Die Zukunft der KI im Gesundheitswesen

Wie sich künstliche Intelligenz auf Gesundheit und Medizin auswirkt.

Quelle: C. Rosso

Neil Jacobstein, Inhaber des Lehrstuhls für KI und Robotik an der Singularity University und ehemaliger Präsident der Singularity University, ist am Puls aller Dinge, die mit künstlicher Intelligenz (KI) zusammenhängen. Er ist ein Henry Crown Fellow am Aspen Institute und ein Distinguished Visiting Scholar am Media X Programm der Stanford University. Er war Vorsitzender der 17. Vereinigung für innovative Anwendungen künstlicher Intelligenz (IAAI). Jacobstein wurde in der Wall Street Journal , die Financial Times , Forbes , das PC Magazine , VentureBeat , CIO , Außenpolitik und BBC News, zusätzlich zu anderen Medienveröffentlichungen.

“AI ist heute hier. Nicht mit der breiten, tiefen und subtilen Intelligenz, die wir mit der menschlichen Intelligenz verbinden, sondern mit der Fähigkeit, einen Wert von Milliarden von Dollars zu liefern, und echte Hilfe für Ärzte auf diesem Gebiet in der Medizin “, sagte Jacobstein auf der Exponential Medicine Konferenz in San Diego, Kalifornien.

• Surviving Chirurgie ohne Opioidsucht
• So aktivieren Sie Ihr volles Heilungspotenzial
• Was zählt als medizinisches Problem?
• Trennung von Kindern von Eltern
• Warum bist du so wie du bist

Die globale Unternehmensberatung McKinsey & Company schätzt die potenziellen jährlichen Einsparungen von AI im Gesundheitswesen auf 0,7 Prozent des Bruttoinlandsprodukts oder 300 Milliarden US-Dollar in den Vereinigten Staaten und 3,3 Milliarden britischen Pfund im Vereinigten Königreich [1]. Laut ABI Research wird AI den Gesundheitssektor im Jahr 2021 mit 52 Milliarden US-Dollar belasten, allein in Nordamerika werden 21 Milliarden US-Dollar eingespart. [2]

“Es ist nicht nur besser, schneller, billiger – es ist anders”, sagte Jacobstein. “KI ermöglicht es uns, Dinge zu tun, die Menschen vorher nicht tun konnten … denken Sie beispielsweise an Ihr gesamtes genomisches Profil, bevor Sie eine Empfehlung abgeben”, fügte er hinzu.

Im Jahr 2017 veröffentlichte Google Verily Life Sciences DeepVariant, ein Open-Source-KI-Tool mit tiefen Faltungsneuralen Netzwerken. Einzelnukleotid-Polymorphismen (SNPs) sind die häufigste Art von genetischer Variation und werden verwendet, um das Risiko und die Empfindlichkeit einer Person für Umwelteinflüsse auf die Genexpression wie Nahrung, Drogen oder Toxine vorherzusagen. DeepVariant war in der Lage, SNPs mit einer Genauigkeit von 99,9587 Prozent zu identifizieren und erhielt den Preis “Highest SNP Performance” in der 2016 PrecisionFDA Truth Challenge. [3]

• Die Elegie eines Psychiaters für Anthony Bourdain
• Werden wir Hörverlust heilen?
• Sollte die Nutzung der Technologie als Notfall für die öffentliche Gesundheit erklärt werden?
• Wenn du dich entscheidest zu heiraten oder zu scheiden, höre auf deinen Körper
• Selbstmord: Über die Zahlen

Eine Reihe von bahnbrechenden KI-Startups sind ins Gesundheitswesen eingestiegen. Im Jahr 2017 gewann Cloud DX beispielsweise den Preis “Bold epic Innovator” der XPRIZE Foundation [4]. Cloud DX wendet maschinelles Lernen mit einem großen Sounddatensatz an, um Atemwegsinfektionen und -krankheiten basierend auf dem Husten eines Patienten zu identifizieren.

KI wird in der prädiktiven Analytik in Patientenüberwachungsgeräten, Bildgebung und Diagnostik, Wirkstoffforschung und Onkologie eingesetzt. Zu den jüngsten FDA-Zulassungen für AI-basierte Lösungen für die Gesundheitsversorgung gehört Imagens OsteoDetect für die Röntgenbildanalyse (Mai 2018); IDx-DR zur Erkennung der diabetischen Retinopathie (April 2018); und Viz.AI Kontakt für frühe Schlaganfall-Erkennung (Februar 2018) [5].

AI Innovationen im Gesundheitswesen umfassen:

Predictive Analytics in Patientenüberwachungsgeräten

ABI Research geht davon aus, dass die Zahl der Patientenüberwachungsgeräte für das Training von KI-Predictive Analytics im Jahr 2021 auf 3,1 Millionen mit einer CAGR von 176% ansteigen wird [6]. Von Venture Capital finanzierte Startups in diesem Bereich sind Sense.ly, Sentrian, Babylon Health und AiCure [7].

AI in Bildgebung und Diagnose

Die Mustererkennung, ein Bereich der jüngsten Fortschritte in der KI, ist eine natürliche Ergänzung in der Bildgebung und Diagnose im Gesundheitswesen. Die Radiologie ist ein Bereich mit großen, strukturierten Datensätzen, die zum Erlernen von tiefen Lernalgorithmen verwendet werden können. So haben die National Institutes of Health (NIH) im Jahr 2017 mehr als 100.000 Thoraxröntgenaufnahmen von mehr als 30.000 anonymisierten Patienten für akademische und wissenschaftliche Forschungseinrichtungen veröffentlicht [8].

Auf der Exponential Medicine Conference zitierte Jacobstein ein Beispiel für einen kürzlich erfolgten Durchbruch bei der KI-Versorgung im Jahr 2017, bei dem ein Team von Informatikern in Stanford ein tiefes neuronales Faltungsnetz trainierte, um Hautläsionen zu klassifizieren. Mit einer Datenbank von 129.450 klinischen Bildern hatte der Deep-Learning-Algorithmus eine Genauigkeit, die bei der Erkennung von malignen Karzinomen und Melanomen genauso hoch war wie bei menschlichen Dermatologen [9].

AI- und Medikamenten-Entdeckung

Eine Reihe von Unternehmen wie Calico, BenevolentAI und Deep Genomics versuchen, maschinelles Lernen auf große Datenmengen für die Wirkstoffforschung und -entwicklung anzuwenden [10]. Zu den weiteren Start-ups in der Wirkstoffforschung gehören die Venture-Capital-finanzierten Unternehmen twexar (Andreessen Horowitz), Numate (Foundation Capital), Atomwise (Khosla Ventures und Data Collective) und Numedii (Lightspeed Venture Partners) [11].

KI für Onkologie

Aktienfinanzierte Startups in der KI-Onkologie umfassen Unternehmen wie Freenome, Globavir Biosciences, CureMetrix, Notable Labs, Cyrcadia, Enlitic, Entropis, Insilico Medicine, OncoraMedical, Pathway Genomics, Proscia und SkinVision [12]. Flatiron Health, ein in New York ansässiges KI-Technologieunternehmen mit Fokus auf Onkologie, das von Google Ventures und anderen Investoren unterstützt wird, wurde kürzlich von der Schweizer Pharma-Roche für 1,9 Milliarden US-Dollar im Jahr 2018 für seine umfangreichen kuratierten Datensätze für Entscheidungsunterstützung und elektronische Gesundheitsakte erworben [13].

Im Mai 2018 wurde in den Annals of Oncology eine bahnbrechende deutsche Studie veröffentlicht, in der ein auf 100 000 Bildern trainiertes, lernförderndes neuronales Netz (CNN) eine internationale Gruppe von 58 Dermatologen aus 17 Ländern bei der Diagnose maligner Melanome überflügelte.

Zu den Hürden, die es bei der KI im Gesundheitswesen zu überwinden gilt, gehören der Zugriff auf große Datenmengen für das Training von Algorithmen für das tiefe Lernen und das Kuratieren von elektronischen Gesundheitsakten (Electronic Health Records, EHR) ohne Datenkennzeichnung.

“Die größte Herausforderung besteht darin, das gesamte Gesundheitswesen auf Datenbasis umzustellen”, sagte Jacobstein, “AI ist Teil dieser Transformation.”

Die jüngste Blüte in AI ist größtenteils auf Fortschritte in der Mustererkennung mit Deep-Learning-Algorithmen zurückzuführen. In der Zukunft erwartet Jacobstein eine stärkere Konvergenz verschiedener KI-Typen, wie modellbasiertes Schließen, Vorhersageanalysen und Simulationsmodelle, um über die grundlegende Mustererkennung hinauszugehen.

“Zum ersten Mal in der Geschichte der Menschheit werden wir so in unser Gesundheitswesen eingreifen können, wie es zuvor noch undenkbar war”, sagte Jacobstein. “Ich denke, dass wir in der Lage sein werden, sowohl künstliche Intelligenz als auch synthetische Biologie zu verwenden, um unsere Gesundheit als ein Informationsproblem zu behandeln”, fügte er hinzu [14].

Jacobstein betrachtet diesen informationszentrierten KI-Ansatz als Schlüssel für die Prognose und die Präventivmedizin, aber auch für die Verbesserung der Gesamtqualität des Lebens und letztlich für die Verlängerung der menschlichen Lebensspanne.

Verweise

1. Bughin, Jacques; Hazan, Eric; Ramaswamy, Sree; Chui, Michael; Allas, Tera; Dahlström, Peter; Henke, Nicolaus; Graben, Monica. “Künstliche Intelligenz – Die nächste digitale Grenze?” McKinsey Global Institute Diskussionspapier . Juni 2017.

2. ABI Research (2018, 4. Juni). AI soll Gesundheitssektor im Jahr 2021 im Wert von 52 Milliarden US-Dollar retten [Pressemitteilung].

3. Moteni, Megan. “Google vertreibt AI, die Ihre Genomsequenz aufbauen kann.” Wired . 12.08.17.

4. Kimbrell, Gideon. “Tötet die Regulierung Innovation im Gesundheitswesen?” Forbes . 19. März 2018.

5. McCaney, Kevin. “KI in der Medizin kommt näher zu regelmäßigen Runden.” GovernmentCIO Media . 31. Mai 2018.

6. ABI-Forschung (2018, 4. Juni). AI soll Gesundheitssektor im Jahr 2021 im Wert von 52 Milliarden US-Dollar retten [Pressemitteilung].

7. CB Einblicke. “Von Virtual Nurses zur Drug Discovery: 106 Startups für künstliche Intelligenz im Gesundheitswesen.” CB Insights Research Briefs . 3. Februar 2017

8. National Institutes of Health (2017, 27. September). Das NIH Clinical Center bietet der Scientific Community einen der größten öffentlich verfügbaren Thorax-Röntgendatensätze [Pressemitteilung].

9. Esteva, Andre; Kuprel, Brett; Novoa, Roberto A .; Ko, Justin; Swetter, Susan M., Blau, Helen M., Thrun, Sebastian. “Dermatologen-Level-Klassifikation von Hautkrebs mit tiefen neuronalen Netzen.” Nature . 2. Februar 2017. 542, 115-118.

10. Ritter, Will. “Ein Ai-Driven Genomics Unternehmen wendet sich an Drogen.” MIT Technology Review. 3. Mai 2017.

11. CB Einblicke. “Von Virtual Nurses zur Drug Discovery: 106 Startups für künstliche Intelligenz im Gesundheitswesen.” CB Insights Research Briefs . 3. Februar 2017

12. CB Einblicke. “12 Startups kämpfen gegen Krebs mit künstlicher Intelligenz.” CB Insights Research Brief. 15. September 2016.

13. Mukherjee, Sy. “Warum Drogeriese Roche den $ 1,9 Milliarden-Deal kauft, um Startup Flatiron Health Matters zu kaufen.” Vermögen . 16. Februar 2018.

14. Guidewell. “XMed 2016 Insights Lounge – Neil Jacobstein.” YouTube. 8. Oktober 2016