5 Möglichkeiten, generative KI im Gesundheitswesen einzusetzen

Veröffentlicht: 2023-09-26

PwC prognostiziert, dass die Gesundheitskosten im Jahr 2024 um 7 % steigen werden. Dieser Anstieg ist vor allem auf Burnout-Erkrankungen der Beschäftigten im Gesundheitswesen, den daraus resultierenden Arbeitskräftemangel, Streitigkeiten zwischen Kostenträgern und Leistungserbringern sowie die Inflation zurückzuführen. Um eine effiziente Patientenversorgung ohne übermäßige Betriebskosten zu gewährleisten, erforscht die Branche innovative Technologien wie generative KI im Gesundheitswesen.

Accenture berichtet, dass 40 % der Arbeitszeiten von Gesundheitsdienstleistern durch KI verbessert werden können, während ein aktueller Forbes-Artikel nahelegt, dass diese Technologie dem US-amerikanischen Gesundheitssektor jährliche Kosten in Höhe von mindestens 200 Milliarden US-Dollar einsparen kann.

Generative KI im Gesundheitswesen verwendet Algorithmen des maschinellen Lernens, um unstrukturierte Daten wie Patientenakten, medizinische Bilder, Audioaufzeichnungen von Konsultationen usw. zu analysieren und neue Inhalte zu erstellen, die denen ähneln, auf denen sie trainiert wurde.

In diesem Artikel erklärt unser Unternehmen für generative KI-Entwicklung, wie die Technologie Gesundheitsorganisationen unterstützen kann.

Generative KI-Anwendungsfälle im Gesundheitswesen

  1. Erleichterung der medizinischen Ausbildung und Simulation
  2. Unterstützung bei der klinischen Diagnose
  3. Mitwirken bei der Arzneimittelentwicklung
  4. Verwaltungsaufgaben automatisieren
  5. Generierung synthetischer medizinischer Daten

Erleichterung medizinischer Schulungen und Simulationen

Generative KI im Gesundheitswesen kann realistische Simulationen erstellen, die eine Vielzahl von Gesundheitszuständen nachbilden, sodass Medizinstudenten und Fachkräfte in einer risikofreien, kontrollierten Umgebung praktizieren können. KI kann Patientenmodelle mit unterschiedlichen Erkrankungen generieren oder dabei helfen, eine Operation oder einen anderen medizinischen Eingriff zu simulieren.

Traditionelles Training beinhaltet vorprogrammierte Szenarien, die restriktiv sind. KI hingegen kann schnell Patientenfälle generieren und sich in Echtzeit an die Entscheidungen der Auszubildenden anpassen. Dies führt zu einer anspruchsvolleren und authentischeren Lernerfahrung.

Beispiel aus dem wirklichen Leben

Die University of Michigan hat ein generatives KI-Modell im Gesundheitswesen entwickelt, das verschiedene Szenarien zur Simulation einer Sepsisbehandlung erstellen kann.

Die University of Pennsylvania setzte ein generatives KI-Modell ein, um die Ausbreitung von COVID-19 zu simulieren und verschiedene Interventionen zu testen. Dies half den Forschern, die möglichen Auswirkungen von sozialer Distanzierung und Impfung auf das Virus zu bewerten.

Unterstützung bei der klinischen Diagnose

So kann generative KI für das Gesundheitswesen zur Diagnostik beitragen:

  • Generierung hochwertiger medizinischer Bilder . Krankenhäuser können generative KI-Tools einsetzen, um die Diagnosefähigkeiten der herkömmlichen KI zu verbessern. Diese Technologie kann Scans von schlechter Qualität in hochauflösende medizinische Bilder mit vielen Details umwandeln, KI-Algorithmen zur Anomalieerkennung anwenden und die Ergebnisse Radiologen präsentieren.
  • Krankheiten diagnostizieren . Forscher können generative KI-Modelle anhand medizinischer Bilder, Labortests und anderer Patientendaten trainieren, um frühe Ausbrüche verschiedener Gesundheitszustände zu erkennen und zu diagnostizieren. Diese Algorithmen können Hautkrebs, Lungenkrebs, versteckte Frakturen, frühe Anzeichen von Alzheimer, diabetische Retinopathie und mehr erkennen. Darüber hinaus können KI-Modelle Biomarker aufdecken, die bestimmte Störungen verursachen und das Fortschreiten der Krankheit vorhersagen können.
  • Beantwortung medizinischer Fragen . Diagnostiker können im Gesundheitswesen auf generative KI zurückgreifen, wenn sie Fragen haben, anstatt in medizinischen Fachbüchern nach einer Antwort zu suchen. KI-Algorithmen können große Datenmengen verarbeiten und schnell Antworten generieren, was Ärzten wertvolle Zeit spart.

Beispiele aus der Praxis

Ein Forscherteam experimentierte mit GAN-Modellen (Generative Adversarial Network), um Merkmale in medizinischen Scans geringer Qualität zu extrahieren und zu verbessern und sie in hochauflösende Bilder umzuwandeln. Dieser Ansatz wurde anhand von MRT-Scans des Gehirns, Dermatoskopie, Netzhautfundoskopie und Herzultraschallbildern getestet und zeigte eine überlegene Genauigkeitsrate bei der Anomalieerkennung nach der Bildverbesserung.

In einem anderen Beispiel wurde Googles KI-gestützter Med-Palm 2 anhand des MedQA-Datensatzes trainiert und erreichte bei der Beantwortung relevanter medizinischer Fragen eine Genauigkeitsrate von 85 %. Google gibt zu, dass der Algorithmus noch verbessert werden muss, aber es ist ein guter Anfang für generative KI als Diagnoseassistent.

Beitrag zur Arzneimittelentwicklung

Nach Angaben des Congressional Budget Office kostet die Entwicklung neuer Medikamente durchschnittlich 1 bis 2 Milliarden US-Dollar, einschließlich gescheiterter Medikamente. Glücklicherweise gibt es Hinweise darauf, dass KI das Potenzial hat, die für die Entwicklung und Prüfung neuer Medikamente benötigte Zeit fast um die Hälfte zu verkürzen und der Pharmaindustrie dadurch jährliche Kosten in Höhe von rund 26 Milliarden US-Dollar zu ersparen. Darüber hinaus kann diese Technologie die mit klinischen Studien verbundenen Kosten um 28 Milliarden US-Dollar pro Jahr senken.

Pharmaunternehmen können generative KI im Gesundheitswesen einsetzen, um die Arzneimittelentwicklung zu beschleunigen, indem sie:

  • Entwerfen und Erzeugen neuer Moleküle mit gewünschten Eigenschaften, die Forscher später im Labor evaluieren können
  • Vorhersage der Eigenschaften neuartiger Arzneimittelkandidaten und Proteine
  • Generierung virtueller Verbindungen mit hoher Bindungsaffinität zum Ziel, die in Computersimulationen getestet werden können, um Kosten zu senken
  • Vorhersage von Nebenwirkungen neuartiger Medikamente durch Analyse ihrer molekularen Struktur

Weitere Informationen zur Rolle der KI in der Arzneimittelforschung und wie sie klinische Studien erleichtert, finden Sie in unserem Blog.

Beispiele aus der Praxis

Der Aufstieg strategischer Partnerschaften zwischen Biotech-Unternehmen und KI-Startups ist ein frühes Anzeichen dafür, dass generative KI die Pharmaindustrie erobert.

Erst kürzlich hat Recursion Pharmaceuticals zwei kanadische KI-Startups für 88 Millionen US-Dollar übernommen. Eines von ihnen, Valence, ist für seine generativen KI-Fähigkeiten bekannt und wird an der Entwicklung von Medikamentenkandidaten auf der Grundlage kleiner und verrauschter Datensätze arbeiten, die für herkömmliche Methoden der Medikamentenentwicklung nicht ausreichen.

Ein weiteres interessantes Beispiel stammt von der University of Toronto. Ein Forschungsteam hat ein generatives KI-System, ProteinSGM, entwickelt, das nach der Untersuchung bildlicher Darstellungen vorhandener Proteinstrukturen neuartige realistische Proteine ​​generieren kann. Dieses Tool kann Proteine ​​mit hoher Geschwindigkeit produzieren, und dann wird ein weiteres KI-Modell, OmegaFold, eingesetzt, um das Potenzial der resultierenden Proteine ​​zu bewerten. Forscher berichteten, dass sich die meisten der neu generierten Sequenzen zu echten Proteinstrukturen falten.

Verwaltungsaufgaben automatisieren

Dies ist einer der bekanntesten Anwendungsfälle generativer KI im Gesundheitswesen. Studien zeigen, dass die Burnout-Rate unter Ärzten in den USA satte 62 % erreicht hat. Ärzte, die an dieser Krankheit leiden, sind häufiger in Vorfälle verwickelt, die ihre Patienten gefährden, und neigen häufiger zu Alkoholmissbrauch und Selbstmordgedanken.

Glücklicherweise kann generative KI im Gesundheitswesen die Schultern der Ärzte teilweise entlasten, indem sie Verwaltungsaufgaben rationalisiert. Gleichzeitig können dadurch die mit der Verwaltung verbundenen Kosten gesenkt werden, die laut HealthAffairs 15–30 % der gesamten Gesundheitsausgaben ausmachen. Das kann generative KI leisten:

  • Extrahieren Sie Daten aus den Krankenakten der Patienten und füllen Sie die entsprechenden Gesundheitsregister auf. Microsoft plant, generative KI in die elektronische Patientenakte von Epic zu integrieren. Dieses Tool führt verschiedene Verwaltungsaufgaben aus, beispielsweise die Beantwortung von Patientennachrichten.
  • Transkribieren und fassen Sie Patientengespräche zusammen, geben Sie diese Informationen in die entsprechenden EHR-Felder ein und erstellen Sie klinische Dokumentation. Nuance von Microsoft hat die generative KI-Technologie GPT-4 in seine klinische Transkriptionssoftware integriert. Ärzte können die Beta-Version bereits testen.
  • Erstellen Sie strukturierte Gesundheitsberichte, indem Sie Patienteninformationen wie Krankengeschichte, Laborergebnisse, Scans usw. analysieren.
  • Erstellen Sie Behandlungsempfehlungen
  • Beantworten Sie Fragen von Ärzten
  • Finden Sie optimale Zeitfenster für die Terminplanung basierend auf den Bedürfnissen der Patienten und der Verfügbarkeit der Ärzte
  • Generieren Sie personalisierte Terminerinnerungen und Folge-E-Mails
  • Überprüfen Sie Krankenversicherungsansprüche und prognostizieren Sie, welche voraussichtlich abgelehnt werden
  • Verfassen Sie Umfragen, um Patientenfeedback zu verschiedenen Verfahren und Besuchen zu sammeln, zu analysieren und umsetzbare Erkenntnisse zur Verbesserung der Pflege zu gewinnen

Beispiel aus dem wirklichen Leben

Navina, ein medizinisches KI-Startup, hat einen generativen KI-Assistenten entwickelt, der Ärzten hilft, Verwaltungsaufgaben effizienter zu erledigen. Dieses Tool kann auf Patientendaten zugreifen, darunter EHRs, Versicherungsansprüche und gescannte Dokumente, Statusaktualisierungen bereitstellen, Pflegeoptionen empfehlen und Fragen von Ärzten beantworten. Es können sogar strukturierte Dokumente wie Empfehlungsschreiben und Fortschrittsnotizen erstellt werden.

Navina hat bereits eine Finanzierung in Höhe von 44 Millionen US-Dollar erhalten, was auf ein starkes Interesse seitens der medizinischen Fachwelt hinweist.

Generierung synthetischer medizinischer Daten

Die medizinische Forschung ist auf den Zugriff auf große Datenmengen zu verschiedenen Gesundheitszuständen angewiesen. Insbesondere bei seltenen Krankheiten mangelt es schmerzlich an Daten. Darüber hinaus ist die Erhebung solcher Daten kostspielig und ihre Nutzung und Weitergabe unterliegt Datenschutzgesetzen.

Generative KI in der Medizin kann synthetische Datenproben erzeugen, die reale Gesundheitsdatensätze ergänzen können und keinen Datenschutzbestimmungen unterliegen, da die Gesundheitsdaten nicht bestimmten Personen gehören. Künstliche Intelligenz kann EHR-Daten, Scans usw. generieren.

Beispiele aus der Praxis

Ein Team deutscher Forscher hat ein KI-gestütztes Modell, GANerAid, entwickelt, um synthetische Patientendaten für klinische Studien zu generieren. Dieses Modell basiert auf dem GAN-Ansatz und kann medizinische Daten mit den gewünschten Eigenschaften erzeugen, selbst wenn der ursprüngliche Trainingsdatensatz in der Größe begrenzt war.

Ein anderes Wissenschaftlerteam experimentierte mit generativer KI, um elektronische Gesundheitsakten zu synthetisieren. Die Forscher wurden durch restriktive Datenschutzbestimmungen und die Unfähigkeit, Patientendaten effektiv zwischen Krankenhäusern auszutauschen, motiviert. Sie entwickelten das EHR-M-GAN-Modell, das heterogene, gemischte EHR-Daten (das heißt, sie enthalten sowohl kontinuierliche als auch diskrete Werte) ableiten konnte, die Patientenverläufe realistisch darstellen.

Ethische Überlegungen und Herausforderungen generativer KI im Gesundheitswesen

Auch wenn Technologie- und Beratungsgiganten weiterhin in KI investieren, können wir auch beobachten, wie prominente KI-Experten, darunter Elon Musk, CEO von Tesla, und Sam Altman, CEO von OpenAI, vor den mit der Technologie verbundenen Risiken warnen. Welche Herausforderungen bringt generative KI für das Gesundheitswesen mit sich?

  • Voreingenommenheit . Die Leistung von KI-Modellen ist so gut wie der Datensatz, auf dem sie trainiert wurden. Wenn die Daten die Zielgruppe nicht angemessen repräsentieren, lässt dies Raum für Verzerrungen gegenüber weniger vertretenen Gruppen. Als generative KI-Tools, die auf riesigen Mengen an Patientenakten basieren, übernehmen sie alle darin vorhandenen Verzerrungen, und es wird eine Herausforderung sein, sie zu erkennen, geschweige denn zu beseitigen.
  • Fehlende Vorschriften . Obwohl KI erhebliche ethische Bedenken birgt, gibt es noch keine offiziellen Vorschriften, die den Einsatz dieser Technologie regeln. Die USA und die EU arbeiten an der Formalisierung relevanter Richtlinien, dies wird jedoch in naher Zukunft nicht geschehen.
  • Genauigkeitsbedenken . KI macht Fehler, und im Gesundheitswesen ist der Preis für solche Fehler ziemlich hoch. Beispielsweise können große Sprachmodelle (LLMs) halluzinieren. Das bedeutet, dass sie syntaktisch wahrscheinliche Ergebnisse liefern können, die sachlich falsch sind. Gesundheitsorganisationen müssen entscheiden, wann sie Fehler tolerieren und wann sie vom KI-Modell eine Erklärung seiner Schlussfolgerungen verlangen. Wenn beispielsweise generative KI zur Unterstützung der Krebsdiagnose eingesetzt wird, ist es unwahrscheinlich, dass Ärzte ein solches Tool einsetzen, wenn es seine Empfehlungen nicht rechtfertigen kann.
  • Verantwortlichkeit . Wer ist für das endgültige Gesundheitsergebnis verantwortlich? Ist es der Arzt, der KI-Anbieter, die KI-Entwickler oder eine andere Partei? Mangelnde Verantwortung kann sich negativ auf Motivation und Leistung auswirken.

Sind Sie bereit, Ihre Gesundheitspraxis mit generativer KI zu verbessern?

Generative KI-Algorithmen werden immer leistungsfähiger. Robert Pearl, klinischer Professor an der Stanford University School of Medicine, sagte:

„ChatGPT verdoppelt seine Leistung alle sechs Monate bis zu einem Jahr. In fünf Jahren wird es 30-mal stärker sein als heute. In 10 Jahren wird es tausendmal stärker sein. Was heute existiert, ist wie ein Spielzeug. Schätzungen zufolge wird es in Werkzeugen der nächsten Generation eine Billion Parameter geben, was interessanterweise der ungefähren Anzahl von Verbindungen im menschlichen Gehirn entspricht.“

KI kann ein mächtiger Verbündeter sein, aber wenn sie falsch eingesetzt wird, kann sie erheblichen Schaden anrichten. Gesundheitsorganisationen müssen mit dieser Technologie mit Vorsicht umgehen. Wenn Sie darüber nachdenken, KI-basierte Lösungen für das Gesundheitswesen einzusetzen, finden Sie hier drei Tipps für den Einstieg:

  • Bereiten Sie Ihre Daten vor . Selbst wenn Sie sich für ein vorab trainiertes, vorgefertigtes KI-Modell entscheiden, möchten Sie es möglicherweise dennoch anhand Ihres proprietären Datensatzes neu trainieren, der von hoher Qualität und repräsentativ für die Zielgruppe sein muss. Halten Sie medizinische Daten jederzeit sicher und schützen Sie die Privatsphäre Ihrer Patienten. Es wäre nützlich, offenzulegen, auf welchem ​​Datensatz ein Algorithmus trainiert wurde, da dies hilft zu verstehen, wo er gut funktioniert und wo er möglicherweise scheitert.
  • Übernehmen Sie die Kontrolle über Ihre KI-Modelle . Kultivieren Sie das Konzept der verantwortungsvollen KI in Ihrem Unternehmen. Stellen Sie sicher, dass die Mitarbeiter wissen, wann und wie sie die Tools verwenden und wer die Verantwortung für das Endergebnis übernimmt. Testen Sie die generativen KI-Modelle an Anwendungsfällen mit begrenzten Auswirkungen, bevor Sie sie auf sensiblere Anwendungen skalieren. Wie bereits erwähnt, kann generative KI Fehler machen. Entscheiden Sie, wo eine geringe Ausfallrate akzeptabel ist und wo Sie sie sich nicht leisten können. Beispielsweise kann eine Genauigkeit von 98 % für Verwaltungsanwendungen ausreichen, in der Diagnostik und in der Praxis mit Patientenkontakt ist dies jedoch nicht akzeptabel. Entwickeln Sie einen Rahmen, der den Einsatz generativer KI im Gesundheitswesen in Ihrem Krankenhaus regelt.
  • Helfen Sie Ihren Mitarbeitern, die Technologie zu akzeptieren und zu nutzen . Gerade im stark regulierten Gesundheitssektor bedarf die KI nach wie vor der menschlichen Führung. Human-in-the-Loop bleibt ein wesentlicher Bestandteil für den Erfolg der Technologie. Vom medizinischen und administrativen Personal wird erwartet, dass es KI-Modelle überwacht, daher müssen sich Krankenhäuser darauf konzentrieren, Menschen für diese Aufgabe zu schulen. Mitarbeiter hingegen sollten in der Lage sein, ihren Alltag neu zu erfinden, da KI nun ein Teil davon ist, um die freigewordene Zeit für die Wertschöpfung zu nutzen.

Sie möchten von generativer KI profitieren, sind sich aber nicht sicher, wie Sie vorgehen sollen? Melde dich! Wir helfen Ihnen bei der Aufbereitung Ihrer Daten, der Implementierung des Tools und der Integration in Ihren Betrieb.


Ursprünglich veröffentlicht unter https://itrexgroup.com am 6. September 2023.