Moderne Technologien machen Computersysteme immer „intelligenter“. Insbesondere wird maschinelles Lernen von Facebook, Google und Amazon verwendet, um beispielsweise Sprache in Text umzuwandeln, Gesichter zu erkennen und personalisierte Werbung zu schalten. Die gleichen Technologien helfen Ärzten verschiedener Fachrichtungen. In den USA sollen maschinelles Lernen und eine schwache Form der KI zur Bekämpfung des gefährlichen Bakteriums
Clostridium difficile eingesetzt werden . Wikipedia sagt, dass das Bakterium der Erreger der pseudomembranösen Kolitis ist, einer schweren infektiösen Darmerkrankung, die zum Tod einer Person mit einem geschwächten Körper führen kann.
Krankenhauspatienten gehören einfach zu der Kategorie der Menschen mit einem geschwächten Körper, der fast nicht in der Lage ist, mit pathogenen Viren und Bakterien umzugehen. Allein in den USA werden pro Jahr 453.000 Fälle von Kolitis registriert, wobei 29.000 Fälle zum Tod des Patienten führen. In jedem Fall wurden solche Daten im
Bericht für 2015 angegeben . Die üblichen medizinischen Methoden helfen nicht, die Infektion zu stoppen - Hände waschen, Böden, Antiseptika usw. nicht zu effektiv.
Aus diesem Grund entschieden sich die Ärzte für andere Methoden, die in direktem Zusammenhang mit modernen Technologien stehen, die oben diskutiert wurden. Das Team der University of Michigan hat eine Methode entwickelt, um die Wahrscheinlichkeit einer Kolitis bei verschiedenen Patienten vorherzusagen. Hierzu werden medizinische Daten von der Karte einer Person verwendet. Bisher wurde die Technologie nur getestet, es wurden jedoch bereits hervorragende Ergebnisse erzielt.
Vor einigen Wochen wurden 374.000 Krankenhauseinweisungen in einem Krankenhaus
in Massachusetts mit einer von Informatikern entwickelten Technik
analysiert . Wissenschaftler wollen einen Zusammenhang zwischen dem Auftreten der Krankheit und den Faktoren finden, die zur Krankheit geführt haben.
Während der Analyse überprüft das Gerät etwa 4000 verschiedene Faktoren, darunter die Platzierung des Patientenbettes, seine Arztbesuche, die Platzierung der Betten anderer Patienten und alle anderen Daten. In der Regel befinden sich stationäre Patienten nicht am selben Ort, sondern werden im Krankenhaus bewegt. Und wenn irgendwo eine Infektionsquelle ist, dann funktioniert es. Die Hauptsache ist, diese Quelle rechtzeitig zu identifizieren.
Ein weiteres Beispiel für die Verwendung von Maschinenalgorithmen in der Medizin ist die Analyse der Netzhaut zum Nachweis einer diabetischen Retinopathie. Retinopathie ist eine Läsion der Netzhautgefäße, die zu einer Verletzung der Blutversorgung der Netzhaut, ihrer Degeneration, Atrophie des Sehnervs und Blindheit führt. Dies ist eine häufige Erkrankung bei Diabetikern, die rechtzeitig diagnostiziert werden muss, damit Menschen aufgrund einer fortschreitenden Retinopathie nicht ihr Sehvermögen verlieren. Es ist durchaus üblich - im Jahr 2011
wurden etwa 126 Millionen Fälle
registriert , bis 2030 könnte ihre Zahl um 51% steigen.
Spezialisten erstellten ein neuronales Netzwerk, das am Beispiel von 128.000 Bildern von Patientenaugen in Indien und den USA trainiert wurde. Dieselben Bilder wurden Ärzten gezeigt, die in verschiedenen Entwicklungsstadien eine Retinopathie diagnostizierten, bevor sie sich mit dem Computer vertraut machten. Dann wurden alle empfangenen Daten auf den Computer heruntergeladen. Nachdem das neuronale Netzwerk das Training durchlaufen hatte, wurde es anhand eines anderen Datensatzes überprüft. In diesem Fall waren die Ergebnisse höher als die der Ärzte.
Jetzt plant das Team von Spezialisten, die dieses Tool entwickelt haben, es in Indien einzuführen, wo es eine große Anzahl von Patienten mit dieser Diagnose gibt. In den USA oder anderen Ländern ist dies ebenfalls ein Problem. Die Technologie wird derzeit in mehreren Krankenhäusern in Indien klinisch getestet.
Im vergangenen Jahr genehmigte die US-Aufsichtsbehörde die Einführung eines speziellen Geräts zur Analyse von Magnetresonanzbildern in Krankenhäusern. Das Gerät analysiert das Bild in nur 30 Sekunden, während der Arzt etwa 45 Minuten mit derselben Arbeit verbringt. „Dies ist eine Automatisierung von Routineprozessen, die in einer normalen Situation viel Fachzeit in Anspruch nehmen“, sagt Karla Leibovitz, eine Sprecherin von Arterys, die dieses System entwickelt hat.
Im Allgemeinen werden maschinelles Lernen und KI in der Medizin immer weiter verbreitet. Grundsätzlich geht es um die Automatisierung von Routineprozessen, die für die Diagnose der Krankheit wichtig sind, für den Arzt jedoch viel Zeit in Anspruch nehmen. Und je mehr Zeit ein Arzt für einen solchen Job verbringt, desto müder wird er. Infolgedessen werden dieselben Röntgenbilder von einer Person analysiert, die nach mehrstündiger Arbeit viel weniger Aufmerksamkeit hat als zu Beginn der Arbeit. Dementsprechend sinkt auch die Genauigkeit der Diagnose.