Forschung, Pharmaindustrie und Ärzteschaft
Gesundheitsdaten nutzen
| Autor / Redakteur: Mark Johnston* / Susanne Ehneß
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) werden das Gesundheitswesen in vielen Bereichen revolutionieren. Mark Johnston von Amazon Web Services erläutert in seinem Gastbeitrag, wie dies aussehen kann.
Bereits heute zeigt sich, dass Computer das Potenzial haben, eigenständig Diagnosen zu stellen und die Leistung von Ärzten bei einer Vielzahl von Aufgaben erheblich zu verbessern. 2018 hat die amerikanische Gesundheitsbehörde FDA sogar zum ersten Mal eine Diagnostik genehmigt, die ausschließlich auf KI beruht und damit ohne menschliche Eingriffe auskommt. Konkret geht es um einen Test für diabetische Retinopathie, eine durch die Zuckerkrankheit Diabetes mellitus hervorgerufene Erkrankung der Netzhaut des Auges.
Datenquellen: Gesundheitsakte, Genomsequenzen
Diagnoseverfahren wie diese sind jedoch nur der Anfang. Eine wichtige Rolle spielt dabei eine Fülle von Informationsquellen wie elektronische Gesundheitsakten, Genomsequenzen, mobile Geräte, eingebettete Sensoren und sogar Abrechnungsdaten. Solche Daten sind eine wesentliche Komponente, mit denen Gesundheitseinrichtungen ihre Effizienz steigern sowie die Ergebnisse und die Lebensqualität der Patienten verbessern können.
Im Zuge der eigentlichen Behandlung und der Entwicklung neuer Therapien ist die Erfassung und Analyse von Daten in der Vergangenheit häufig ein wenig in den Hintergrund geraten. Mittlerweile gibt es allerdings viele neue Tools, mit denen Machine Learning und die damit verbundenen Prozesse einfach in die Behandlung der Patienten integriert werden können. Damit sind KI und ML nicht länger exklusive Technologien für Forscher und Pharmaunternehmen, sondern kommen der Ärzteschaft auf breiter Front zugute.
Auf der Suche nach hochwertigen Daten
Mit mehr und mehr Anwendungsfällen zeigen sich zunehmend die zentralen Erfolgsfaktoren für KI- und ML-Projekte. So erfordern sie große Mengen an sorgfältig gepflegten und qualitativ hochwertigen Daten. In einem Segment wie dem Gesundheitswesen, in dem Daten oft komplex, unstrukturiert und obendrein häufig schwer zu beschaffen sind, ist das eine große Herausforderung.
Darüber hinaus sind hochwertige Datensätze nicht nur für den eigentlichen Betrieb von KI- und ML-gesteuerten Systemen essenziell, sondern vor allem für die Versorgung der Trainingsmodelle, auf die sie aufbauen.
Außerdem sollen die Systeme für die rechenintensiven KI-Aufgaben optimiert und im Zuge des rapiden technischen Fortschritts relativ häufig aktualisiert werden. Sämtliche IT-Ressourcen müssen dabei sehr strengen Standards und Vorschriften entsprechen, um den Datenschutz von Patientendaten zu gewährleisten.
Ein Unternehmen, das das Potenzial intelligenter Analysemodelle eindrucksvoll zeigt, ist Flatiron Health. Das Start-up aus New York verknüpft klinische Daten von 265 Onkologiepraxen, einem wachsenden Netzwerk von großen akademischen Zentren und anderen Gesundheitseinrichtungen, die gemeinsam mehr als zwei Millionen Krebsfälle dokumentieren. Durch die Integration der dabei anfallenden Daten in KI-Systeme ist Flatiron in der Lage, die Versorgung zu optimieren, neue Behandlungsmodelle zu entwickeln und neue Therapieansätze zu finden.
Cloud
Die Cloud spielt für KI und ML eine sehr große Rolle. Schließlich lassen sich nur mit ihrer Hilfe die Herausforderungen rund um Speicherkapazität, Flexibilität, Sicherheit und Analysefähigkeit meistern. So erleichtern moderne Cloud-Computing-Plattformen die Erfassung und Verarbeitung von Informationen, unabhängig davon, ob es sich um strukturierte, unstrukturierte oder Streaming-Daten handelt. Dadurch rationalisieren diese Werkzeuge den Prozess der Erstellung und Bereitstellung von Modellen, die auf maschinellen Lernprozessen basieren.
Eines der bekanntesten Unternehmen, das in diesem Bereich die Vorteile der Cloud nutzt, ist Philips. Der niederländische Technologiekonzern bietet über die „HealthSuite“-Plattform den Zugriff auf einen Cloud-basierten Fundus von mehr als 21 Petabyte Daten aus 390 Millionen medizinischen Bildern, Krankenakten und Patienteneinträgen. HealthSuite verschafft damit Healthcare-Anbietern, Klinikern, Datenwissenschaftlern und Softwareentwicklern den Zugang zu Qualitätsdaten und KI-Tools, mit denen sie die Versorgung von Patienten erheblich verbessern können.
Ein weiteres Beispiel ist Orion Health. Das Unternehmen hostet Daten für 50 Millionen Benutzer in der Cloud und ermöglicht seinen Kunden den Zugriff auf Patienteninformationen, die von klinischen Daten und Genanalysen bis hin zu Schadens- und Erstattungsdaten reichen. Die dazugehörigen Tools ermöglichen es, personalisierte Behandlungs- und Präventionsstrategien zu identifizieren und die klinische Entscheidungsfindung zu optimieren.
Fazit
Gesundheitsunternehmen setzen zunehmend auf KI und ML, um Innovationen und Veränderungen voranzutreiben. Das Ziel ist dabei stets, die Zeit des Know-how-Wachstums zu verkürzen und gleichzeitig die Behandlung der Patienten zu verbessern. Auch in Zukunft werden dabei die Anforderungen von heute gelten: hochwertige Daten, optimierte Systeme, der Einsatz von Cloud-Technologie und ML-Diensten, die ML für Entwickler zugänglich machen – etwa indem sie den Aufbau des Trainings und das Deployment eines KI-/ML-Modells erleichtern.
Wenn diese grundlegenden Punkte erfüllt sind, haben KI und ML das Potenzial, einen höheren Mehrwert für Patienten und Unternehmen zu erzielen. Eine effizientere Versorgung und eine verbesserte Entscheidungsfindung bei der optimalen Behandlung von Krankheiten sind die äußerst positive Folge –Vorteile, von denen wohl jeder in Zukunft profitieren wird.
*Der Autor: Mark Johnston, Director of Global Business Development, Healthcare, Life Sciences and Agricultural Technology, Amazon Web Services.
