gms | German Medical Science

Unter “Algorithmen” werden Verfahren der Künstlichen Intelligenz (KI) zur Extraktion von Mustern in großen Datenmengen subsummiert. Im Gegensatz zur herkömmlichen Datenanalyse lernen die KI-Algorithmen die relevanten Muster selbstständig aus den Daten. Unter diesen ist “Deep Learning“ (DL) der momentan prominenteste Vertreter. DL erlaubt es, mit Hilfe von in mehreren Schichten aufgebauten sogenannten Neuronalen Netzen, speziell Bilder und Zeitreihen mit nie gekannter Effizienz und Präzision automatisiert auszuwerten. Damit hat die Künstliche Intelligenz das Potential, komplexe diagnostisch relevante Muster in Bildern, Sprache oder tragbaren Sensoren automatisch zu identifizieren. Hierdurch könnte sowohl beim Design von klinischen Studien, im Screening großer Patientenkohorten als auch im Bereich automatisierter Diagnose- und Alarmsysteme eine neue Qualitätsstufe erreicht werden.

Untrennbar verbunden mit der sonst unerreichten Performance der KI-Algorithmen sind jedoch erhebliche Herausforderungen: schwache Robustheit gegenüber “schlechten” Daten, ein extrem hoher Datenbedarf für das Training sowie ihrer Beschränkung auf “homogene” Patienten-populationen limitieren ihren medizinischen Nutzen. Sie erfordern konzeptuelle technologische “Quantensprünge”, bevor ihr unstrittig hohes Potential in der Medizin realisiert werden kann.