Aus dem Unterricht des CAS AI Management mit Dozentin Dr. Lisa Falco berichtet Studentin Nadine Nyffenegger.

Der 4. Block des CAS AI Management findet auch dieses Mal virtuell statt. Am Donnerstag morgen begrüsst uns Dr. Lisa Falco zur Vorlesung “Medtech”. Ich bin sehr gespannt und neugierig auf die Vorlesung und die Use Cases, wie künstliche Intelligenz in der Medizin heute eingesetzt wird.

AVA –  ein Armband bestimmt den Zyklus der Frau

Der Unterricht beginnt mit einem ganz persönlichen Use Case, an welchem Dr. Lisa Falco aktiv beteiligt war. Er trägt den Namen AVA.

AVA ist ein Sensorenarmband, dass die fruchtbaren Tage der Frau bestimmt, indem es die Atemfrequenz, die Herzfrequenz, die Durchblutung und den Puls der Propagandin misst.

Rund 100 Datensätze – sogenannte “Clinical Data” – standen zur Entwicklung des ersten Algorythmus zur Verfügung. Dieser war ein sogennanter “Expert Algorythm”, bei welchem der Data Scientist über jeden Schritt, wie auch die Parameter entscheidet.

Seit die erste Version des AVA Sensorenarmbandes auf dem Markt lanciert wurde, werden täglich neue und aktuelle Daten generiert. Durch die Unterstützung von Machine Learning wird der Algorythums trainiert und AVA kann 5 von 6 fruchtbaren Tagen einer Frau voraussagen. Pro Jahr werden über 100’000 Zyklen verschiedenster Frauen analysiert und tragen somit zur Verbesserung und Genauigkeit der Prognose bei.

Warum wir künstliche Intelligenz (AI) in der Medizin brauchen

In der Medizin und sogar in unserer Freizeit – kommen täglich unzählige Daten zusammen. Unter anderem durch:

  • Sogenannte Wearables (Fitnesstracker, Schrittzähler etc.)
  • Labor Daten (Blutanalysen etc.)
  • Bild Daten (Röntgen, MRI etc.)
  • Genome
  • Microbiome
  • Proteome

Die Daten, welche wir jeden Tag generieren, sind heute noch nicht einheitlich gesammelt. Dies hat zur Folge, dass Ärzte einen Grossteil des Berufes damit verbringen, Daten zu analyiseren, um eine konkrete Diagnose zu stellen. Zusätzlich gehen immer wieder Daten verloren, wenn ein Patient das Spital, den Arzt oder sogar das Land wechselt.

Die elektronische Gesundheitsakte ist ein geplante Datenbank, die alle Daten einer Person einheitlich sammelt und analyisert. Dies hätte mehrere Vorteile:

  • bessere und effizientere Diagnosen
  • Ärzte hätten mehr Zeit für den Patienten
  • Präventive medizinische Insights
  • Sicheres und dediziertes Teilen von Informationen bei relevanten Behandlungen

Die künstliche Intelligenz in der Medizin ist jedoch noch nicht sehr weit fortgeschritten und es gibt noch viele Vorurteile und Bedenken. Heute gibt es lediglich 67 Algorythmen, welche offiziell im Einsatz sind.

Pipra – wie ein AI-basierter Test leben retten könnte

Der zweite Use Case ist über die Firma Pipra. Pipra steht in der Entwicklung eines AI-basierten präoperativen Test, welcher das Risiko eines Patienen bewertet, nach einer Operation an kognitiven Störungen zu leiden.

Nun liegt es an uns, anhand einer Gruppenarbeit zu ermittlen, welche Daten und Metrics wir für Pipra einsetzen würden. Wir diskutieren, welche Daten evaluiert und welche Störfaktoren berücksichtigt werden müssen. Die Case Study zu lösen, ist für die ganze Gruppe nicht so einfach, da wir alle keinen medizinischen Background haben. Auch über die Wahl der zu einsetzenden Metric haben wir einige Diskussionen. Schlussendlich kehren wir in unser virtuelles Klassenzimmer zurück und besprechen gemeinsam unsere Lösungsvorschläge.

Die richtige Metric macht den Unterschied

Um die künstliche Intelligenz in der Medizin zielgerichtet einzusetzen ist die Wahl der Daten und die Evaluation der Risiken und Störfaktoren sehr wichtig. In der Medizin sind die meisten Daten sogenannte «Biological Data» und somit sehr komplex.

Doch wie wählt man die richtige Metric?  Beispiele von 2 Metrics, welche bereits in verschiedenen Laboranalysen umgesetzt wurden:

Sensivität – Die Sensivität eines diagnostischen Testverfahrens gibt an, bei wievielen Patienten die jeweilige Krankheit durch die Anwendung des Tests erkannt wird, d.h. ein positives Testresultat auftritt. Je höher die Sensitivität eines Tests ist, desto sicherer erfasst er die Erkrankung. Zum Beispiel bei Tests für COVID19 hat diese Metric oberste Priorität.

Spezifität – Die Spezifität eines diagnostischen Testverfahrens gibt die Wahrscheinlichkeit an, dass Gesunde, die nicht an der betreffenden Erkrankung leiden, im Test auch als gesund erkannt werden. Diese Metric kann zum Beispiel bei einem Antikörper Test von COVID19 eingesetzt werden.

Zum Schluss hat uns Lisa noch einige Anhaltspunkte gegeben, wie man AI Projekte in einem medizinischen Umfeld vorantreiben kann.

  • Vertrauen schaffen. Es gibt immer noch sehr viele Vorbehalte gegenüber dem Einsatz künstlicher Intelligenz in der Medizin.
  • One Team. Beim Erarbeiten eines AI-basierten Konzepts, sollten Ziele, wie auch Parameter für alle klar verständlich sein

Der Vormittag gab uns spannende Einblicke, wie die Zukunft der Medizin aussehen könnte und wie Machine Learning bereits erfolgreich eingesetzt wird.

Ich danke Lisa für die tolle Präsentation!