erhöht. In Zusammenarbeit mit Hitachi, dem Salford Royal Foundation Trust und der Salford Clinical Commissioning Group, hat Salford jetzt ein integriertes System elektronischer Akten, d. h. Menschen mit dem höchsten Risiko, einen Typ 2 Diabetes zu entwickeln, können identifiziert und dabei unterstützt werden, gesunde Lebensstilziele zu erreichen. Das System nutzt Patientendaten, darunter Gewicht und Zuckerregulierung, um herauszuarbeiten, ob sie das Risiko haben, die Krankheit zu entwickeln und macht dann Lebensstilvorschläge, um gesünder zu werden und das zu verhindern.

Die Nutzung von KI in der Gesundheitsvorsorge hat das Potenzial, den größten Effekt auf unser tägliches Leben zu haben. Dadurch, dass man den Patienten aufgrund ihrer Daten anstatt nur aufgrund von Beurteilungen mitteilt, auf welche Krankheit sie zusteuern, ist die Wahrscheinlichkeit größer, dass sie Lebensstilveränderungen vornehmen und sich entsprechend verhalten. Lokale Behörden können auch Geld bei der Analyse und Diagnose sparen, und dadurch ermöglichen, dass die Ressourcen darauf verwendet werden, für diejenigen zu sorgen, die die notwendigen Veränderungen nicht vornehmen konnten. Ein Apfel pro Tag hält den Arzt fern, aber ein Computer hat vielleicht andere Ideen dazu, was am besten für Sie ist.