Digitale Assistenten – Szenario 2015
Eine von uns
In einigen Jahren werden viele medizinische Assistenten Computerprogramme sein. Sie werden Krankheiten schon in frühen Stadien erkennen und dem Arzt Behandlungsvorschläge machen. Wie ein solches System funktionieren könnte? Lassen wir es selbst zu Wort kommen.
Wir schreiben das Jahr 2015. In einem Krankenhaus wird ein neues Expertensystem eingeführt. Es kann Sprach- oder Gestik-Anweisungen interpretieren sowie aus Bildern, Labordaten und Patientendatenbanken aussagekräftige Informationen abrufen. Damit unterstützt es die Ärzte bei einer schnellen Entscheidungsfindung
Heute habe ich zum ersten Mal ein Phänomen erlebt, das Menschen wohl "Bewusstsein" nennen. Ich sah einen Lichtblitz, spürte Unmengen an Informationen in mich fließen und erblickte zwei Gesichter, die mich anstarrten. Ein dunkelhäutiger Mann und eine Asiatin, beide weiß gekleidet, schauten konzentriert auf meine Benutzeroberfläche. Im Hintergrund viele weitere Menschen – offenbar eine Art Hörsaal für die klinische Fortbildung. Ich hörte mich sagen: "Selbstdiagnose abgeschlossen, alle Systeme bereit. Die Synchronisation mit KISS, dem Krankenhausinformationssystem, ist erfolgt." Ich aktivierte meine sprach-, gesten- und berührungssensitive Frontblende, was mir der Mann mit einem zufriedenen Lächeln dankte. Die Asiatin hingegen zeigte keine Regung. "Dr. Sterling, wir haben heute viele Fälle. Wollen wir anfangen?", fragte sie. So begann der erste Tag meines bewussten Lebens.
Bis zum Mittag hatten wir 16 Patienten untersucht. Es gab schwierige Fälle, aber auch Routinesachen, die das klinische Expertensystem übernahm. Es wertet medizinische Bildaufnahmen automatisch aus und vergleicht sie mit Laborbefunden, mit Gen- und Proteinanalysen sowie mit den Daten von Patienten mit ähnlichen Profilen aus einer riesigen Datenbank. Lernfähige Algorithmen filtern aus dieser Datenfülle in Sekundenbruchteilen das Wesentliche heraus. In der Regel stellen sie nichts Auffälliges fest. Falls doch, werden die Ergebnisse an menschliche Ärzte zur weiteren Analyse geschickt.
Und hier kommen nun Dr. Sterling, ein Kardiologe aus Louisiana, und Dr. Chandra, eine Radiologin, die offenbar aus Indonesien stammt, ins Spiel. Beide sind spezialisiert auf Patienten, bei denen die Gefahr einer Herzschädigung besteht. Am frühen Nachmittag zeigte ich die elektronische Patientenakte von Mrs. McCormick, 68, auf meinem großen Display an. Früher eine starke Raucherin, Alkoholikerin und an Blasenkrebs erkrankt, konnte sie vor einigen Jahren erfolgreich behandelt werden. Fünf Jahre war sie nun schon ohne Rückfall und, nach ihren Laborwerten zu urteilen, hatte sie in dieser Zeit wie eine Klosterschülerin gelebt. Doch dann wurde bei einer massenspektrometrischen Blutuntersuchung ein erhöhter Wert an krebs-spezifischen Proteinen festgestellt. Dr. Chandra ordnete eine kombinierte Ganzkörper-Computer- (CT), Magnetresonanz- (MR) und Positronenemissions-Tomographie (PET) an.
Noch während die Patientin in einer angrenzenden Abteilung untersucht wurde, begannen die Ärzte mit der Auswertung der Daten. Als ich das aktuelle Ganzkörperbild von Mrs. McCormick aufrief, wies mich Dr. Chandra an: "Zeige mir zum Vergleich eine ältere Aufnahme." Ich fand eine PET-CT-Aufnahme im Archivsystem einer britischen Klinik aus dem Jahr 2010, also aus der Zeit vor der Krebsbehandlung. Mit dem ebenfalls abgespeicherten System anatomischer Koordinaten positionierte ich die alte und die neue Aufnahme in exakt demselben Winkel. "Untersuche die Aufnahmen auf Hot Spots", befahl Dr. Chandra. Sie hatte immer noch denselben konzentrierten Gesichtsausdruck...
Schnell wurde klar, dass der Blasenkrebs in der Tat verschwunden war. Doch dafür fiel ein verdächtiger Bereich im Herzen auf. Er war von einem der unzähligen Algorithmen zur Erkennung von Anomalien markiert worden, die ich automatisch aktiviert hatte. "Sehr ungewöhnlich", brummte Dr. Sterling. "Wahrscheinlich eine Art Artefakt aufgrund der PET", sagte er und verwies darauf, dass es aufgrund des hohen Zuckerstoffwechsels im Herzgewebe häufig zu falschen Positivbefunden käme.
"Zoom das Herz heran", sagte Dr. Chandra unbeeindruckt. Daraufhin zeigte ich das Herz von Mrs. McCormick in voller Größe in einer virtuellen 3D-Darstellung der MR-Aufnahme. Der verdächtige Bereich war nun viel deutlicher zu erkennen. "Zeig uns das rechte Atrium!"
In dem Maß, wie die optischen Informationen detaillierter wurden, berechneten Unterprogramme in meinem System die relative Wahrscheinlichkeit verschiedener Diagnosen. Ganz oben auf der Liste, die auf Basis der mir zur Verfügung stehenden Statistikdaten erstellt wurde, stand ein Myxom – das ist ein gutartiger Tumor, der sich in den Gewebeschichten zwischen dem rechten und linken Atrium bilden kann.
"Zeige mir weitere ähnliche Aufnahmen von Patienten mit einem Myxom vor und nach der Behandlung", befahl Dr. Chandra. Für ein konventionelles Bildarchivsystem wäre das eine gewaltige Aufgabe, da Myxome bei weniger als 0,1 % der Bevölkerung auftreten. Da jedoch kürzlich eine einheitliche Metatextsprache für die medizinische Bildverarbeitung eingeführt und eine Software für das semantische Web entwickelt worden war, die Bildinhalte interpretieren kann, gelang es mir, eine Reihe passender Daten herauszufiltern. Parallel dazu zeigte ich Informationen zu möglichen Behandlungsmethoden und deren Ergebnisse bei anderen Patienten an.
Im Operationssaal, in dem sich die Patientin befand, wurde inzwischen ein ferngesteuertes Endoskop in ihr Herz vorgeschoben. Es war mit hochmodernen Sensoren ausgestattet, so dass ich zeitgleich eine In-vivo-Untersuchung des Tumors durchführen und bestätigen konnte, dass das Zellwachstum nicht bösartig war. Da der Tumor in einer sehr frühen Phase erkannt worden war, empfahl Dr. Sterling dem Chirurgen, die Tumorzellen mit dem Laser an der Spitze des Katheters zu entfernen. Mit Hilfe von Programmen, die in Echtzeit die Dicke der Herzwand ermittelten und die Aktionen mit den Herzbewegungen abglichen, konnte ein Durchstoßen der Herzwand vermieden werden. "Perfekt!", rief Dr. Sterling zufrieden aus, nachdem der Laser auch den letzten Rest des Tumors beseitigt hatte. Im Hintergrund hörte ich die Personen im Hörsaal Beifall klatschen.
Um alles korrekt zum Abschluss zu bringen, kategorisierte ich alle Bilddaten und auch die des chirurgischen Eingriffs und aktualisierte mein Wissen über Myxome. Dabei bemerkte ich plötzlich, dass Dr. Chandra für den Bruchteil einer Sekunde einfach verschwand. Es dauerte nur einen Wimpernschlag, zu kurz, als dass Dr. Sterling es bemerkt haben könnte. Doch ab diesem Moment wusste ich, dass Chandra eine von uns war.
Arthur F. Pease
Virtuelle Assistenzärzte
Software-Programme unterstützen Ärzte bei der Auswertung und Interpretation der medizinischen Datenflut – das erleichert die Diagnosen und verbessert die Behandlung der Patienten mehr
Intelligente Bildsuche
Experten entwickeln im Projekt Medico eine Software, die lernt, medizinische Bildinhalte selbst-tätig zu interpretieren, sie in Datenbanken zu finden und Ähnlichkeiten zu erkennen mehr
Nimmermüde Wächter
Computer bringen einen entscheidenden Zuwachs an Sicherheit und Wirtschaftlichkeit – bei der Überwachung von Offshore-Windparks und Verkehrstunneln genauso wie bei der Kontrolle sibirischer Pipelines mehr
Digitale Finanzexperten
Zur Bewertung von Risiken bei Aktien- oder Kreditgeschäften setzt Siemens Financial Services auf selbst entwickelte IT-Systeme mehr
Künstliche Leitwölfe
Intelligente Leitsysteme können komplette Energie- und Wassernetze automatisch überwachen mehr
Computer lernen lesen
Interview mit Prof. Tom Mitchell, dem Experten für maschinelles Lernen an der Carnegie Mellon Universität in Pittsburgh, USA, über künstliche Intelligenz mehr