Wie Deep Learning das Gesundheitswesen verändert Teil 2: Prävention

Letzte Woche haben wir darüber gesprochen, wie KI die Art und Weise verändert, wie Ärzte Krankheiten und Störungen diagnostizieren.

Aber so wichtig eine schnelle, kostengünstige und genaue Diagnose auch ist, eines ist noch besser: Vorbeugen.

Diese Woche tauchen wir ein, wie KI die Art und Weise verändert, wie Ärzte Krankheiten und Krankenhausaufenthalte vorhersagen und verhindern.

Rechtzeitige Vorhersagen helfen, Krankheiten vorzubeugen

Laut Schätzungen der US Agency for Healthcare Research and Quality nehmen US-Krankenhäuser jedes Jahr 4,4 Millionen Patienten unnötigerweise auf, was 30,8 Milliarden US-Dollar kostet.

Nur zwei Krankheiten – Herzerkrankungen und Komplikationen durch Diabetes – machen die Hälfte aller unnötigen Krankenhauseinweisungen aus.

Infografik zu Herzkrankheiten (Quelle: Huffington Post)

Hier sind einige Beispiele dafür, wie Deep Learning bereits dazu beiträgt, negative Gesundheitsereignisse im Zusammenhang mit Herzerkrankungen und Diabetes vorherzusagen und zu vermeiden:

• Forscher des Center for Information and Systems Engineering der Boston University haben mit örtlichen Krankenhäusern zusammengearbeitet, um Patienten mit Herzerkrankungen und Diabetes zu überwachen und vorherzusagen, welche von ihnen einen Krankenhausaufenthalt benötigen. Wenn Gesundheitsdienstleister vorhersagen können, wer Hilfe benötigt, bevor sie benötigt wird, können sie viele dieser Krankenhauseinweisungen verhindern. Das von den Forschern verwendete Deep-Learning-Modell kann mit einer Genauigkeit von 82 % vorhersagen, wer etwa ein Jahr im Voraus ins Krankenhaus eingeliefert werden muss.

• Forscher von Sutter Health und dem Georgia Institute of Technology können jetzt Herzinsuffizienz mithilfe von Deep Learning vorhersagen, um elektronische Patientenakten bis zu neun Monate vor Ärzten mit herkömmlichen Mitteln zu analysieren.
• Frans von Houten, Vorsitzender und CEO von Royal Philips, sagte im Mai gegenüber CNBC, dass sein Unternehmen jetzt KI einsetzt, um genau vorherzusagen, ob ein Patient Stunden vor seinem Auftreten einen Herzinfarkt erleiden wird.

Aber KI hilft nicht nur dabei, plötzliche medizinische Ereignisse zu verhindern. Es hilft auch, die fortschreitende Degeneration zu vereiteln.

Beispielsweise ist die diabetische Retinopathie eine der Hauptursachen für Erblindung bei Erwachsenen im erwerbsfähigen Alter.

Diabetische Retinopathie-Diagramm (Quelle: news-medical.net)

Solche diabetesbedingten Komplikationen entstehen durch Spitzen und Abfälle des Blutzuckerspiegels, daher ist die genaue Vorhersage des Blutzuckerspiegels der Schlüssel zur Verhinderung von Abfall und Spitzen in erster Linie durch rechtzeitige Snacks und Insulininjektionen.

Eine Studie vom Juli 2017 zeigt, dass tiefe neuronale Netze, die tiefes Lernen durchführen, von einer Gruppe diabetischer Kinder lernen können, wie sie den Blutzuckerspiegel (um diese Abfalle und Spitzen zu verhindern) bei einer größeren Gruppe von Kindern genau vorhersagen können.

Das Verständnis dafür, wie Gene zu Krankheiten führen, wird vertieft

Eine andere Möglichkeit, Krankheiten mit KI zu verhindern, besteht darin, vorherzusagen, wer bestimmte Krankheiten entwickeln wird, basierend auf seiner genetischen Ausstattung.

Laut dem Gesundheitsanalysten von Gartner, Richard Gibson, sind Gene „das Größte, was das Gesundheitswesen vielleicht jemals getroffen hat, definitiv seit dem Aufkommen von Antibiotika im Jahr 1950“.

Da Forscher Genomdaten in beispiellosem Umfang sammeln und Deep-Learning-Modelle die Analyse dieser Daten und das Herstellen von Verbindungen einfacher denn je machen, lernen wir unglaublich viel darüber, wie genetische Faktoren wie Mutationen zu Krankheiten führen.

Diese Fortschritte führen zu einer personalisierten oder „Präzisions“-Medizin, bei der das Ziel darin besteht, Behandlungen an die genomische Zusammensetzung jedes Patienten anzupassen.

Ihr Genom ist der vollständige Satz chemischer Anweisungen zum Aufbau eines „Sie“. Obwohl die Genomik noch in den Kinderschuhen steckt, gibt es Projekte, die Fortschritte machen. Beispielsweise arbeitet ein Forscherteam der University of Toronto daran, eine genetische Interpretationsmaschine zu bauen, um krebsverursachende Mutationen bei einzelnen Patienten schnell zu identifizieren.

Ebenfalls in Toronto wendet ein Startup namens Deep Genomics ein Deep-Learning-Modell auf riesige Datensätze mit genetischen Informationen und Krankenakten an, um genetische Variationen mit entsprechenden Krankheiten abzugleichen.

Beide Organisationen verwenden für ihre Modelle die KI-Computing-Plattform Nvidia GPU.

Bereiten Sie sich mit der richtigen Software auf Deep Learning vor

Während GPUs wie die von Nvidia für die Ausführung von Deep-Learning-Algorithmen unerlässlich sind, benötigen Sie auch spezielle Software, um KI im Gesundheitswesen Wirklichkeit werden zu lassen.

Die Gruppe der Boston University war in der Lage, mit viel größerer Genauigkeit vorherzusagen, wer einen Krankenhausaufenthalt benötigen würde als Ärzte allein, da sie Deep Neural Networks (DNNs) verwendeten.

DNNs können bis zu 200 Faktoren wie Krankengeschichte und demografische Informationen analysieren, um diejenigen zu identifizieren, die mit zukünftigen Krankheiten in Verbindung gebracht werden. Damit das DNN-Modell jedoch funktioniert, benötigt es Daten aus EHR-Datensätzen.

Eine potenzielle Herausforderung besteht darin, dass EHRs diese Art von Daten normalerweise in großen Textblöcken speichern. Beispielsweise kann eine elektronische Patientenakte eine Aufzeichnung der Depressionsgeschichte eines Patienten in einem Abschnitt „Notizen“ enthalten, in dem ein Arzt „Mutter des Patienten litt an depressiven Verstimmungen“ zusammen mit aktuellen Beschwerden, Problemen usw. aufschreibt.

Aber um zu funktionieren, benötigen KI-Modelle gut strukturierte Daten. Es ist einfacher für eine Maschine zu analysieren, dass ein Patient eine familiäre Vorgeschichte von Depressionen hat, wenn es eine Spalte namens „Familiengeschichte“ und ein Kontrollkästchen neben „Depression“ gibt.

Bald wird Deep Learning „obligatorisch für Menschen sein, die anspruchsvolle Softwareanwendungen entwickeln“, sagt Frank Chen, Partner von Andreessen Horowitz, gegenüber Fortune.

Die meisten Risikokapitalgeber, einschließlich derjenigen, die in SaaS-Startups investieren, wussten vor fünf Jahren nicht einmal, was Deep Learning ist. Heutzutage „sind Investoren misstrauisch gegenüber Startups, die es nicht haben“, sagt Chen.

Ebenso sollten Sie sich vor EHRs in Acht nehmen, die nicht die Art von gut strukturierten Daten erstellen und speichern, die mit Deep-Learning-Modellen funktionieren. Sie könnten sogar nach einem EHR suchen, das KI in seine klinische Dokumentationsfunktion integriert hat, z. B. Epic in Partnerschaft mit Nuance.

Laut Anil Jain, MD, FACP und Vice President und Chief Health Informatics Officer bei IBM Watson Health, werden die meisten EHR-Systeme jedoch für eine Weile keine KI eingebettet haben. Die Option in diesen Fällen besteht darin, die KI-Funktionalität in Ihr bestehendes EHR zu integrieren. Von nun an müssen die meisten Gesundheitssysteme KI als Zusatzfunktionalität entwickeln und einsetzen.

Genau das tat Intermountain Healthcare mit seinem EHR und baute mehr als 150 Protokolle in Cerner ein. Bei jedem Protokoll gibt Cerner eine Warnung aus, wenn es Patienteninformationen erhält, die auf einen bestimmten medizinischen Zustand hinweisen, und führt die Kliniker dann durch vorgeschlagene weitere Untersuchungen und mögliche Behandlungen.

Die Erstellung dieser Protokolle erforderte früher 12 Ärzte, Krankenschwestern und Analyseexperten und dauerte mehr als ein Jahr. Aber durch die Partnerschaft mit Intermountain können sie in 10 Tagen ohne menschliche Arbeit gebaut werden.

Wenn Sie mit Softwareverkäufern sprechen, egal ob Sie nach einer EHR-Software oder einer Verwaltungssoftware für Arztpraxen suchen, ist es wichtig zu wissen, welche Fragen Sie stellen müssen.

Lassen Sie sich von VC-Partner Chen inspirieren und stellen Sie Fragen wie:

• "Wo ist Ihre Version für die Verarbeitung natürlicher Sprache?"
• „Wie spreche ich mit Ihrer App, damit ich mich nicht durch Menüs klicken muss?“

Nächste Schritte

Derzeit entwickeln große Forschungszentren und Gesundheitssysteme Deep-Learning-Modelle, die Krankheiten und Krankenhausaufenthalte vorhersagen und verhindern und herausfinden können, welche Gene mit zukünftigen Krankheiten und Störungen in Verbindung gebracht werden.

Fragen Sie beim Vergleich von EHR-Software die Anbieter auf Ihrer Auswahlliste nach allen KI-Funktionen oder Integrationen, die sie anbieten. Werden die Daten beispielsweise in einem Textblock gespeichert oder sind sie strukturierter?

Idealerweise sollten Sie sich für eine EHR entscheiden, die über integrierte KI-Funktionalität verfügt oder die sich in ein Deep-Learning-Modell integrieren lässt.