Wie neuronale Netze in der Gesundheitsbranche eingesetzt werden können: 10 Anwendungsfälle
Der KI-Markt im Gesundheitswesen wurde im Jahr 2020 auf 8,23 Milliarden US-Dollar geschätzt und soll bis 2030 voraussichtlich 194,4 Milliarden US-Dollar erreichen und von 2021 bis 2030 mit einer jährlichen Wachstumsrate von 38,1 % wachsen. Gleichzeitig werden künstliche neuronale Netze zum Haupttreiber des Marktwachstums, denn dank ihnen kann der digitale „Geist“ so schnell und effizient lernen. In diesem Artikel beschreiben wir genau, wie künstliche neuronale Netze heute in der Medizin eingesetzt werden.
Chirurgische Eingriffe erfordern fundiertes medizinisches Wissen, hohe Präzision, die Fähigkeit, sich an veränderte Umstände anzupassen, und konstante Aufmerksamkeit über einen langen Zeitraum. Obwohl ausgebildete Chirurgen in der Regel all diese Eigenschaften besitzen, sind sie doch nur gewöhnliche Menschen und können daher Fehler machen, besonders wenn sie einen vollen Terminkalender haben. Nach Untersuchungen der Johns Hopkins University kommt es allein in den USA jährlich zu mehr als 4.000 Operationsfehlern . Beispielsweise hinterlässt ein Chirurg mindestens
39 Mal pro Woche Fremdkörper in Patienten, mehr als 20 Mal pro Woche führen Chirurgen die falsche Operation durch oder operieren das falsche Organ.
Und das alles sind nicht nur Worte: Die Industrie der Roboterchirurgie wird bereits auf 40 Milliarden US-Dollar geschätzt und zeigt hervorragende Ergebnisse:
Die medizinische Gemeinschaft hat seit langem erkannt, dass die Bildgebung die Wahrscheinlichkeit einer Krankheitserkennung erheblich erhöhen kann. Doch oft kann selbst das geschulte menschliche Auge eines Arztes kleine Details in den Bildern nicht erkennen. Darüber hinaus sollten wir auch das Problem mit „verschwommenen“ Augen nicht vergessen: Forscher der Harvard University fügten Röntgenbildern ein Bild eines Gorillas hinzu und zeigten sie Ärzten - 83% der Radiologen bemerkten das Bild eines Gorillas nicht Röntgenstrahlen .
Hier sind einige weitere Beispiele für medizinische Bildgebung mit neuronalen Netzen:
Virtuelle Pflegeassistenten wie Care Angel können einen ersten Termin vereinbaren, einen Krankenhausbesuch vereinbaren, Krankenakten teilweise pflegen, Testergebnisse melden und sogar einen Gesundheitscheck per Sprache durchführen. Ein weiteres Beispiel für eine ähnliche Lösung ist Sensely. Dieser virtuelle Assistent ist eine interaktive Anwendung, die entwickelt wurde, um den medizinischen Arbeitsablauf zu rationalisieren, Routineprozesse zu automatisieren und die Kosten für die Überwachung der Patientenversorgung zu senken. Studien zeigen, dass die Verwendung von Sensely die Arbeitskosten für die Patientenüberwachung im Vergleich zu einem herkömmlichen Verfahren um 66 % senken kann.
Eine Umfrage des New England Journal of Medicine (NEJM) unter britischen Ärzten ergab, dass mehr als 80 % der Befragten Burnout bei Ärzten als Problem in ihrer Organisation ansehen. Gleichzeitig gab die Hälfte dieser Befragten an, dass die „Entlastung administrativer Aufgaben“ dieses Problem ganz oder teilweise lösen kann, sodass Ärzte mehr Zeit mit Patienten verbringen und mehr Zeit für die berufliche Weiterbildung aufwenden können. Und vor allem Beschwerden über die Notwendigkeit, elektronische Patientenakten (EHR) von Patienten zu führen, die viele Krankenhäuser auf der ganzen Welt aufsuchen.
Ein Beispiel für eine solche Lösung ist Olive, eine KI-gestützte Plattform, die mehrere Verwaltungsprozesse automatisiert, z. B. die Validierung unbegründeter medizinischer Ansprüche, die Übermittlung notwendiger medizinischer Daten an die entsprechenden medizinischen Fachkräfte usw. Olive lässt sich problemlos in bestehende Softwaretools für das Gesundheitswesen integrieren.
Ähnliche Dienstleistungen werden von K2 Process Automation angeboten. Diese Plattform nutzt künstliche Intelligenz, um die Verwaltung medizinischer Einrichtungen und ihrer Mitarbeiter zu optimieren. Insbesondere kann AI K2 Daten in der Patientenakte automatisch aktualisieren, Patientenanfragen bearbeiten, indem sie ihnen Benachrichtigungen senden, wenn sie Testergebnisse erhalten, Anrufe protokollieren und Informationen entsprechend speichern.
Ende Dezember 2021 prognostizierte die Plattform BlueDot den Ausbruch des Coronavirus in China. Die künstliche Intelligenz von BlueDot, die Nachrichten in 65 Sprachen, Gespräche von Menschen in sozialen Netzwerken und Berichte über die Krankheit untersucht hatte, meldete eine Woche früher als die Weltgesundheitsorganisation (WHO) einen Ausbruch einer neuen grippeähnlichen Infektion. Und dies ist nicht der erste derartige Fall. Zuvor hatte BlueDot einen Ausbruch des Zika-Virus in Florida im Jahr 2016 vorhergesagt, sechs Monate bevor es passierte. Noch früher sagte BlueDot den Ebola-Ausbruch 2014 und seine Ausbreitung über Afrika hinaus voraus.
Ein weiteres Startup, das seine Fähigkeit bewiesen hat, den Ausbruch von Infektionskrankheiten vorherzusagen, ist Metabiota. Laut TechCrunch hat die Plattform dazu beigetragen, die Ausbreitung von Ebola in Sierra Leone zu stoppen.
Im Jahr 2015, während des Ebola-Ausbruchs in Westafrika, nutzte das amerikanische Pharmaunternehmen Atomwise mithilfe künstlicher Intelligenz eine Partnerschaft mit IBM, um Verbindungen zu untersuchen, die an ein Glykoprotein binden können, das verhindert, dass Ebola in Zellen im Körper eindringt. Diese Analyse wurde vom neuronalen Netzwerk Atomwise in weniger als einem Tag durchgeführt, obwohl dieser Prozess normalerweise Monate oder sogar Jahre dauert.
Dies war das erste Mal, dass KI den Arzneimittelentwicklungsprozess so stark beschleunigt hat. In weiteren 5 Jahren werden die USA das erste Medikament zulassen, das fast vollständig von KI entwickelt wurde, das Medikament DSP-1181 zur Behandlung von Zwangsstörungen. Dieses Medikament wurde von Exscientia entwickelt und dauerte laut Management nur 12 Monate.
Aber dieser Zeitraum ist nicht die Grenze. Insilico Medicin behauptet, dass ihre KI, GENTRL, in der Lage ist, in nur 3 Wochen neue Medikamente gegen bestimmte Pathologien zu entwickeln. Es dauert ungefähr 25 weitere Tage, um die beste Option auszuwählen und zu testen. Somit dauert es nur 46 Tage, um Medikamente mit GENTRL herzustellen.
Das ehrgeizigste Projekt in diese Richtung ist jedoch Deep Genomics. Dieses Unternehmen entwickelt eine KI namens Project Saturn, um neue Methoden zur Beseitigung der Auswirkungen genetischer Mutationen zu entdecken. Deep Genomics hat bereits 69 Milliarden Oligonukleotidmoleküle im Vergleich zu 1 Million In-Silico-Targets bewertet, um eine Bibliothek mit 1.000 Verbindungen zu erstellen, die experimentell validiert wurden, um die Zellbiologie wie beabsichtigt zu manipulieren.
Ein weiterer ressourcenintensiver Bereich im Gesundheitswesen, in dem künstliche neuronale Netze nützlich sein können, ist die personalisierte Medizin. Tatsache ist, dass jeder Behandlungsfall einzigartig ist, da jede Person eine einzigartige Immunität, Krankengeschichte und aktuellen Gesundheitszustand hat. Und all dies muss für eine maximale Wirksamkeit der Behandlung berücksichtigt werden. Aber erstens kann der Arzt nicht immer alle Nuancen im Zustand des Patienten erkennen, und zweitens verfügt der Arzt nicht über die notwendige Kompetenz, um unter Berücksichtigung all dieser Nuancen eine umfassende Entscheidung über die Erstellung des effektivsten Behandlungsplans zu treffen - dafür Sie müssen das tiefste Wissen in allen Bereichen der Medizin haben, was unrealistisch ist.
Aber es steht unter der Macht der künstlichen Intelligenz. Er ist in der Lage, riesige Datenmengen zu studieren und zu analysieren und eine Entscheidung zu treffen, die alle verfügbaren Daten sowohl zum Zustand des Patienten als auch zu seinen Behandlungsoptionen berücksichtigt. Bisher gibt es nicht viele solcher Projekte (sie sind zu komplex und erfordern riesige Mengen hochwertiger medizinischer Daten). Doch erste Erfolge in diese Richtung gibt es bereits: AI Merative von IBM (ehemals Watson Oncology) soll speziell solche Probleme lösen.
Ein weiteres großes Problem im Gesundheitswesen ist Betrug. Gefälschte Medikamente, Versicherungsbetrug und minderwertige, illegale und vorsätzlich unwirksame medizinische Dienstleistungen schaden der Branche ebenso wie gefälschte, minderwertige klinische Forschung. Allein in den USA kostet Betrug im Gesundheitswesen nach vorsichtigen Schätzungen das Land etwa 68 Milliarden Dollar pro Jahr, was 3 % der gesamten Gesundheitsausgaben des Landes entspricht.
Auch künstliche Intelligenz auf Basis neuronaler Netze kann mit diesem Problem fertig werden. Beispielsweise verfügt das Medizinunternehmen Aetna über etwa 350 neuronale Netzwerkmodelle für Sicherheit und Betrugsschutz. Highmark Inc hat auch ein eigenes NN zur Betrugsbekämpfung, und nach Angaben des Unternehmens hat sein Produkt für neuronale Netzwerke dem Unternehmen bereits geholfen, 245 Millionen US-Dollar einzusparen .
Wie oft haben Sie es versäumt, Ihre Medikamente einzunehmen, Ihre ärztliche Untersuchung vergessen oder ignoriert? Umfragen zeigen, dass dies ein sehr häufiges Problem ist und Ärzte wenig oder gar keine Kontrolle darüber haben. Darüber hinaus verschärfen Anweisungen und Kritik am Verhalten von Patienten durch Ärzte das Problem nur, da Patienten sich für ihre Krankheiten schämen und einfach nicht mehr ins Krankenhaus gehen.
Aber verschiedene Gadgets und Anwendungen, die das Verhalten der Menschen korrigieren, können dabei helfen. Das offensichtlichste Beispiel sind Fitnessarmbänder und Smartwatches, die helfen, Ziele zu setzen (z. B. 4 Kilometer pro Tag zu gehen) und deren Erreichung zu verfolgen sowie an Vorsorgeuntersuchungen und die Notwendigkeit körperlicher Aktivität zu erinnern. Anspruchsvollere Apps wie Somatix verfolgen die täglichen Aktivitäten eines Patienten und weisen auf seine Gewohnheiten und Routinen hin, damit er sich darauf konzentrieren kann, sie loszuwerden und zu heilen.
Last but not least steht die Erhebung und Analyse hochwertiger medizinischer Daten auf unserer Liste. Und das ist nicht nur die Erhebung der Krankengeschichte des Patienten, sondern auch diverser damit zusammenhängender Daten, angefangen damit, wo der Patient arbeitet und wie oft er ins Fitnessstudio geht, bis hin zu welchen Filmen er sich ansieht und was er isst – im Idealfall sollte all dies der Fall sein auch bei der Erstellung des Behandlungsplans berücksichtigt werden.
Das Problem ist, dass das Sammeln solcher Daten sehr schwierig und kostspielig ist. Die Leute möchten nicht jeden Kauf, Lauf oder Horrorfilm, den sie sich ansehen, melden. Aber das können Plattformen leisten, die auf künstlicher Intelligenz basieren. Wenn eine solche Lösung mit einem Smartphone, einer Smartwatch, einem Kühlschrank, Online-Banking und anderen Quellen integriert ist, wird künstliche Intelligenz solche Statistiken für jeden Patienten automatisch und vertraulich sammeln.
Beispiele für solche Lösungen gibt es viele. Zum Beispiel ein Gadget von Current Health mit künstlicher Intelligenz zur medizinischen Überwachung des Zustands einer Person. Dieses tragbare Gerät war eines der ersten, das die Zulassung der US Food and Drug Administration (FDA) für den Heimgebrauch erhielt. Das Gerät kann Herzfrequenz, Atmung, Sauerstoffsättigung, Temperatur und Mobilität von Patienten messen, um diese Daten dem Arzt bereitzustellen, der dem Patienten Empfehlungen gibt.
