KI kann helfen, medizinische Bilddaten systematisch auszuwerten und relevante Muster sichtbar zu machen. Prof. Dr. Marc Aubreville von der Hochschule Flensburg erklärt, wo das Potenzial in der Tumordiagnostik liegt – und warum eloquente Systeme nicht mit echter Expertise verwechselt werden dürfen.
Künstliche Intelligenz kann medizinische Bilddaten systematisch auswerten, Muster erkennen und Hinweise sichtbar machen, die in großen Datenmengen leicht übersehen werden können. Gleichzeitig bleibt ihr Einsatz in der Medizin anspruchsvoll: Bilder unterscheiden sich, Erkrankungen zeigen sich nicht immer eindeutig, und KI-Systeme können Fehler machen, die schwer zu erkennen sind.
Prof. Dr. Marc Aubreville forscht an der Hochschule Flensburg zu Künstlicher Intelligenz, medizinischer Bildanalyse und digitaler Pathologie. Im Interview erklärt er, wo KI Ärztinnen, Ärzte und Pathologinnen unterstützen kann – und warum sie echte fachliche Expertise nicht ersetzt.
Dieser Text gehört zum Themenschwerpunkt "KI in der Diagnostik"
-
Was kann KI in der Tumordiagnostik leisten?
-
KI wird bereits heute an einigen Orten eingesetzt - beispielsweise, um Befunde im Radiologiebild nicht zu übersehen, oder als Unterstützung bei der feingeweblichen Beurteilung von bestimmten Krebsarten wie Prostatakrebs. Insgesamt sind wir hier aber noch ganz am Anfang dessen, was möglich ist und sein wird. Sehr viel in der Tumorbehandlung steht und fällt mit der Frage, welcher Tumor wie gut auf welche Behandlung ansprechen wird. KI ist genau für solche Fragen gemacht: Vorhersagen zu treffen für komplexe Fragen, bei denen wir die Zusammenhänge noch nicht genau genug verstehen. Hier ist aus meiner Sicht das größte Potential.
-
Warum sind medizinische Bilddaten für KI besonders interessant – und gleichzeitig besonders anspruchsvoll?
-
Medizinische Bilddaten sind unglaublich unterschiedlich - kein Mensch gleicht dem anderen, was eine Erkrankung ist und was nur eine Abweichung von der Norm, ist erst im Gesamtbild zu erkennen, und manchmal nicht einmal dann. Dies stellt eine große Herausforderung für Algorithmen dar, die ja nur aus den Daten lernen können. Und auch wenn wir hier durch spezielle methodische Kniffe viele Fortschritte gemacht haben, bleibt dies unsere größte Herausforderung. Diese ist aber auch ein großer Ansporn: Mit vielen kleinen Schritten dazu beizutragen, dass Menschen länger und gesünder leben können.
-
Wo kann KI Ärztinnen, Ärzte und Pathologinnen konkret unterstützen?
-
Wir sollten Algorithmen für Aufgaben einsetzen, die Menschen nicht gut können. Beispielsweise wenn es darum geht, große und heterogene Datenmengen zu evaluieren - als Menschen sind wir hier einfach nicht gut. Ein anderes Beispiel ist, dass KI-Algorithmen dabei helfen, wichtige Aspekte nicht zu übersehen. Man weiß aus der Forschung, dass Menschen gerne Nebenbefunde übersehen - man nennt das den "Satisfaction of Search"-Fehler: Ich habe nach etwas gesucht und es gefunden, und dann nicht mehr weitergeschaut. Wenn wir KI so denken, dass es den Mensch ergänzt und typische menschliche Fehler hilft zu vermeiden haben wir auch kein Problem mit der Akzeptanz.
-
Warum ist es wichtig, KI in der Medizin als Entscheidungsunterstützung zu verstehen – und nicht als Ersatz fachlicher Expertise?
-
Insbesondere bei den Sprachmodellen kommt KI zwar sehr eloquent daher, macht gerade deswegen häufig Fehler, die wir als Menschen nicht einfach als solche erkennen können. Gerade dann, wenn wir selbst nicht die Experten sind. Dass wir das häufig nicht infrage stellen, liegt daran, dass für uns echte Expertise sich häufig auch als Eloquenz darstellt - wir sind es gewohnt, etwas nicht zu hinterfragen, wenn es wortgewaltig daherkommt. Wenn ich also selbst keine Expertise habe bin ich umso anfälliger dafür. Daher kann KI immer nur eine Unterstützung sein, aber nie ein Ersatz für echte Expertise.