Generative Künstliche Intelligenz in der Medizin | Dr. med. Isabella Wiest | TEDxDresden

Key Concepts:

• Generative KI in der Medizin
• Morbus Fabri (seltene genetische Erkrankung)
• Personalisierte Medizin
• KI-Agenten
• Datenintegration und -sicherheit
• Infrastruktur für KI-Anwendungen im Gesundheitswesen

1. Die Herausforderung im Gesundheitswesen:

• Ärzte benötigen zu viel Zeit für administrative Aufgaben (26,7 Stunden pro Tag für Patientenversorgung nach aktuellem Standard).
• Medizinisches Wissen veraltet schnell (Halbwertszeit von 73 Tagen).
• Personalmangel im Gesundheitswesen.
• Gesundheitsdaten sind oft digital, aber unstrukturiert und schwer zugänglich.

2. Das Potenzial von KI in der Medizin:

• Effizienzsteigerung: KI kann Arzt-Patienten-Gespräche mitschreiben und zusammenfassen, um Arztbriefe zu erstellen und Zeit zu sparen.
• Fehlerreduktion: KI kann Fehler bei der Medikamentenverschreibung erkennen (z.B. Allergien).
• Verbesserte Diagnostik: KI kann Symptome erkennen, Hypothesen aufstellen und Muster in Patientendaten erkennen, die dem menschlichen Auge entgehen.
• Automatisierung von Prozessen: KI-Agenten können komplexe Aufgaben selbstständig lösen, z.B. die Feststellung des Schweregrads eines Schlaganfalls und die Einleitung der Therapie.

3. Beispiele und Anwendungen:

• Morbus Fabri Fall: Chat GPT hätte möglicherweise die Diagnose früher stellen und 6 Jahre Leiden verhindern können.
• KI-assistierte Versorgungszentren: Könnten Vorsorgeuntersuchungen schneller und effizienter ermöglichen.
• Schlaganfallbehandlung: KI-Agent kann den Schweregrad des Schlaganfalls feststellen, Therapie vorschlagen und die krankenhausinterne Anmeldung vornehmen.

4. KI-Agenten:

• KI-Agenten erhalten Aufträge in menschlicher Sprache und können komplexe Aufgaben selbstständig lösen.
• Sie können rechnen, Bilder analysieren, wissenschaftliche Literatur lesen, zusammenfassen und bewerten.
• Ärzte müssen die Ergebnisse prüfen und genehmigen.

5. Notwendige Infrastruktur:

• Eine gute und solide Infrastruktur ist notwendig, damit KI in der Medizin effektiv eingesetzt werden kann.
• Systeme müssen miteinander kommunizieren können, mit einheitlichen Datenformaten und klaren Standards.
• KI-Vorschläge müssen nachvollziehbar und klinisch abgesichert sein.

6. Sicherheitsbedenken:

• Modelle wie Chat GPT sind möglicherweise nicht die beste Lösung für sensible Patientendaten.
• Generative KI kann Sicherheitslücken aufweisen, z.B. durch "trojanische Pferde".
• KI ist nur so gut wie ihre Konzeption, daher ist unabhängige Forschung notwendig.

7. Argumente und Perspektiven:

• KI kann das Gesundheitssystem entlasten und die Patientenversorgung verbessern.
• KI sollte Ärzte unterstützen, nicht ersetzen.
• Die Bevölkerung muss offen für Veränderungen sein und die Chancen und Grenzen von KI testen.

8. Daten und Statistiken:

• Hausärzte benötigen durchschnittlich 26,7 Stunden pro Tag, um Patienten nach aktuellem Standard zu behandeln.
• Die Halbwertszeit von medizinischem Wissen beträgt 73 Tage.
• Morbus Fabri kommt bei etwa vier Personen an der Stadt der Größe Dresdens vor.

9. Zitate:

• "Wir brauchen Technologien wie KI, um uns zu unterstützen, nicht um uns zu ersetzen."
• "KI ist nur so gut wie wir sie konzipieren."

10. Technische Begriffe:

• Generative KI: KI-Modelle, die neue Inhalte erstellen können (z.B. Text, Bilder).
• Morbus Fabri: Eine seltene genetische Erkrankung, die den Stoffwechsel der Lysosomen betrifft.
• Lysosomen: Die "Mülldeponien" der Zellen.
• KI-Agenten: Softwareprogramme, die komplexe Aufgaben selbstständig lösen können.
• Neuronale Netze: Ein Modell des maschinellen Lernens, das von der Struktur des menschlichen Gehirns inspiriert ist.

11. Synthese/Conclusion:

Generative KI hat das Potenzial, die Medizin grundlegend zu verändern und die Patientenversorgung zu verbessern. Um dieses Potenzial voll auszuschöpfen, sind jedoch eine gute Infrastruktur, klare Standards, Sicherheitsvorkehrungen und die Akzeptanz der Bevölkerung erforderlich. KI sollte als Werkzeug zur Unterstützung von Ärzten eingesetzt werden, um Zeit zu sparen, Fehler zu reduzieren und die Diagnostik zu verbessern.