Ein System für künstliche Intelligenz namens Delphi-2M verschiebt die Grenzen der prädiktiven Medizin: Es schätzt das Risiko einer Person für mehr als 1.000 Krankheiten bis zu zwei Jahrzehnte vor dem Auftreten von Symptomen ein. Durch die Analyse von Mustern in Krankenakten prognostiziert Delphi-2M, welche Erkrankungen am wahrscheinlichsten auftreten und wann.
„Wenn unser Modell für das kommende Jahr ein Risiko von eins zu zehn angibt, scheint es tatsächlich auch eins zu zehn zu sein“, sagte Prof. Ewan Birney, kommissarischer Direktor des European Molecular Biology Laboratory, gegenüber der BBC.
Training des KI-Modells mit umfangreichen Gesundheitsdaten
Delphi-2M wurde von Forschern am EMBL, am Deutschen Krebsforschungszentrum und an der Universität Kopenhagen entwickelt und mit anonymisierten Gesundheitsdaten von etwa 400.000 Einwohnern des Vereinigten Königreichs trainiert. Diese umfassten Krankenhausaufenthalte, Besuche beim Hausarzt sowie Lebensstilfaktoren wie Rauchen und Alkoholkonsum.
Anschließend wurde es an 1,9 Millionen Menschen in Dänemark getestet und erzielte Ergebnisse, die bei Erkrankungen wie Typ-2-Diabetes, Herzinfarkten und Sepsis mit bestehenden Risikomodellen gleichzogen oder diese übertrafen.
„Bei der Anwendung auf Daten aus dänischen Krankheitsregistern wurde nur ein geringer Leistungsabfall beobachtet. Dies zeigt, dass Modelle – auch ohne zusätzliches Feintuning – weitgehend auf die Gesundheitssysteme verschiedener Länder übertragbar sind“, schrieben die Forscher in Nature.
Delphi-2M ist bei der Vorhersage des nächsten wahrscheinlichen Gesundheitsproblems einer Person zu etwa 76 % genau und erreicht selbst bei einem Blick zehn Jahre in die Zukunft noch eine Genauigkeit von rund 70 %. Die Forschung ergab außerdem, dass das KI-Modell bei einem Training mit synthetischen Daten gut genug funktionierte, um für datenschutzsensible Anwendungen geeignet zu sein.
Ärzte könnten Hochrisikopatienten früh genug erkennen, um mit gezielten Behandlungen oder einer Beratung zu Änderungen des Lebensstils einzugreifen. Öffentliche Gesundheitsdienste könnten den Bedarf prognostizieren und Ressourcen für den erwarteten Anstieg bestimmter Erkrankungen Jahre im Voraus planen. Auch Screeningprogramme könnten neu gestaltet werden, wobei die KI dabei hilft, diejenigen zu ermitteln, die am wahrscheinlichsten profitieren.
Was dieses KI-Modell für die Medizin bedeuten könnte
Delphi-2M hat allerdings auch Einschränkungen. Das KI-Modell funktioniert am besten bei Krankheiten mit einem klaren Verlauf und hat Schwierigkeiten mit eher zufälligen Ereignissen. Auch Verzerrungen geben Anlass zur Sorge: Die Daten der UK Biobank bilden hauptsächlich Menschen im Alter von 40 bis 70 Jahren ab, nicht die gesamte Bevölkerung.
Weitere Quellen für Verzerrungen sind der sogenannte Healthy-Volunteer-Bias, Unterschiede bei der Erfassung von Krankheiten – etwa eine Diagnose durch den Hausarzt im Vergleich zu einer Selbstauskunft – sowie Leistungseinbußen in bestimmten demografischen Untergruppen. Laut BBC arbeiten Forscher nun daran, das Modell durch die Einbeziehung von Genetik, Blutanalysen und Bildgebungsdaten zu erweitern.
Das Potenzial von KI im Gesundheitswesen hat sich als einer der spannendsten Aspekte des Booms dieser Technologie erwiesen. Im vergangenen Jahr kam eine Studie zu dem Ergebnis, dass ChatGPT Ärzte übertraf bei der Beurteilung von Krankengeschichten, selbst wenn diese Zugang zu KI-Tools hatten.
Erst in diesem Monat wurde berichtet, dass inzwischen die Hälfte aller Schlaganfallpatienten im Vereinigten Königreich voraussichtlich vollständig genesen wird, seit landesweit ein KI-Tool eingeführt wurde, das Ärzten dabei hilft, die beste Behandlungsmethode zu bestimmen.
Microsofts medizinische KI MAI-DxO erzielt eine mehr als viermal so hohe Genauigkeit wie menschliche Ärzte.