Zum Inhalt springen

Wissen, das die Welt erhellt

KI in der Medizin: Von der Bildgebung bis zur Wirkstoffforschung – Was wird heute getan und wo liegen die Grenzen?

Künstliche Intelligenz hat viele Bereiche der Medizin erschlossen, von der Auswertung von Röntgen- und CT-Aufnahmen bis hin zur Vorhersage von Proteinstrukturen. Aktuell eingesetzte Anwendungen, Zulassungsverfahren, der Wandel durch AlphaFold, Risiken und was Patienten wissen sollten.

KI in der Medizin: Von der Bildgebung bis zur Wirkstoffforschung – Was wird heute getan und wo liegen die Grenzen?

Künstliche Intelligenz bezieht sich auf Computersysteme, die in der Lage sind, Muster aus großen Datenmengen zu erlernen. Die Medizin ist einer der vielversprechendsten Bereiche für diese Technologie und zugleich einer, der größte Sorgfalt erfordert: Richtig eingesetzt, kann sie die Diagnose beschleunigen und die Arbeitsbelastung von Klinikern verringern; falsch eingesetzt, kann sie Patienten schaden.

Medizinische Bildgebung

Die Bildgebung ist der Bereich, in dem KI heute in der Medizin am weitesten verbreitet ist. Systeme, die verdächtige Befunde auf Röntgen-, CT-, MRT- und Mammographiebildern markieren, Notfälle wie Hirnblutungen priorisieren oder Netzhautfotos auf diabetische Retinopathie untersuchen, sind im klinischen Einsatz. Die Liste der KI-gestützten Medizinprodukte der US-amerikanischen Food and Drug Administration (FDA) hat die Marke von tausend Produkten überschritten, wobei die große Mehrheit in die Radiologie fällt.

Wirkstoffforschung und AlphaFold

Die Kenntnis der dreidimensionalen Struktur eines Proteins ist entscheidend für das Verständnis von Krankheiten und die Entwicklung von Medikamenten. AlphaFold, entwickelt von Google DeepMind, hat Pionierarbeit geleistet, indem es Proteinstrukturen aus ihrer Aminosäuresequenz mit hoher Genauigkeit vorhersagte. Die Hälfte des Nobelpreises für Chemie 2024 ging für diese Arbeit an Demis Hassabis und John Jumper; die andere Hälfte an David Baker für seine Arbeit zum Proteindesign. KI wird auch eingesetzt, um potenzielle Wirkstoffmoleküle zu screenen und klinische Studien zu entwerfen.

Alltägliche klinische Aufgaben

Systeme, die Patientengespräche transkribieren und Notizen entwerfen, Frühwarnsysteme, die Risiken abschätzen, sowie Anwendungen, die Terminplanungen und den Papierkram erleichtern, sind weniger sichtbar, aber zunehmend verbreitete Anwendungen von KI in Krankenhäusern.

Grenzen und Risiken

  • Daten-Bias: Ein Modell, das an einer bestimmten Patientengruppe trainiert wurde, kann bei Patienten eines anderen Alters, Geschlechts oder ethnischen Hintergrunds schlechter abschneiden.
  • Datenschutz: Gesundheitsdaten gehören zu den sensibelsten personenbezogenen Daten.
  • Übervertrauen: Wenn Kliniker oder Patienten den Vorschlägen eines Systems ohne Prüfung folgen, kann dies zu Fehlern führen.
  • Verantwortlichkeit: Wer verantwortlich ist, wenn etwas schiefgeht, ist noch Gegenstand von Debatten.

In einer im Jahr 2021 veröffentlichten Leitlinie empfiehlt die Weltgesundheitsorganisation (WHO), dass KI im Gesundheitswesen die menschliche Autonomie schützen, transparent und erklärbar sein und inklusiv gestaltet werden sollte. Der AI Act der Europäischen Union behandelt KI-Systeme für medizinische Zwecke ebenfalls als Hochrisikosysteme und stellt zusätzliche Anforderungen.

Ein Hinweis für Patienten

Allgemeine Chatbots können Ihnen helfen, Gesundheitsfragen zu verstehen, aber sie stellen keine Diagnosen und können Fehler machen. Wenden Sie sich bei Symptomen an medizinisches Fachpersonal und lesen Sie die Datenschutzbestimmungen der Apps, mit denen Sie Ihre Gesundheitsdaten teilen.

In welchen Bereichen werden zugelassene KI-Medizinprodukte eingesetzt?

Die US Food and Drug Administration (FDA) führt eine öffentliche Liste der KI-gestützten Medizinprodukte, die sie für die Vermarktung zugelassen hat. Stand 2025 hatte die Zahl der Produkte auf dieser Liste die tausender-Marke überschritten, wobei die Verteilung recht ungleichmäßig ist:

  • Radiologie weit voraus: Etwa drei Viertel der auf der Liste aufgeführten Geräte dienen der Auswertung von Röntgen-, CT-, MRT- und Mammographiebildern.
  • Kardiologie an zweiter Stelle: Anwendungen wie die EKG-Interpretation und die Erkennung von Herzrhythmusstörungen stechen hervor.
  • Andere Bereiche: Es gibt auch zugelassene Werkzeuge in der Neurologie, Ophthalmologie, Pathologie und Gastroenterologie, jedoch in geringerer Zahl.

Die Zulassung eines Werkzeugs bedeutet nicht, dass es in jedem Krankenhaus und bei jeder Patientengruppe gleichermaßen gut funktioniert; die Zulassung wird für einen spezifischen Verwendungszweck und unter spezifischen Bedingungen erteilt.

Wie wird die Zuverlässigkeit einer Gesundheits-KI bewertet?

Wenn Forscher und Krankenhäuser ein neues Werkzeug bewerten, stellen sie einige grundlegende Fragen:

  • Externe Validierung: Wurde das Werkzeug mit Daten von anderen Geräten und Patientengruppen außerhalb des Krankenhauses, in dem es entwickelt wurde, getestet?
  • Prospektive Studie: Wurde es nicht nur an historischen Daten, sondern innerhalb des realen klinischen Arbeitsablaufs und nach Möglichkeit in randomisierten Studien getestet?
  • Transparente Berichterstattung: Die 2020 veröffentlichten CONSORT-AI- und SPIRIT-AI-Leitlinien zielen darauf ab, die Berichterstattung über klinische Studien unter Einsatz von KI zu standardisieren.
  • Kontinuierliche Überwachung: Wird nach dem Einsatz verfolgt, ob die Leistung im Laufe der Zeit nachlässt?

Im Jahr 2024 veröffentlichte die Weltgesundheitsorganisation zudem eine separate Leitlinie zur Nutzung großer multimodaler Modelle (einschließlich chatbasierter Systeme) im Gesundheitswesen, die Regierungen, Entwicklern und Gesundheitseinrichtungen mehr als 40 Empfehlungen bietet.

Dieser Artikel dient der allgemeinen Information und ist kein Ersatz für medizinische Beratung. Konsultieren Sie Ihren Arzt bezüglich Entscheidungen, die Ihre Gesundheit betreffen.

Quellen und weiterführende Literatur

  1. World Health Organization (WHO), „Ethics and governance of artificial intelligence for health“ (2021).
  2. U.S. Food and Drug Administration, Liste „Artificial Intelligence-Enabled Medical Devices“.
  3. Nobel Prize Outreach, Pressemitteilung „The Nobel Prize in Chemistry 2024“.
  4. Jumper, J. et al., „Highly accurate protein structure prediction with AlphaFold“, Nature (2021).
  5. U.S. FDA – Artificial Intelligence-Enabled Medical Devices (Liste)
  6. Liu X. et al. – CONSORT-AI extension, Nature Medicine (2020)
  7. WHO – Ethics and governance of AI for health: Guidance on large multi-modal models (2024)
Teilen
Folgen Sie YulaHubErfahren Sie die wichtigsten Nachrichten des Tages als Erste.
RSS

Kommentar hinterlassen

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