Medizin und Pflege

poba/iStock

Rasante Entwicklung im Gesundheitswesen

Die intelligente Verknüpfung von Patientendaten verspricht große Fortschritte in der medizinischen Forschung, Diagnose und Prävention. Roboter-Assistenten unterstützen bei Operationen und in der Pflege können Assistenzsysteme Fachkräfte entlasten und mehr Selbstbestimmung ermöglichen. Wichtige Voraussetzungen sind Akzeptanz und Datensicherheit.

Eine Klinik ohne Krankenhausinformationssystem ist heute nicht mehr vorstellbar, Verfahren wie Bildauswertung oder Laboranalytik prägen längst den medizinischen Alltag. Zudem erfassen viele Patienten selbst ihre Gesundheitsdaten, etwa über mobile Apps und Fitnessarmbänder (Wearables). All diese Daten lassen sich durch Methoden der Künstlichen Intelligenz mit anderen Forschungs- und Patientendaten vernetzen. Mit Hilfe von Data Science können so neue Präventionsansätze entwickelt, seltene Erbkrankheiten erforscht und bislang unbekannte medizinische Zusammenhänge aufgezeigt werden. Neue Diagnostikverfahren für eine personalisierte Therapie setzen aufwendige Datenanalysen sogar voraus. Und selbst in der Psychiatrie helfen Assistenzsysteme, Emotionen zu erkennen – und unterstützen so die Behandlung von depressiven Menschen.

Mensch-Maschine-Interaktion ist in der Medizin bereits verbreitet – etwa bei Operationen, in denen intelligente Werkzeuge den Ärztinnen und Ärzten assistieren und so präzisere Eingriffe ermöglichen. Auch in der Pflege können digitale Assistenten unterstützen, zum Beispiel beim Heben und Lagern von Patienten. In Zukunft ermöglichen es Assistenzroboter und KI-basierte Technologien wie Exoskelette den Menschen, bis ins hohe Alter selbstbestimmt zu leben. Im Hinblick auf den demografischen Wandel ergeben sich hier große Potenziale.

Gleichzeitig stellen sich gerade im Gesundheitsbereich wichtige gesellschaftliche Fragen, beispielsweise nach der Sicherheit von Daten. Das Ziel kann nicht ein „gläserner“ Patient sein; die Selbstbestimmung über eigene Gesundheitsdaten ist zentral für alle künftigen Lösungsansätze. Zu klären sind auch haftungsrechtliche Fragen – etwa bei Fehldiagnosen. Viele chronisch kranke Patienten wiederum wünschen ausdrücklich eine Vernetzung und Verknüpfung ihrer Daten, um auf Grundlage besserer Informationen besser versorgt werden zu können.

Ziel der vielfältigen medizinischen KI-Anwendungen ist es nicht, Fachkräfte zu ersetzen, sondern sie zu entlasten und bestmöglich zu unterstützen. Zum Beispiel in der radiologischen Diagnostik: Lernende Systeme können Röntgenaufnahmen bereits heute ähnlich gut interpretieren wie ein erfahrener Spezialist. Mit ihrer raschen Analyse liefern sie eine verlässliche Entscheidungsgrundlage, den endgültigen Befund erstellt der Radiologe. Der Erfolg vieler Anwendungen bestimmt sich letztlich aus ihrer Akzeptanz. Die für den Therapieerfolg maßgebliche Kommunikation mit dem Patienten wird kein Programm leisten können. Intelligente Systeme können aber wie ein Navigationssystem bei der Suche nach der besten individuellen Therapie unterstützen, so dass medizinischen Fachkräften mehr Zeit für Kommunikation und Zuwendung bleibt.

Mit Fragen zu diesen Themen beschäftigt sich in der Plattform Lernende Systeme die AG 6 unter der Leitung von Klemens Budde (Charité – Universitätsmedizin Berlin).