Der Patient litt an einem Melanom in fortgeschrittenem Stadium und befand sich auf der Intensivstation. Keine der modernen Therapien hatte angeschlagen. Dann ging im Labor von Berend Snijder am Botnar Institute of Immune Engineering in Basel eine Biopsie mit den zellulären Daten des Patienten ein.
«Wir haben die Biopsie einer automatisierten, durch künstliche Intelligenz unterstützten mikroskopischen Untersuchung unterzogen», berichtet der Biologe. «Dadurch konnten wir feststellen, dass der Patient gute Chancen hatte, auf eine ältere Therapie anzusprechen. Diese Therapie wird seit etwa 20 Jahren eigentlich kaum noch angewendet, da ihre Ansprechrate bei höchstens 10 Prozent liegt und sie eine hohe Toxizität aufweist.» Dank dieser unerwarteten Lösung konnten für den Patienten sechs Monate Lebenszeit gewonnen werden.

Künstliche Intelligenz hat sich im Bereich der Diagnostik bereits bewährt.

Diagnostik mithilfe von künstlicher Intelligenz

Künstliche Intelligenz (KI) kommt in der Medizin immer häufiger zum Einsatz. Auch wenn sich die meisten Anwendungsbereiche dieser neuen Technologie noch in der Forschungsphase befinden, hat sie sich im Bereich der Diagnostik bereits bewährt.
«Ob es nun um die Erkennung von Melanomen, diabetischen Netzhauterkrankungen oder Lungenentzündungen geht – die Leistungsfähigkeit der KI übertrifft häufig die von Fachärzten», erläutert Antoine Geissbühler, der am Campus Biotech in Genf ein Zentrum für KI leitet. Dadurch ist es möglich, Zeit zu sparen und unnötige Eingriffe zu vermeiden.
Die Algorithmen können Bilder aus der Radiologie, Befunde aus der Pathologie und sogar die von einem smarten Stethoskop aufgezeichneten Töne analysieren und daraus diagnostische Schlussfolgerungen ziehen, erklärt Geissbühler. Unter der Leitung des Genfer Start-ups Deegtal laufen derzeit Versuche, wie die Auswertung von Elektroenzephalogrammen eine Früherkennung von Epilepsie ermöglichen kann. Das in Lausanne ansässige Unternehmen Abionic wiederum hat eine auf Nanofluidik basierende In-vitro-Diagnostikplattform entwickelt, mit der Sepsen und Atemwegsallergien erkannt werden können.
Antoine Geissbühler weist jedoch darauf hin, dass es sich hierbei lediglich um eine Hilfestellung für Ärztinnen und Ärzte handelt. «Die Technologie kann ihnen neue Wege aufzeigen oder sie auf bestimmte Unregelmässigkeiten hinweisen, die genauer untersucht werden sollten. Die endgültige Entscheidung aber liegt immer bei der Ärztin oder dem Arzt», betont der Internist.
Er kann sich vorstellen, dass bestimmte Diagnosen auf lange Sicht auch in der Apotheke oder von Pflegekräften übernommen werden können, die dabei von diesen Hilfsmitteln unterstützt werden. «Dadurch könnten die Notaufnahmen entlastet werden. Auch die routinemässige Verschreibung von Antibiotika liesse sich vermeiden, beispielsweise in Fällen, in denen es sich nicht um eine bakterielle, sondern um eine virale Lungeninfektion handelt. Das wiederum würde das Risiko der Entstehung von Resistenzen minimieren.»

KI als Unterstützung bei der Behandlung

In der nationalen KI-Initiative für Präzisionsonkologie (National AI Initiative for Precision Oncology, NAIPO) haben sich die Eidgenössische Technische Hochschule Lausanne (EPFL), die fünf Universitätsspitäler der Schweiz, Kantonsspitäler, Pharmakonzerne und Start-ups zusammengeschlossen. Gemeinsam will man mithilfe dieser neuen Form von Intelligenz die Krebsbehandlung voranbringen.
«Alle patientenbezogenen Daten – seien es Biopsien, Blutuntersuchungen, Magnetresonanz- und Computertomografie, radiologische Befunde oder zelluläre Daten – werden dem KI-Modell zugeführt», erklärt Dorina Thanou, die die Initiative an der EPFL leitet. «Ziel ist es, für die einzelnen Patientinnen und Patienten anhand ihrer individuellen Merkmale zu ermitteln, welche Behandlung am wirksamsten ist, und den Krankheitsverlauf vorherzusagen», erklärt sie.
KI kann auch dazu beitragen, bestimmte medizinische oder chirurgische Eingriffe reibungsloser zu gestalten. Das Zürcher Start-up aiEndoscopic hat eine Software entwickelt, die die Intubation von Patientinnen und Patienten mit Atemwegserkrankungen steuert. Dadurch kann ihre Versorgung in der Notaufnahme beschleunigt werden.

Die Prävention ist ein weiterer Bereich, der von den Möglichkeiten der KI profitieren könnte.

KI als Hilfsmittel in der Prävention

Die Prävention ist ein weiterer Bereich, der von den Möglichkeiten der KI profitieren könnte. «Viele Menschen vermessen sich mittlerweile mithilfe vernetzter Geräte ohnehin ständig selbst», stellt Antoine Geissbühler fest. «Von einem Algorithmus entsprechend analysiert, können diese Daten dazu dienen, Krankheiten frühzeitig zu erkennen und individuelle Präventionspläne zu erstellen.» Verlangsamtes Sprechen oder eine nachlassende Koordination der Bewegungen könnten Anzeichen einer degenerativen Erkrankung sein. Diese Möglichkeiten erkundet Virtuosos, ein Spin-off der EPFL.
Catherine Jutzeler, Assistenzprofessorin am Departement für Gesundheitswissenschaften und Technologie der ETH Zürich, untersucht ihrerseits, wie sich KI zur Analyse von Daten aus der Intensivmedizin nutzen lässt, um das Auftreten einer Infektion zu erkennen und das Entstehen eines septischen Schocks zu verhindern. «Das ermöglicht es, schneller einzugreifen», erläutert sie.
In Zusammenarbeit mit dem Universitätsspital Basel hat Catherine Jutzeler zudem einen Algorithmus entwickelt, mit dem sich die molekulare Signatur der einzelnen Schlaganfallarten ermitteln lässt. «Dadurch lässt sich das Risiko eines erneuten Auftretens abschätzen, und es können vorbeugende Massnahmen ergriffen werden.»

KI als Entlastung bei administrativen Arbeiten

Die neuen Technologien spielen also eine wichtige Rolle auf dem Weg zu einem effizienteren Management des Spitalalltags. «Ärztinnen und Ärzte verbringen 40 Prozent ihrer Zeit mit der Erstellung der klinischen Dokumentation», beklagt Douglas Teodoro, Leiter der Gruppe Data Science for Digital Health (DS4DH) am Campus Biotech in Genf. «Wenn man sie von dieser Aufgabe entlastet, können sie ihren Patientinnen und Patienten mehr Zeit widmen.»
Zu den möglichen Anwendungsbereichen der KI zählen die automatisierte Bearbeitung von radiologischen Befunden, die Analyse der medizinischen Fachliteratur, das Verfassen von Aufnahmeberichten und Schreiben für die Krankenkasse sowie die Zusammenfassung von Patientengesprächen in Form einer Kurzfassung mit Behandlungsvorschlägen. Auf Spitalebene kann KI die Patientenströme verbessern und die Materialbestellung oder die Rechnungsstellung automatisieren.

Patientinnen und Patienten geben medizinische Daten meist weiter, wenn sie der Forschung oder ihrer Behandlung dienen.

Vorbehalte bei Patientinnen und Patienten?

Bei den Patientinnen und Patienten wecken die neuen Möglichkeiten durch KI weniger Befürchtungen, als man annehmen könnte. «Im Allgemeinen sind die Patientinnen und Patienten bereit, ihre medizinischen Daten weiterzugeben, wenn dies der Forschung dient oder ihrer Behandlung zugutekommt», bemerkt Catherine Jutzeler. «Hingegen zögern sie, diese sensiblen Informationen einem Pharmakonzern anzuvertrauen, der sie zur Entwicklung eines Blockbuster-Medikaments nutzen würde.» Wichtig sei zudem, dass an den sie betreffenden Entscheidungen weiterhin ein Mensch beteiligt bleibe, ergänzt Catherine Jutzeler.
Thorsten Zenz, Spezialist für Präzisionsonkologie am Universitätsspital Zürich, setzt KI ein, um die Wirksamkeit von Behandlungen bei Leukämiepatientinnen und -patienten zu untersuchen. Nach seiner Einschätzung haben «lediglich zwei bis vier Prozent der Patientinnen und Patienten gegenüber dem Einsatz von KI Vorbehalte». Er differenziert: «Zunächst einmal haben die Menschen eine abstrakte Angst vor einer Technologie, die entmenschlicht wirken kann, und davor, die Kontrolle über ihre medizinischen Daten zu verlieren. Aber sobald man den Betroffenen erklärt, welche Vorteile sie daraus ziehen könnten, denken sie meist um.»
Berend Snijder ergänzt, dass solche Befürchtungen bei Menschen, die an einer aggressiven Krebserkrankung leiden, oftmals keine grosse Rolle spielen. «In einer solchen Situation sind die Menschen bereit, alles auszuprobieren», erläutert er.
Betroffene mit einer aggressiven Krebserkrankung sind oft bereit, neue Behandlungsmöglichkeiten auszuprobieren.

Schwächen von KI

Einige dieser Befürchtungen sind jedoch nicht unbegründet. «Künstliche Intelligenz produziert immer noch ziemlich viele Fehler – oder Halluzinationen –, die nur von Expertinnen und Experten erkannt werden können», stellt Antoine Geissbühler fest.
Dies ist insbesondere bei komplexen medizinischen Daten der Fall. «In der Sprache der Medizin gibt es zahlreiche Konventionen, die Algorithmen nur schwer interpretieren können», erklärt Douglas Teodoro. «Hinzu kommen Laborwerte, Bilddaten und ärztliche Notizen im Freitextformat.»
Zudem reichen die verfügbaren Datenmengen nicht immer aus, um ein KI-Modell zu trainieren. «Bei manchen seltenen Krankheiten gibt es nur wenige Patientinnen und Patienten», so Dorina Thanou. Dazu kommt: Algorithmen neigen zu Voreingenommenheit. «Beispielsweise werden die Algorithmen hauptsächlich mit weissen Hauttypen trainiert. Deshalb erkennen sie kanzeröse Läsionen bei dunkleren Hauttypen deutlich schlechter», erklärt Antoine Geissbühler.
Um diese Fallstricke zu vermeiden, sollten KI-Modelle ausschliesslich mit Daten trainiert werden, deren Qualität nachgewiesen ist, wie beispielsweise wissenschaftliche Literatur oder medizinische Leitlinien. Man kann auch die Denkweise der KI-Modelle beeinflussen, indem man sie beispielsweise dazu anleitet, eher auf Wahrscheinlichkeitsmodelle zurückzugreifen als auf die Vorhersage des nächsten Wortes. «Das führt zu differenzierteren Ergebnissen», so Prof. Dr. med. Mary-Anne Hartley, die das Laboratory for intelligent Global Health & Humanitarian Response Technologies (LiGHT) der EPFL leitet. Der Einsatz kleiner Sprachmodelle, die speziell für einen bestimmten Bereich wie die Präzisionsonkologie entwickelt wurden, verbessert ebenfalls die Qualität der generierten Informationen, betont Douglas Teodoro.
Und natürlich ist die Einschätzung des Arztes oder der Ärztin nach wie vor von entscheidender Bedeutung. «Man muss stets die Quellen überprüfen, auf denen die Schlussfolgerungen des Algorithmus beruhen», so Berend Snijder. Die Entscheidung über die Behandlung muss weiterhin der Ärzteschaft obliegen. «In der Onkologie bespricht ein interdisziplinäres Gremium jeden einzelnen Fall», sagt Snijder. «Dieses Gremium fungiert als Schutzwall zwischen Algorithmus und Patientinnen und Patienten.»

Haftungsfragen bei der Anwendung von KI

Dies wirft die Frage auf, wer eigentlich haftet, wenn ein Patient oder eine Patientin doch einen Schaden erleiden sollte. «Nach schweizerischem Recht trägt allein die Ärztin oder der Arzt die Verantwortung. Deshalb muss er oder sie im Mittelpunkt des Entscheidungsprozesses stehen», betont Catherine Jutzeler. Nach der Rechtsprechung müssen Angehörige der Gesundheitsberufe die gebotene Sorgfalt walten lassen, sich also so verhalten, wie es ein gewissenhafter Kollege, eine gewissenhafte Kollegin in einer vergleichbaren Situation tun würde. Wenn die Empfehlung eines Algorithmus unkritisch übernommen wird, könnte dies als Verstoss gegen ebendiese Sorgfaltspflicht gesehen werden.
In der Schweiz fehlen jedoch spezifische gesetzliche Regelungen zum Einsatz dieser Instrumente in der Medizin. KI-Software wird derzeit wie Medizinprodukte behandelt. «Das macht ihre Zulassung mühsam und komplex», bedauert Diego Paez-Granados, der das Spinal Cord Injury & Artificial Intelligence Lab (SCAI) an der ETH Zürich leitet.

Der Einsatz von KI in der Medizin wirft Bedenken hinsichtlich der Sicherheit von Patientendaten auf.

KI und Datensicherheit

Der Einsatz von KI in der Medizin wirft zudem Bedenken hinsichtlich der Sicherheit von Patientendaten auf – ein Thema, das sowohl ethische als auch rechtliche Aspekte umfasst, da die Vertraulichkeit der Daten durch das Bundesgesetz über den Datenschutz geschützt ist. «Es handelt sich um äusserst sensible und intime Informationen», betont Jean-Pierre Hubaux, Wissenschaftlicher Direktor des EPFL Center for Digital Trust (C4DT). «Sollten diese Informationen an die Öffentlichkeit gelangen, könnte dies Auswirkungen auf den Ruf, die berufliche Zukunft oder das Privatleben von Patienten und Patientinnen haben.»
Letztlich geht es auch um Souveränität. «Wollen wir unsere medizinischen Daten wirklich amerikanischen multinationalen Konzernen anvertrauen, die entscheiden, was sie damit machen, mit welchen Informationsquellen sie ihre Algorithmen trainieren und wer Zugriff darauf hat?», fragt Mary-Anne Hartley.
Angesichts dieser Fragen muss unbedingt eine informierte Einwilligung der Patientinnen und Patienten vorliegen, wenn KI bei der Verarbeitung ihrer Daten zum Einsatz kommen soll. Zudem müssen die Daten anonymisiert werden, betont Catherine Jutzeler. «Hier muss man auch Risiken in Betracht ziehen, die weit hergeholt erscheinen mögen», erläutert sie. «Der Umriss des Schädels auf einem MRT-Bild kann ausreichen, um Patientinnen und Patienten anhand eines Fotos auf Facebook zu identifizieren.» Ebenso liefern Elektrokardiogramme für jeden Patienten und jede Patientin ein ganz individuelles Muster.
Diego Paez-Granados fordert «sicherzustellen, dass die Daten in der Schweiz gehostet und vor Ort verarbeitet werden» – beispielsweise mit einem Algorithmus wie Apertus, einem gemeinsam von der EPFL, der ETH Zürich und dem nationalen Hochleistungsrechenzentrum CSCS entwickelten Large Language Model.
Das Forschungsteam um Jean-Pierre Hubaux hat eine auf föderiertem Lernen basierende Lösung entwickelt, die vom Start-up Tune Insight auf den Markt gebracht und unter anderem in den fünf Universitätsspitälern der Schweiz installiert wurde. «Die Datenverarbeitung erfolgt vor Ort im Spital – dort, wo auch die Daten liegen. Das Ergebnis wird anschliessend verschlüsselt und zum Trainieren der KI-Modelle verwendet, ohne dass diese Zugriff auf die Rohdaten haben», erklärt Jean-Pierre Hubaux.
Er hofft, dass dieses System einmal in allen Schweizer Spitälern zum Einsatz kommen wird. In Frankreich wird eine solche Lösung in den Spitälern und Kliniken des Landes bereits in grossem Stil eingeführt.