Ausbildung & Studium Komm in unser Team.

KI-Professur

Künstliche Intelligenz wird die Gesundheitsversorgung grundlegend verändern. Unsere Vorreiterrolle im Bereich der Digitalisierung untermauern wir mit der geschaffenen Professur „Künstliche Intelligenz (KI) in der Medizin“ im medizinischen Fachbereich der Philipps-Universität Marburg und dem zu unserem Unternehmen gehörenden Universitätsklinikum Marburg. Seit 2020 hat Prof. Dr. Martin Christian Hirsch – einer der international führenden Experten im Bereich der Künstlichen Intelligenz – den Lehrstuhl inne.

Herr Professor Hirsch, welche Vorteile bieten sich durch den Einsatz von KI in der Medizin?

Mit KI können beispielsweise digital vorliegende Informationen ausgewertet werden, um möglichst aussagekräftige Diagnosen zu stellen oder optimierte Therapien vorzuschlagen. Das kann für Ärzte eine große Zeitersparnis darstellen.

Warum?

Weil Ärzte heutzutage viel Zeit in Tätigkeiten investieren müssen, die auch eine KI übernehmen könnte, ohne die Behandlungsqualität zu beeinträchtigen. Wenn wir KI-Systeme an den richtigen Stellen im Gesundheitssystem einbinden, profitieren alle davon – Ärzte, Kliniken, Krankenkassen und vor allem die Patienten.

Welche Verbesserungen könnten sich denn für Patienten ergeben?

Das kann schon in dem Moment anfangen, wenn der Patient erste Symptome verspürt. Heute ist es ja so, dass Menschen nach Beschwerden googlen, bevor sie zum Arzt gehen. Leider kommt bei solchen Online-Recherchen selten ein brauchbares Ergebnis heraus. Im schlimmsten Fall wird der Patient schon vor dem Arztbesuch verunsichert oder verängstigt. Aber mit den richtigen KI-Anwendungen können Patienten ein realistisches Anamnese-Gespräch am Smartphone durchlaufen, bei dem Symptome abgefragt und Nachfragen gestellt werden. Am Ende dieser Vordiagnose gibt das System dann transparent Auskunft über das wahrscheinlichste Krankheitsbild.

Und dann geht der Patient damit zum Arzt und sagt: „Mein Smartphone hat bei mir eine Blinddarmentzündung diagnostiziert“?

Hoffentlich nicht. Das würde den Patienten nur in einer trügerischen Sicherheit wiegen. Und für die Akzeptanz von KI-Systemen in der Ärzteschaft wäre ein solches Vorgehen problematisch, zumal Diagnosen ja nur von approbierten Ärzten gestellt werden dürfen. Aber tatsächlich wäre es für den Behandlungsprozess von Vorteil, wenn der behandelnde Arzt die Ergebnisse der KI-Anamnese kennt. Das spart Zeit und gibt ihm die Möglichkeit, diese Vordiagnose zu hinterfragen. Voraussetzung dafür ist natürlich: Das System muss transparent machen, wie es zu seiner Schlussfolgerung gekommen ist, und wie sicher es mit Blick auf das Ergebnis ist.

Schränken solche KI-Vordiagnosen den Mediziner nicht bei der Diagnose ein? Was ist, wenn die KI ein wichtiges Symptom übersehen hat?

Natürlich hat nur der Mediziner den Patienten direkt vor sich und kann etwa das Hautbild, die Stimme oder die Körperhaltung in die Diagnose einbeziehen. Zudem hat ein Arzt im besten Fall auch die Krankheitsgeschichte seines Patienten oder familiäre Prädispositionen im Blick. Auf der anderen Seite: Es gibt aktuell 35.000 verschiedene Krankheitsbilder. Für einen Menschen ist es schlicht unmöglich, alle diese Krankheiten jederzeit präsent zu haben. Schon gar nicht bei dem Zeitdruck, der auf Ärzten lastet, wenn sie eine Diagnose stellen sollen. Eine KI hingegen kann problemlos den kompletten medizinischen Wissensstand durchforsten. Sie kann daher auch seltene Krankheiten in Betracht ziehen und zur weiteren Abklärung vorschlagen.

Und liefert die KI den richtigen Ansprechpartner gleich mit dazu?

Das wäre jedenfalls ein großer Vorteil für die Patienten und für das Gesundheitssystem. Bei seltenen Krankheiten etwa gleicht die Arztsuche ja leider oftmals einer mehrjährigen Odyssee. Wenn eine KI auf Basis ihrer Vordiagnose geeignete medizinische Anlaufstellen in der Umgebung des Patienten vorschlägt, und wenn der Patient der Übermittlung der KI-Ergebnisse an diese Experten zustimmt, dann wäre das ein echter Effizienzgewinn.

Wo könnte das Gesundheitssystem noch von KI profitieren?

Wir können etwa Spitzenmedizin breiter verfügbar machen – zum Beispiel in ländlichen Regionen. Im Klinikalltag sehe ich Potenzial bei der Priorisierung von Notaufnahmepatienten nach medizinischer Dringlichkeit. Außerdem könnte KI dazu beitragen, dass Patienten innerhalb einer Klinik immer an die richtige Fachabteilung überwiesen werden. Für das Gesundheitssystem als Ganzes gäbe es enorme Fortschritte, wenn KI-Systeme individuelle Patientendaten nutzen könnten, etwa Bewegungsdaten aus dem Fitnesstracker oder die komplette Patientenhistorie. Das würde den Weg ebnen zu echter personalisierter Medizin.

Meine persönlichen Daten einsehbar für jeden – das klingt beunruhigend.

Da sprechen Sie einen ganz wichtigen Punkt an. KI kann nur erfolgreich sein, wenn sie vertrauenswürdig ist. Deshalb muss der Datenschutz über jeden Zweifel erhaben sein. Aber darüber hinaus müssen wir auch ethische Aspekte und alle weiteren Facetten des ärztlichen Handelns beim Einsatz von KI berücksichtigen. Das ist für mich ein ganz wesentlicher Punkt im Rahmen meiner Tätigkeit an der Uni und am Uniklinikum in Marburg.

Welche Ziele haben Sie sich sonst noch für Ihre neue Tätigkeit gesetzt?

Ich möchte konkrete Lösungen für eine patientenzentrierte Gesundheitsversorgung umsetzen. Mit der Philipps-Universität, dem Uniklinikum Marburg und der RHÖN-KLINIKUM AG haben wir starke Akteure mit hohem digitalem Sachverstand vor Ort. Diese Expertise möchte ich nutzen, um eine Modellregion für sinnvollen KI-Einsatz in der Medizin zu errichten.

Dabei wünschen wir Ihnen viel Erfolg. Herr Professor Hirsch, danke für das Gespräch!

Technologien verstehen und Interesse wecken

Ärzte müssen in der Lage sein, Forschungsergebnisse medizinischer Studien und Veröffentlichungen richtig einzuschätzen. Daher umfassen die aktuellen Medizincurricula eine statistische Grundausbildung zum Umgang mit Daten und zu ihrer Interpretation. Allerdings sollten aus unserer Sicht auch die Grundlagen der medizinischen Informatik und Themen wie Telemedizin, Apps, Machine Learning und Big Data intensiv behandelt werden.