Sign up with your email address to be the first to know about new products, VIP offers, blog features & more.

Aktuelles aus der Forschung – Ärzte und Künstliche Intelligenz bei der Diagnose gleichauf

Die Digitalisierung hält zunehmend auch Einzug in die Medizin. Viele Studien haben sich bereits mit dem Thema Künstliche Intelligenz und ihre Implementierung in Behandlung und Diagnose befasst. Forscher um Xiaoxuan Liu und Livia Faes von University of Birmingham haben sich jetzt näher mit den bisher durchgeführten Studien befasst und eine Metaanalyse ebendieser unternommen. Die Ergebnisse wurden in der Fachzeitschrift The Lancet Digital Health veröffentlicht. Die Forscher kommen zu dem Schluss:

Künstliche Intelligenzen können im Rahmen bildgebender Diagnoseverfahren mit Ärzten mithalten.
„Eine interessante Studie mit wichtigen Erkenntnissen – Künstliche Intelligenzen könnten künftig die Diagnose erheblich beschleunigen und vereinfachen.“ — Dr. Dr. Tobias Weigl Share on X

Was sagt die Studie genau?

Liu und Flaes, beide Erstautoren der Studie, haben künstliche Intelligenzen (kurz: KI) in der Medizin auf den Prüfstand gestellt. Sie sind der Meinung, dass das Deep Learning als vielversprechend in Hinblick auf medizinische Diagnoseverfahren gilt. Aber was ist Deep Learning eigentlich?

Mit dem Begriff Deep Learning beschreibt man eine besondere Form der Informationsverarbeitung, bei der neuronale Netze Verwendung finden. In diesem Zusammenhang werden künstliche Intelligenzen mit Datenmengen gespeist, von denen sie dann sozusagen lernen können. Dieses so Erlernte kann dann wiederum immer wieder mit neuen Inhalten in Verbindung gebracht werden, wodurch ein dauerhafter Lernprozess stattfindet. Die künstliche Intelligenz ist letzten Endes dann dazu imstande, Entscheidungen zu treffen, Prognosen abzugeben oder ihre eigenen Ergebnisse zu hinterfragen. Das Deep Learning ist besonders dann sinnvoll, wenn es mit vielen Daten versorgt werden kann – bspw. im Rahmen von unzählbaren Diagnosen.

In der Studie zielten Liu und seine Kollegen nun darauf ab, die diagnostische Genauigkeit von Deep-Learning-Algorithmen mit der von Ärzten zu vergleichen, und zwar hinsichtlich des Erkennens von Krankheiten anhand bildgebender Verfahren.

Studiendesign – Weniger als 1 Prozent der Studien als valide eingestuft

  • In einem ersten Schritt machten die Forscher für ihre Analyse diejenigen bereits durchgeführten Studien aus, die ihren Ansprüchen genügten: Die verwendeten künstlichen Intelligenzen mussten bereits mit Daten von anderen Patienten (Röntgen-Aufnahmen, Ultraschallbilder usw.) gespeist worden sein und in den Studien muss ein direkter Vergleich zwischen Mensch und Maschine, also zwischen Arzt und Künstlicher Intelligenz, stattgefunden haben.
  • Am Ende standen den Forschern dann nur noch 14 Studien zur Analyse zur Verfügung, wenngleich sie zu Beginn ihrer Suche 31.587 Studien ausmachten.

Ergebnisse – Arzt und Künstliche Intelligenz → Kopf an Kopf

  • Die künstlichen Intelligenzen diagnostizierten anhand der Bildgebung in 87 Prozent der Fälle richtig, die Ärzte in 86,4 Prozent.
  • Ausschließen konnten die KIs andere Krankheiten mit 92,5-prozentiger Sicherheit, die Ärzte kamen auf 90,5 Prozent.
  • Die KI war zur Diagnose diverser Erkrankungen imstande, konnte Erkrankungen des Auges so gut wie Krebs erkennen.

Implikationen – Was sagen die Autoren zu ihren Ergebnissen?

  • Den Autoren ist es wichtig, festzuhalten, dass die Maschine dem Menschen hier nicht den Rang abläuft, sondern beide Parteien in etwa die gleiche Leistung zu erbringen imstande sind.
  • Außerdem handelt es sich hierbei zwar um eine qualitativ hochwertige Studie. Für eine Beurteilung der tatsächlichen diagnostischen Leistungskraft der KIs seien aber viele weitere Studien notwendig, die einen direkten Vergleich zwischen Mensch und Maschine anstellen – denn davon gebe es schlicht noch zu wenig.
  • Des Weiteren sei in den vorliegenden Studien nicht der klinische Alltag, die normale Umgebung mit eingeflossen. Man habe in den anderen Studien das Deep Learning immer als isoliert betrachtet und die klinische Praxis nicht miteinfließen lassen. Das bedeutet bspw., dass Ärzten hier nur wenige zusätzliche Informationen wie etwa Laborbefunde o. Ä. zur Verfügung standen, obwohl diese in der Klinik im Normalfall genutzt würden.
  • Die Autoren pochen auf ein künftig einheitliches Studiendesign, sodass sich auch belastbare Ergebnisse gewinnen lassen, die nicht etwa durch eine Vernachlässigung der klinischen Umgebung verzerrt würden.

Einschätzung – Künstliche Intelligenz < Arzt

Die Forscher aus Birmingham fördern hier in ihrer Metaanalyse einige sehr interessante Ergebnisse zutage, sind sich aber der geringen Belastbarkeit ihrer Schlüsse bewusst. Künstliche Intelligenzen werden im Zeitalter der Digitalisierung immer relevanter, auch in der Medizin. Aber man darf auch den Faktor Mensch nicht einfach aus der Behandlung rausrechnen.

Denn das persönliche Gespräch zwischen Arzt und Patient ist eigentlich nicht zu ersetzen, wenn es um die Diagnose und die anschließende Therapie geht. Letztere wurde aus der Gleichung hier ohnehin ausgelassen. Flaes, eine der Forscherinnen der hier durchgeführten Analyse, beteuert selbst, dass es vor allem wichtig sei, die künstlichen Intelligenzen auch hinsichtlich verschiedener Outcomes zu untersuchen. Als Outcome bezeichnet man in der Medizin im Allgemeinen das Therapieergebnis, also den Erfolg oder das Versagen einer Behandlungsmaßnahme. Man müsste also untersuchen, wie sich eine von einer KI vorgeschlagene Behandlung letztlich auf den Patienten und seine Gesundheit auswirkt. Und derlei Erfahrungen existieren in der Medizin bisher nur spärlich.

Anzeigen

Wie eine gute Kommunikation zwischen Arzt und Patient aussieht und wie sie gelingt, erfahren Sie im nachfolgenden Beitrag von Dr. Dr. Tobias Weigl, der die Besonderheiten eines solchen Gesprächs erörtert.

Arzt und Patient: Wie gelingt ein gutes Arzt-Patienten-Gespräch? Gute Arzt Patienten Kommunikation

Verwandte Themen

 
Mit unserer Arbeit wollen wir über aktuelle wissenschaftliche Erkenntnisse aufklären und Ihnen diese auf verständliche Weise vermitteln. Wir bilden damit nicht die Forschung in einem meist viel umfassenderen Themenbereich ab.

Wichtig: Derlei Studien bilden immer nur einen kleinen Auszug aus der tatsächlichen Forschungsarbeit im jeweiligen Arbeitsbereich und oft ist die Datenlage nicht eindeutig, sodass teilweise gar konträre Ergebnisse zutage gefördert werden.

Haben Sie Fragen zur Studie? Was halten Sie von künstlichen Intelligenzen in so verantwortungsvollen Bereichen wie der Medizin? Richten Sie Ihre Fragen unten im Kommentarbereich an uns und tauschen Sie sich auch gerne mit anderen Lesern aus!
 

Autoren: Dr. Dr. Tobias Weigl, Tobias Möller
Veröffentlicht: 26.09.2019

Anzeigen

Quellen

  • Xiaoxuan Liu u. a. (2019): A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis. In: The Lancet Digital Health, 24. September 2019.
  • Stefan Luber, Nico Litzel (2017): Was ist Deep Learning? In: bigdata-insider.de.
  • University of Birmingham (2019): Pressemitteilung: Artificial intelligence may be as effective as health professionals at diagnosing disease, finds study. In: Birmingham.ac.uk.
Klicke, um diesen Beitrag zu bewerten!
[Gesamt: 2 Durchschnitt: 5]
Anzeigen
Anzeigen

Noch keine Kommentare.

Was denkst Du?

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert