Künstliche Intelligenz wird meist mit Alexa und Siri oder Chatbots bei Banken und Callcentern assoziiert. Eher selten wird über das Potenzial der KI-Technologien in den Life Sciences und im Gesundheitswesen gesprochen – die Idee ist aber im Kommen. Das zeigt eine aktuelle Studie von Accenture: 74 Prozent der Führungskräfte in diesem Wirtschaftszweig glauben, dass künstliche Intelligenz eine signifikante Veränderung – wenn nicht sogar eine komplette Umstellung – in der Branche verursachen wird. Insbesondere das Potenzial der Kostenreduzierung in der Gesundheitsbranche wird als enorm groß eingeschätzt.

Künstliche Intelligenz und Life Sciences – wie füreinander geschaffen?

Eigentlich liegt die Verbindung auf der Hand: In den Life Sciences und im Gesundheitswesen entstehen massenhaft Daten, mit denen man Modelle trainieren könnte. Gleichzeitig sind einige der heute genutzten Systeme zur Datensichtung nicht ideal. Etwa bei Screenings: Zytologen durchsuchen am Tag Hunderte, wenn nicht sogar Tausende Licht- oder Röntgenbilder manuell (oder visuell) nach möglichen Auffälligkeiten. Dabei ist die Wahrscheinlichkeit falscher Negativbefunde sehr hoch. Entsprechend trainierte KI-Systeme können viel schneller und vermutlich auch präziser zumindest eine Vorauswahl treffen – die dann selbstverständlich nach wie vor von Menschen beurteilt werden muss.

Genauso wie bei Screeningverfahren sind Diagnosen von Krankheiten oder der gesundheitlichen Verfassung eines Menschen letztlich eine Form von Mustererkennung. Es spricht also nichts dagegen, dass KI-Technologien das medizinische Personal dabei unterstützen und ergänzen. Dabei erwartet niemand, dass Ärzte und Fachkräfte von KI ersetzt werden oder dass Mustererkennung via KI die alleinige Methode ist. Dennoch liegt es auf der Hand, dass der Einsatz die menschlichen Fähigkeiten in vielen Bereichen der Medizin wie auch der Pharmazie stärken und erweitern kann, so auch in der Diagnostik. Es wäre im Anschluss sogar möglich, die optimale Therapieform für einen Patienten auszuwählen, indem die medizinische Vorgeschichte, die Symptome und die persönlichen Präferenzen miteinbezogen werden.

Darüber hinaus gibt es Hinweise, dass KI vielmehr die Möglichkeiten der Patienten und Verbraucher erweitern wird – wie schon in anderen Branchen. Ein Beispiel: Chronisch kranke Patienten könnten selbstständiger mit ihrer Krankheit umgehen und Ärzte oder Fachkräfte nur dann involvieren, wenn sie auch wirklich benötigt werden. Die KI-Technologie würde dabei bestimmte Indikatoren, wie Blutdruck, Puls oder Blutzucker, ständig monitoren und Ärzte alarmieren, wenn definierte Schwellenwerte über- oder unterschritten werden. Sinn und Zweck ist es also, KI so zu nutzen, dass mehr Individualisierungs- und Personalisierungsmöglichkeiten entstehen und damit der einzelne Patient stärker in den Mittelpunkt der Gesundheitsversorgung rückt.

Jenseits des Speziellen

Man muss sich hier vor Augen halten, dass KI in den Life Sciences genauso viel Potenzial bietet wie in allen anderen Bereichen – die Technologie ist im Grunde nämlich dieselbe. Zwei Beispiele:

• Die Online-Suche nach wissenschaftlichen Artikeln gestaltet sich schwierig: Zum einen hat der Google-Algorithmus Probleme mit den Fachbegriffen und führt zum anderen wenig besuchte Seiten in den Ergebnissen nicht auf. Forscher sehen hier Vorteile, wenn Suchmaschinen themenspezifisch abgestimmt sind – dadurch werden vorhandene Informationen auch tatsächlich verwendet.
• Pharmaunternehmen setzen Machine Learning und KI-Modelle ein, um die Rezeption und den Einsatz neuer Medikamente in bestimmten Märkten vorherzusagen. Die Idee dahinter ist nicht neu, wohl aber die Modelle und damit auch die Vorhersagen, die besser und genauer sind als alle bisherigen Technologien.

Eine Frage der Umsetzung

Es geht also weniger darum, was KI in der Gesundheitsbranche leisten kann, sondern vielmehr, wie sie eingesetzt werden kann. Welche Veränderungen sind zum Beispiel für eine schnelle Verbreitung von KI notwendig? 90 Prozent der befragten Führungskräfte halten insbesondere Kollaborationen innerhalb von „Ökosystemen“ für eine wichtige Veränderung, wenn Unternehmen einen wirtschaftlichen Nutzen aus KI ziehen wollen. Auch sind Veränderungen bei den Arbeitsplätzen zu erwarten, um den Einsatz sinnvoll zu gestalten.

Erfahren Sie mehr über das SAS Life Science Analytics Framework.