KI trainiert, um Blutvergiftungen zu behandeln und Frakturen zu diagnostizieren

Und obwohl die KI bisher nicht mit jeder Krankheit fertig wird, sehen die Ergebnisse ihrer Arbeit bereits vielversprechend aus

Eine effektive Behandlung von Patienten erfordert eine Kombination aus Training und Erfahrung. Dies ist einer der Gründe, warum sich die Menschen darauf freuen, KI in der Medizin mit Interesse einzusetzen: Algorithmen können so trainiert werden, dass sie die Erfahrung von Tausenden von Ärzten nutzen, indem sie ihnen mehr Informationen geben, als irgendjemand verdauen kann.

Ende Oktober gab es Hinweise darauf, dass die Software diesen Erwartungen möglicherweise nahe gekommen ist. Es wurden zwei Artikel veröffentlicht, die die hervorragenden vorläufigen Ergebnisse der Verwendung von KI zur Diagnose und Behandlung beschreiben. Die Papiere zeigen völlig unterschiedliche Aufgaben und Ansätze auf, was darauf hindeutet, dass das Spektrum der Situationen, in denen KI nützlich sein kann, sehr breit ist.

Die Wahl der Behandlungsmethoden

Eine Studie konzentrierte sich auf Sepsis (Blutvergiftung), die auftritt, wenn das Immunsystem übermäßig auf Infektionen reagiert. Sepsis ist die dritthäufigste Todesursache weltweit und bleibt auch nach einem Krankenhausaufenthalt ein Problem. Es gibt Methoden zur Behandlung von Patienten, aber statistisch gesehen gibt es erhebliche Möglichkeiten zur Verbesserung der Situation. Aus diesem Grund hat ein kleines Team von Wissenschaftlern aus Großbritannien und den USA beschlossen, zu prüfen, ob die Software diese Verbesserung bewirken kann.

Sie verwendeten einen Verstärkungslernalgorithmus , der in Situationen mit "seltenen Belohnungssignalen" als effektiv angesehen wurde. Mit anderen Worten, bei einer so großen Stichprobe der Bevölkerung hat der Körper viele andere Dinge außer Sepsis, die die Ergebnisse jeder Behandlung beeinflussen, und daher sind die Signale für eine wirksame Behandlung schwach und schwer zu unterscheiden. Dieser Ansatz wurde entwickelt, um die Chancen ihrer Anerkennung zu erhöhen.

Für die Schulung der Software wurde eine große Basis verwendet: mehr als 17.000 Wiederbelebungspatienten und 79.000 Krankenhauspatienten aus mehr als 125 Kliniken. Die Patientendaten enthielten 48 Informationsparameter, von Vitalindikatoren und Labortests bis hin zur Demografie. Der Algorithmus verwendete Daten, um eine Behandlung zu bestimmen, die die Überlebenschance des Patienten für 90 Tage maximiert. Die Forscher nannten die resultierende Software "AI Clinician".

Um die Qualität der Arbeit eines KI-Klinikers zu beurteilen, wurde ein separater Satz von Patientenakten verwendet. Der Algorithmus wurde verwendet, um eine Behandlungsmethode auszuwählen, wonach die tatsächliche Behandlung von Patienten mit dem vorgeschlagenen Algorithmus verglichen wurde. Im Allgemeinen empfahl die Software niedrigere Injektionsdosen und höhere Dosen von Vasokonstriktor-Medikamenten. Menschen, deren Behandlung mit solchen Empfehlungen übereinstimmte, überlebten häufiger als andere Patientengruppen.

Diagnose

In der zweiten Arbeit wurde die Fähigkeit bewertet, behandlungsbedürftige Probleme, insbesondere Knochenbrüche, zu erkennen. Oft sind solche Probleme leicht zu erkennen, aber ein kleiner Chip oder ein kleiner Riss ist selbst für einen Spezialisten schwer zu bemerken. In den meisten Fällen liegt die Diagnose nicht auf den Schultern eines Spezialisten, sondern eines Arztes, der in einem Krankenwagen arbeitet. Die neue Studie versucht nicht, KI zu schaffen, um Ärzte zu ersetzen, sondern will ihnen nur helfen.

Das Team bat 18 Orthopäden, 135.000 Bilder potenzieller Frakturen der Handgelenke zu diagnostizieren, und trainierte anhand dieser Daten den Algorithmus, ein Faltungsnetzwerk mit eingehendem Training . Der Algorithmus wurde verwendet, um Bereiche zu markieren, auf die Ärzte, die keine Spezialisten für Orthopädie sind, achten sollten. Tatsächlich half er ihnen, sich auf Bereiche zu konzentrieren, in denen ein Bruch am wahrscheinlichsten war.

In der Vergangenheit wurden zu viele Diagnosen gestellt, und Ärzte empfahlen zusätzliche Tests in harmlosen Fällen. In diesem Fall nahm jedoch die Genauigkeit der Diagnose zu und die falsch positiven Ergebnisse ab. Die Sensitivität (oder die Fähigkeit), Frakturen zu bestimmen, stieg von 81% auf 92%, und die Genauigkeit (die Fähigkeit, eine korrekte Diagnose zu stellen) stieg von 88% auf 94%. In der Summe bedeutet dies, dass Krankenwagenärzte die Anzahl falscher Diagnosen fast halbiert hätten.

In beiden Studien wurde Software nicht in einem Kontext verwendet, der die medizinischen Umstände vollständig widerspiegelte. Notärzte und Sepsis-Ärzte (die möglicherweise dieselben Personen sind) haben normalerweise viele zusätzliche Gründe für Aufregung und Ablenkung, so dass es schwierig sein wird, KI in ihre Arbeit zu integrieren. Der Erfolg dieser Versuche lässt jedoch darauf schließen, dass klinische Studien mit KI früher als bisher angenommen beginnen können. Danach werden wir wirklich lernen, wie KI dazu beitragen kann, echte Diagnosen zu stellen und eine Behandlung zu verschreiben.