KI und Maschinelles Lernen

Wie die Radiologie und Pathologie demnächst revolutioniert werden.

Schon seit längerer Zeit werden Programme geschrieben, die mit Hilfe Künstlicher Intelligenz und maschinellem Lernen Abläufe und Prozesse in der Industrie verbessern. Unter dem Begriff Künstliche Intelligenz hat man sich mittlerweile einen Begriff machen können, während das Thema „Maschinelles Lernen“ noch einiger Erläuterungen bedarf.

Maschinelles Lernen

Maschinelles Lernen umfasst grob gesagt die künstliche Generierung von Wissen aus vorliegenden Daten. Im Regelfall bedeutet dies, dass ein Computer Informationen durchgeht und nach einer Lernphase aus diesen Daten allgemeine Gesetzmäßigkeiten ableitet. D.h. er lernt nicht stumpf Regeln auswendig und wendet diese dann an, sondern er erkennt selbst Muster und Gesetzmäßigkeiten in den vorliegenden Datensätzen. Eine bekannte Anwendung aus dem Bereich der Medizin ist beispielsweise die Analyse von Gensequenzen und deren Interpretation. Aus dem Bereich der Finanzwirtschaft kennen wir Systeme zur Aktienmarktanalyse. Auch das Thema „Data Mining“ ist eng mit dem Maschinellen Lernen verwandt – hier geht es allerdings um das Finden von neuen Mustern.

KI in der Radiologie

In der täglichen Diagnostik hilft maschinelles Lernen Ärzten bei der der Interpretation von Befunden. Britische Forscher haben hierzu ein umfangreiches neuronales Netzwerk mit knapp 500.000 Röntgenbildern und Befunden trainiert. Der verwendete Algorithmus sortiert hierbei die Befunde nach Dringlichkeit und bietet somit Ärzten eine Hilfestellung bei der Reihenfolge der Bearbeitung. Einmal trainiert, arbeitet der Algorithmus sehr effizient und könnte im Zweifel sogar Leben retten – etwa in der Notfallaufnahme von Krankenhäusern. Dort werden Patienten mit Verletzungen häufig per Computertomographie (CT) oder Röntgen untersucht. Wenn man Pech hat, kann der Radiologe erst nach einiger Zeit das entsprechende Bild anzuschauen. Bei vielen Verletzungen zählt allerdings jede Minute. In China diskutiert man mittlerweile schon, ob man für die Einführung eines Lungenscreenings auf künstliche Intelligenz setzen soll – das Land hat gar nicht die erforderliche Zahl an Radiologen, um diese hochspezialisierte Reihenuntersuchung mit menschlicher Hilfe auf die Beine stellen zu können

KI in der Pathologie

Aber auch in der Pathologie gibt es mittlerweile sehr ausgefeilte Algorithmen, die beispielsweise Krebs viel genauer diagnostizieren können als Ärzte. Hierzu wurde sogar ein Wettbewerb zwischen Mensch und Maschine gestartet.

Beim folgenden Test sollten die Ärzte und KI-Systeme 129 Abbildungen von Gewebeproben beurteilen. Dafür wurde einer Gruppe von 11 Pathologen lediglich zwei Stunden Zeit gegeben, der zwölfte Experte konnte sich hingegen so viel Zeit nehmen, wie er wollte.

Der Computer erreichte eine nahezu 100%ige Erkennungsgenauigkeit und färbte die kritischen Stellen zudem gleich ein. Zwar erkannte auch der Experte ohne Zeitlimit die befallenen Proben mit absoluter Präzision, nahm sich für die Untersuchung allerdings auch 30 Stunden Zeit. Die übrigen elf Pathologen übersahen vor allem Metastasen mit einer Größe unter 2 mm.

Dies sind nur ein paar Beispiele wie maschinelles Lernen und neuronale Netze die Versorgung der Patienten verbessern können.

Wir werden demnächst auf dieser Webpage mehr Informationen zu den Themen „Künstliche Intelligenz“, „Maschinelles Lernen“ sowie „Neuronale Netzwerke“ liefern und würden uns freuen, wenn Sie mit uns die teils sehr kontroversen Themen diskutieren würden.

>