Machine Learning in Gesundheit und Medizin

Als Teilbereich von Artificial Intelligence verwendet Machine Learning Algorithmen zur Analyse von Daten. So hilft Machine Learning Software im Bereich von Gesundheit und Medizin, die Gesundheitsversorgung effizienter, qualitativer und produktiver zu machen. Dadurch ist Machine Learning einer der treibenden Trends innerhalb der digitalen Transformation und aktuell besonders wichtig in der Forschung und Behandlung.

AI in der Forschung – Aktuell

Das aktuellste zuerst. Kürzlich im November 2020 hat ein Labor in London mittels Artificial Intelligence eines der größten Mysterien der Biologie gelöst. Genauer gesagt weiß man dank DeepMind nun endlich, wie sich ein Protein zu seiner einzigartigen dreidimensionalen Form faltet. Proteine sind in allen Lebewesen vorhanden, wo sie eine zentrale Rolle in den für das Leben essentiellen chemischen Prozessen spielen. Die Kenntnis der 3D-Struktur eines Proteins ist wichtig für die Entwicklung von Medikamenten und für das Verständnis menschlicher Krankheiten, einschließlich Krebs, Demenz und Infektionskrankheiten, so BBC. Weiterhin erklärt der Nachrichtensender, dass ein besseres Verständnis der Proteinstrukturen und die Fähigkeit, sie mit Hilfe eines Computers vorherzusagen gleichzeitig auch bedeutet, dass ein besseres Verständnis des Lebens, der Evolution und natürlich der menschlichen Gesundheit und Krankheit besteht.
Laut accenture und Emerj gibt es in der Medizin unzählige Anwendungsfälle und ungenutzte Potentiale. Diese sollen aber in den nächsten Jahren mehr und mehr ausgeschöpft werden.
Die spannendsten Anwendungsfälle haben wir für Sie zusammengefasst.

Virtuelle Assistenten

Die wichtigste Triebfeder für die Einführung virtueller Pflegeassistenten war der Mangel an medizinischen Fachkräften, der häufig zu Druck auf das verfügbare Gesundheitspersonal führt. Ein virtueller Assistent, der von der KI unterstützt wird, kann die Kommunikation zwischen Patient und Pflegepersonal verbessern. Gleichzeitig würde dies zu einer besseren Patientenerfahrung und weniger Burnout bei Ärzten führen. Und wenn Ärzte sich Zeit für ihre Patienten nehmen, fühlen sich diese am Ende betreut und sind zufrieden. Ein virtueller Assistent kann einen ersten Dialog zwischen dem Patienten und dem Gesundheitsdienstleister führen und so den Ton für vertiefende Gespräche zu einem späteren Zeitpunkt angeben. Auf diese Weise kann ein virtueller Assistent für das Gesundheitswesen den Ärzten einen Teil ihrer Verantwortung abnehmen und es ihnen ermöglichen, sich auf die Erbringung besserer Dienstleistungen und Pflege zu konzentrieren.

Automatisierte Bildbefundung mit ML

Die medizinische Bilddiagnose ist ein weiterer Anwendungsfall der AI im Gesundheitswesen. Eines der wichtigsten Probleme, mit denen Mediziner konfrontiert sind, ist die Sichtung der Menge an Informationen. Zu diesen Daten gehören neben Verfahrensberichten, Pathologieberichten, heruntergeladenen Daten und auch Bilddaten. Diese Daten können nun potenziell von einem AI-gestützten System ausgewertet werden.

Personalisierte Behandlung

Die personalisierte Medizin, d.h. eine wirksamere Behandlung auf der Grundlage individueller Gesundheitsdaten in Verbindung mit Vorhersageanalysen, ist ebenfalls ein wichtiges Forschungsgebiet und eng mit einer besseren Beurteilung von Krankheiten verbunden. IBM Watson Oncology ist eine führende Institution an vorderster Stelle, wenn es darum geht, Veränderungen bei Behandlungsentscheidungen voranzutreiben und medizinische Informationen und die Krankengeschichte von Patienten zur Optimierung der Auswahl von Behandlungsoptionen zu nutzen.
Hier gehts zu den anderen Beiträgen unserer Blog Reihe →

Erkennen von Hautkrebs Deep Learning

Forscher nutzen Deep Learning, als Teilbereich von Machine Learning, um Computer zur Identifizierung von Krebsgewebe zu trainieren. Die Genauigkeit der Computer ist mit der eines ausgebildeten Physikers vergleichbar. Deep Learning hat einen einzigartigen Wert bei der Krebserkennung, da es dazu beitragen kann, eine höhere diagnostische Genauigkeit im Vergleich zu Fachexperten zu erreichen. Eine der aktuellen Anwendungen des Deep Learning im Gesundheitswesen ist die Erkennung von Krebs aus Genexpressionsdaten.

Gesundheitsüberwachung mit AI und Wearables

Die Gesundheitsüberwachung ist bereits eine weit verbreitete Anwendung der AI im Gesundheitswesen. Tragbare Gesundheitsmessgeräte, wie sie von Apple, Fitbit und Garmin angeboten werden, überwachen Aktivität und Herzfrequenz. Diese Wearables sind dann in der Lage, alle Daten an ein AI-System weiterzuleiten, wodurch Ärzte mehr Erkenntnisse und Informationen über den idealen Aktivitätsbedarf einer Person gewinnen. Wenn ein Patient z.B. ein schweres Herztraining vermeiden muss, kann er darüber informiert werden, sobald ein hohes Aktivitätsniveau festgestellt wird. Die Rolle der künstlichen Intelligenz in der Gesundheitsversorgung ist aber nicht auf diese beschränkt. In dem Maße, wie sich Trends abzeichnen, um die Leistungen und Erfahrungen im Gesundheitswesen für die Patienten zu verbessern, werden neue Konzepte Wirklichkeit. In der komplexen Welt der Gesundheitsfürsorge kann die Künstliche Intelligenz durch schnelleren Service, frühzeitiger Diagnose und Datenanalyse unterstützen oder um genetische Informationen zu identifizieren, die jemanden für eine bestimmte Krankheit prädisponieren. Sekunden zu sparen könnte bedeuten, Leben zu retten.

Fazit

AI-fähige Werkzeuge können aussagekräftige Beziehungen in Rohdaten erkennen und haben das Potential, in fast jedem Bereich der Medizin angewendet zu werden. Mit AI könnten Fachkräfte komplexe Probleme angehen, die allein nur schwer, zeitaufwendig oder ineffizient zu lösen wären. Dies könnte eine wertvolle Ressource für medizinische Fachkräfte sein. Denn es ermöglicht den Fachkräften, ihr Fachwissen besser zu nutzen und im gesamten Gesundheits Ökosystem einen Mehrwert zu schaffen. Menschliches Versagen ist kostspielig und menschliche Ermüdung kann Fehler verursachen. Machine Learning Algorithmen leiden nicht unter Müdigkeit, Ablenkungen oder Stimmungen.

Weitere News und Insights