Was KI-Systeme können

Sie interpretieren MRT-Bilder und Retina-Scans oder diagnostizieren Hautkrebs anhand von Fotos: In den vergangenen Jahren haben auf künstlicher Intelligenz (KI) basierende Anwendungen immer stärker Einzug in die medizinische Diagnostik gehalten. Solche KI-basierten Programme werden heute schon unter anderem in der Augenheilkunde, Dermatologie, Endoskopie, Krebsmedizin und Pathologie eingesetzt. Bei der Entwicklung solcher Systeme werden Algorithmen mit einer großen Menge an Bildern und dazugehöriger Diagnose auf eine spezielle Aufgabe hin trainiert, etwa Lungenkrebs in CT-Scans zu erkennen. Mit jedem weiteren Bild lernen sie dazu.

Einen Überblick zu dem aktuellen Stand, zu Hindernissen und zukünftigen Möglichkeiten der KI-basierten Diagnostikwerkzeuge gaben Dr. Pranav Rajpurkar vom Department of Biomedical Informatics an der Harvard Medical School in Boston und Dr. Matthew P. Lungren vom Center for Artifical Intelligence in Medcine & Imaging der kalifornischen Stanford University im Mai 2023 im »New England Journal of Medicine« (DOI: 10.1056/NEJMra2301725). Die entsprechenden Programme hätten in den vergangenen Jahren bereits gezeigt, dass sie »bemerkenswert erfolgreich bei der Interpretation medizinischer Bilder« seien, so die Autoren.

So ist es auch nicht verwunderlich, dass die Zahl der KI-basierten Werkzeuge für die medizinische Versorgung stetig wächst: Mehr als 500 hat die US-amerikanische Zulassungsbehörde FDA für den Einsatz in der Medizin bereits zugelassen – die allermeisten im Bereich Bildgebung. Neben der Interpretation von Bildern werden sie zur Verbesserung von Aufnahmen, zum Ausmessen von anatomischen Strukturen und zur Kennzeichnung von Testergebnissen für die Nachuntersuchung eingesetzt, indem etwa besonders dringende Fälle markiert werden. In Europa werden entsprechende KI-Anwendungen durch die EU-Medizinprodukteverordnung reguliert, die derzeit keine Zulassung vorschreibt.

Trotz der großen Zahl an KI-Anwendungen müssten noch einige Hindernisse überwunden werden, bevor man einen breiten klinischen Nutzen von den Systemen erwarten könne, legen Rajpurkar und Lungren dar. So hätten Studien gezeigt, dass einige Krankenhäuser sowie andere Point-of-Care-Zentren KI-Produkte bereits erfolgreich einsetzen. Viele seien es aber noch nicht, heißt es in dem Übersichtsartikel. Die Durchdringung des Gesundheitssystems in den USA werde auf lediglich 2 Prozent geschätzt.

Zwar haben einer Analyse in 39 Ländern zufolge etwa 10 bis 30 Prozent der Ärzte KI-Anwendungen schon einmal verwendet (»Frontiers in Medicine« 2022, DOI: 10.3389/fmed.2022.990604). Jedoch mangelt es vielen Medizinern an Vertrauen in die Zuverlässigkeit der Systeme. So gebe es nur wenige Studien, die die Wirksamkeit der KI-Anwendungen zeigen, betonen Rajpurkar und Lungren. Zudem seien die KI-Anwendungen häufig nicht außerhalb des Umfelds getestet, in dem sie trainiert wurden – nicht einmal die Systeme mit FDA-Zulassung. Es sei daher schlecht abzuschätzen, wie gut die Übertragbarkeit auf andere klinische Umgebungen mit anderen Patientengruppen und leicht unterschiedlichen Bildgebungsprozessen, zum Beispiel unterschiedliche Gerätehersteller von MRT- oder Röntgengeräten in verschiedenen Krankenhäusern, ist.

Wenige randomisierte kontrollierte Studien zeigen Sicherheit und Effektivität der KI-basierten Anwendungen. In einigen Fällen seien die Real-World-Daten schlechter ausgefallen als die der FDA gemeldeten. Es brauche dringend Methoden, um die Übertragbarkeit von Algorithmen auf neue klinische Settings zu gewährleisten, fordern die beiden Autoren. Die Systeme müssten darauf untersucht werden, bevor sie breit klinisch eingesetzt werden. Um die Übertragbarkeit zu verbessern, gibt es verschiedene Ansätze, etwa das Training der Systeme auf großen öffentlichen Datensammlungen oder auf dezentralen Datenquellen (föderiertes Lernen).