KI ist für die Ergänzung, nicht für die Ersetzung von Ärzten – Thought Leaders

Von: Doug Teany, Innovationsberater und ehemaliger COO von Corindus

KI und ihre Anwendungen im Gesundheitswesen haben sich in den letzten Jahren erheblich weiterentwickelt. KI-Technologien sind heute für Gesundheitsdienstleister verfügbarer als je zuvor und bieten enorme Chancen im Gesundheitswesen, insbesondere bei komplexen roboterunterstützten Eingriffen, die von Ärzten außergewöhnliche Einsicht und Voraussicht erfordern. Leider gibt es immer noch die Meinung, dass KI aufgrund ihrer Reife unweigerlich die Rolle des Arztes ersetzen wird, obwohl dies nicht weiter von der Wahrheit entfernt sein könnte.

Tatsächlich ermöglicht KI es Ärzten, neue Kenntnisse und Fähigkeiten zu erwerben, die die klinische Entscheidungsfindung verbessern und zu besseren Patientenergebnissen beitragen. Sie lenkt ihre Aufmerksamkeit von der technischen Überlegung, wie man einen Draht durch das Herz manövriert, zu einer umfassenderen Überlegung der Fallstrategie und wie man das beste mögliche Ergebnis erzielt. Wenn KI in roboterunterstützten Eingriffen eingesetzt wird, kann sie dazu beitragen, ein Nachschlagewerk historischer klinischer und prozeduraler Kenntnisse aufzubauen, auf das jeder Arzt zugreifen kann, um jeden Fall zu lösen. Durch die Einbeziehung von Fähigkeiten wie Computer-Vision kann KI den aktuellen Standard der Versorgung revolutionieren und Ärzten ein leistungsfähiges Werkzeug an die Hand geben, das auf Komplikationen reagieren und sie verhindern kann, bevor sie auftreten. All dies geschieht, ohne den Schlüsseltreiber im Prozess – den Arzt – zu ersetzen.

Die Grundlage mit datengetriebener Einsicht und Maschinellem Lernen schaffen

Heute verlassen sich Ärzte hauptsächlich auf ihre persönliche Erfahrung und ihre individuellen Entscheidungsfähigkeiten, die je nach Ausbildung, Anzahl der durchgeführten Eingriffe und anderen Faktoren variieren können. Im Kern führt KI Ärzte in neue Daten und Informationen ein, die ihnen zuvor nicht zugänglich waren, was insbesondere in komplexen Eingriffen mit Robotik nützlich sein kann. In diesen Fällen, in denen robotische Geräte mit historischen Datenbeständen verbunden sind, bietet KI einen unvergleichlichen Wert, indem sie Wissenslücken mit Erkenntnissen aus Tausenden von ähnlichen Fällen füllt. Durch die Bereitstellung von historischen Fall-Daten, die über die Erfahrung des Arztes hinausgehen, kann KI einige der mit diesen komplizierten Eingriffen verbundenen Risiken mindern.

Das maschinelle Lernen ermöglicht es dem robotischen System, aus Erfahrungen zu lernen und auf neue Eingaben zu reagieren. Im Gegenzug kann der Roboter seine Bewegungen automatisieren, um die gleichen Techniken anzuwenden, die von den besten Ärzten der Welt verwendet werden, was die Chancen erhöht, Herausforderungen während eines Eingriffs zu meistern. Letztendlich ermöglicht dies es Ärzten, ihre Aufmerksamkeit auf die Fallstrategie zu konzentrieren und auf Komplikationen effektiver zu reagieren. Diese Art von datengetriebener Einsicht ähnelt der Art und Weise, wie Daten das Landschaftsbild des professionellen Baseballs in den frühen 2000er Jahren veränderten, wie in dem Buch Moneyball hervorgehoben. Das Buch folgte den Oakland Athletics und Manager Billy Beane, der einen datengetriebenen, evidenzbasierten Ansatz zur Teamaufstellung verfolgte, anstatt auf veraltete Methoden zurückzugreifen, die es an Daten mangelte. Dieses Modell war ein großer Erfolg und löste eine neue Ära des Spiels aus, die von Daten angetrieben wurde.

In der Gesundheitsversorgung schafft eine Datenbank prozeduraler Kenntnisse, die durch maschinelles Lernen angetrieben wird, ähnliche Erkenntnisse für Ärzte, indem sie ihnen wertvolle Informationen bereitstellt, die ihnen zuvor nicht zugänglich waren. Die Fähigkeit, einen Patienten vor dem Hintergrund von Tausenden von ähnlichen Fällen zu betrachten, ermöglicht es Ärzten, bessere, informiertere Entscheidungen über die Vorgehensweise bei einem Fall zu treffen.

Der nächste Schritt: Computer-Vision und Hochautomatisierung

Das volle Potenzial von KI in roboterunterstützten Eingriffen wird vollständig realisiert, wenn datengetriebene Einsicht und maschinelles Lernen mit Computer-Vision kombiniert werden, sodass das robotische System intelligent auf Situationen reagieren kann, die auf reichhaltigen Bilddaten basieren. Bei kardiovaskulären Eingriffen wird ein erheblicher Prozentsatz der Eingriffszeit für die Manipulation von Drähten aufgewendet, von denen viel auf eine “Trial-and-Error”-Methode für die Navigation durch die Gefäße zurückzuführen ist. Diese Methode kann zu fehlplatzierten medizinischen Geräten wie Stents führen oder zu längeren Eingriffszeiten, die die Strahlenbelastung für Ärzte und Patienten erhöhen.

Aber wenn automatisierte Systeme effektive Bewegungen lernen und wissensbasierte Regeln erstellen, können wir die Computer-Vision nutzen, um größere Teile des Eingriffs zu automatisieren. Die Computer-Vision ermöglicht es dem System auch, Komplikationen vor ihrem Auftreten zu erkennen, wie z.B., wenn ein Führungsdraht prolapsiert, und automatisch korrigierende Maßnahmen durchzuführen, um das Gerät zu liefern und dem Patienten zu schaden.

Wichtig ist, dass die Automatisierung, unabhängig von der Branche, auf einem Spektrum liegt, und die Automobilindustrie bietet ein gutes Beispiel dafür. Viele heutige Autos haben einen gewissen Grad an niedriger Automatisierung, wie z.B. Bremsassistenten, adaptives Tempomat und Spurhalteassistenten. Am anderen Ende des Spektrums automatisieren Hersteller wie Tesla (TSLA ) alle sicherheitskritischen Funktionen, was weniger Handlungen von den Fahrern erfordert, obwohl Fahrer immer noch notwendig sind. Gleiches gilt für die Automatisierung im Gesundheitswesen. Letztendlich hält die KI-gesteuerte Automatisierung die Ärzte im Fahrersitz, während sie bestimmte Aufgaben automatisiert, die die Aufmerksamkeit der Ärzte von kritischen Elementen wie der Fallstrategie und der Reaktion auf Komplikationen ablenken.

 KI stellt Ärzte in den Mittelpunkt

 Bedenken hinsichtlich KI und Automatisierung, die Ärzte ersetzen, haben einfach keinen Grund und basieren nicht auf einem umfassenden Verständnis davon, wie die Gesundheitsversorgung KI und maschinelles Lernen einsetzt. Genau wie autonome Autos einen Fahrer benötigen, werden die automatisierten Eingriffe, an denen wir arbeiten, die Führung eines Arztes benötigen, aber mit der zusätzlichen Expertise einer digitalen Enzyklopädie, die auf der Erfahrung anderer hochqualifizierter Ärzte aus der ganzen Welt basiert. Die Automatisierung wird die Art und Weise standardisieren, wie Eingriffe durchgeführt werden, auf einem sehr hohen Qualitätsniveau, was das übergeordnete Ziel der robotischen Automatisierung erreicht – Eingriffe sicherer, effektiver und schneller zu machen und den Trauma des Patienten zu reduzieren.