Generationen von KI entwickeln sich in der Medizin rasant

[Anzeige_1]

Die KI wurde Ende des 20. Jahrhunderts von Computeringenieuren programmiert und basiert auf einer Reihe von Anweisungen (Regeln), die von Menschen erstellt wurden. Dadurch kann die Technologie grundlegende Probleme lösen.

Anmerkung des Herausgebers: Es gibt viele Branchen, die vom Strom neuer Technologien im Informationszeitalter betroffen sind. Angesichts der Auswirkungen von Automatisierung, Informatik und künstlicher Intelligenz (KI) bilden Einrichtungen wie Ärzte, Krankenhäuser, Versicherungsunternehmen und mit dem Gesundheitswesen verbundene Branchen keine Ausnahme. Doch allein im Gesundheitswesen hatte KI einen positiveren Einfluss als in anderen Branchen.

Erste Generation

Sie können sich vorstellen, dass die Art und Weise, wie KI derzeit trainiert wird, der Vorgehensweise von Medizinstudenten ähnelt. Auch KI-Systemen werden Hunderte von Algorithmen beigebracht, um Patientensymptome in Diagnosen zu übersetzen. Dies gilt als die erste Generation, die Gesundheitsregeln in KI-Systeme integriert.

Generative KI-Anwendungen helfen Ärzten, Informationen in Echtzeit zu aktualisieren

Entscheidungsalgorithmen ähneln dem Wachstum eines Baumes: Sie beginnen am Stamm (dem Problem des Patienten) und verzweigen sich von dort aus. Wenn ein Patient beispielsweise über starken Husten klagt, wird der Arzt zunächst prüfen, ob Fieber vorliegt. Je nachdem, ob Fieber vorliegt oder nicht, gibt es zwei Fragenkomplexe. Aus der ersten Antwort ergeben sich weitere Fragen zum Krankheitsbild. Dies führt wiederum zu einer weiteren Spaltung. Letztlich stellt jeder Zweig eine Diagnose dar, die von bakterieller, pilzbedingter oder viraler Lungenentzündung bis hin zu Krebs, Herzversagen oder Dutzenden anderer Lungenerkrankungen reichen kann.

Im Allgemeinen kann die erste Generation der KI Probleme erkennen, aber keine Krankenakten analysieren und klassifizieren. Infolgedessen konnten frühe Formen künstlicher Intelligenz nicht so präzise arbeiten wie Ärzte, die medizinische Wissenschaft mit ihrer Intuition und Erfahrung kombinierten. Und aufgrund dieser Einschränkungen wird regelbasierte KI in der klinischen Praxis sonst selten eingesetzt.

Vollautomatisierung

Zu Beginn des 21. Jahrhunderts begann die zweite Ära der KI mit der Artificial Narrow Intelligence (ANI), einer künstlichen Intelligenz, die bestimmte Aufgabensätze löst. Das Aufkommen neuronaler Netzwerke, die die Struktur des menschlichen Gehirns nachahmen, ebnete den Weg für die Deep-Learning-Technologie. ANI funktioniert ganz anders als sein Vorgänger. Anstatt von Forschern vordefinierte Regeln bereitzustellen, verwenden Systeme der zweiten Generation riesige Datensätze, um Muster zu erkennen, für die Menschen viel Zeit benötigen würden.

In einem Beispiel speisten die Forscher Tausende von Mammogrammen in ein ANI-System ein, von denen die Hälfte bösartige und die andere Hälfte gutartige Krebserkrankungen zeigte. Das Modell kann sofort Dutzende von Unterschieden in Größe, Dichte und Schattierung eines Röntgenbildes erkennen und jedem Unterschied einen Einflussfaktor zuordnen, der die Wahrscheinlichkeit einer Bösartigkeit widerspiegelt. Wichtig ist, dass diese Art von KI nicht wie Menschen auf Heuristiken (Faustregeln) beruht, sondern auf subtilen Unterschieden zwischen bösartigen und normalen Untersuchungen, die weder dem Radiologen noch dem Softwareentwickler bekannt sind.

Im Gegensatz zur regelbasierten KI übertreffen KI-Tools der zweiten Generation manchmal die menschliche Intuition in Bezug auf die Diagnosegenauigkeit. Allerdings weist diese Form der künstlichen Intelligenz auch gravierende Einschränkungen auf. Erstens hat jede Anwendung eine bestimmte Aufgabe. Das heißt, ein System, das auf das Lesen von Mammogrammen trainiert ist, kann keine Gehirnscans oder Röntgenaufnahmen des Brustkorbs interpretieren. Die größte Einschränkung von ANI besteht darin, dass das System nur so gut ist wie die Daten, mit denen es trainiert wurde. Ein klares Beispiel für eine solche Schwäche ist der Einsatz schwacher KI bei UnitedHealthcare, um die am schwersten erkrankten Patienten zu identifizieren und ihnen zusätzliche medizinische Leistungen anzubieten. Beim Filtern der Daten stellten die Forscher später fest, dass die KI von einer verhängnisvollen Annahme ausgegangen war. Patienten, die allein aufgrund ihrer Krankenakte als gesund diagnostiziert werden, erhalten nur wenig medizinische Versorgung, während Patienten, die viel medizinische Versorgung in Anspruch nehmen, als ungesund eingestuft werden...

Zukünftige KI-Generationen werden es den Menschen außerdem ermöglichen, Krankheiten zu diagnostizieren und Behandlungen zu planen, genau wie jeder Arzt. Derzeit hat ein generatives KI-Tool (MED-PALM2 von Google) die ärztliche Zulassungsprüfung mit einem Expertenergebnis bestanden. Viele andere medizinische KI-Tools können mittlerweile ähnliche Diagnosen stellen wie Ärzte. Allerdings erfordern diese Modelle weiterhin eine ärztliche Aufsicht und sind nicht in der Lage, Ärzte zu ersetzen. Doch angesichts der aktuellen exponentiellen Wachstumsrate dürften diese Anwendungen in den nächsten fünf Jahren mindestens 30-mal leistungsfähiger werden. Es wird prognostiziert, dass zukünftige Generationen von Tools wie ChatGPT medizinisches Fachwissen in die Hände aller legen und so die Arzt-Patienten-Beziehung grundlegend verändern werden.

Erste Generation

Vollautomatisierung

Kommentar (0)