Aus dem Unterricht des CAS Mobile Business & Ecosystem – Digital Health mit Bart de Witte berichtet Eduardo Cardozo.

Schon die Vorstellung von Bart de Witte zeigt, dem belgischen Mann mit den trainierten Stimmbändern liegt das Thema Digital Health sehr am Herzen. Viele Beispiele kann er nennen, die er selbst schon ausprobiert hat: von der digitalen Wage, über einen digitalen DNA-Test bis zum Schlaf-Tracking mit ZEO.

Dank der Digitalisierung generieren wir Unmengen an medizinisch verwendbaren Daten und es werden immer mehr. Es kommen immer neue Wege hinzu, wie Daten über die Gesundheit gesammelt werden. Trotz des exponentiellen Wachstums der Daten und der technischen Möglichkeiten, ist das Gesundheitswesen noch lange nicht so weit, wie es das sein könnte. Gründe sind z.B. der Datenschutz oder Ärztegruppierungen, welche sich gegen diesen digitalen Trend zur Wehr setzen wollen.

Dennoch bewegt sich das Gesundheitswesen in Richtung des konsumenten-diktierenden Modell. Konsumenten können ihre Gesundheit mit Daten sowie Zugang zu Wissen einfacher managen. Beispielsweise können sie vor dem Arztbesuch die Symptome googeln oder sie können Krankheiten vorbeugen indem sie Apps haben, die ihnen Ernährungs-, Bewegung-, oder sonstige gesundheitsfördernde Tipps geben.

Ein Problem in der Medizin ist, dass zu wenige Ressourcen vorhanden sind. Ärzte sind Mangelware. Aber auch Pflegepersonal ist nicht ausreichend vorhanden. Die herrschende Bürokratie frisst extrem viel Ressourcen. Auch da kann die Digitalisierung helfen.

Eine weitere Herausforderung sind die Kosten. Viele Krankheiten werden zu chronischen Krankheiten, weil sie durch Therapieren herausgezögert werden.

Die Kosten fallen zu 80% dann an, wenn die Krankheit da ist! Eigentlich sollte das Geld schon viel früher ausgegeben werden, damit man Krankheiten vorbeugen kann und sie gar nicht erst ausbrechen.

Ein so komplexes System wie das Gesundheitswesen in eine neue Richtung zu lenken ist jedoch eine massive Herausforderung. Da spielen der Datenschutz sowie politische Macht- und Grabenkämpfe eine wichtige Rolle und können die Entwicklung bremsen, aber nicht aufhalten. Das System sollte die Anreize so setzen, dass die Reise mehr in Richtung «self care» und «home care» geht.

Der Healthcare Markt

Schon heute gibt es unzählige Firmen, die Produkte für Tracking anbieten. Und es kommen neue Technologien wie biosensorische Kleidung oder Smartimplantate, welche das Datensammeln immer einfacher machen.

Die Geräte werden (Bsp. Apple Watch) auch immer alltagstauglicher. Das ist notwendig, um Daten einer gesamten Gesellschaft zu erhalten. Geräte müssen heute sehr einfach in den Alltag einzubauen sein, sonst werden sie nicht verwendet. Es muss sich ein «Habit» aus der Nutzung entwickeln. Wenn das nicht stattfindet, hat man immer nur Daten von Randgruppen. Die breite Masse setzt sich dann aus sogenannte «Infromation Seekers» zusammen.

Unzählige Unternehmen versuchen neue Wege zu entwickeln, um gesundheitsrelevante Daten zu sammeln. Unternehmen mit bahnbrechenden oder disruptiven Ideen/Produkten haben es aber im Healthcare Markt nicht immer einfach. Mit bahnbrechenden Innovationen kommen auch zahlreiche Feinde, die kein Interesse daran haben, dass diese Innovation Erfolg hat. Auch ethische Fragen stellen sich neuen Technologien oft in den Weg bis sie geklärt sind.

Was man jedoch sagen kann ist, dass die Macht immer mehr in Richtung Patient und somit weg vom Leistungserbringer geht.

Daten und Künstliche Intelligenz

Jedes Individuum generiert schon heute Unmengen an Daten. In Zukunft werden dank neuen Sensoren und Devices noch mehr Daten gesammelt, welche für unsere Gesundheit verwendet werden können. Um diese Unmengen an Daten auswerten zu können, sind wir auf künstliche Intelligenz angewiesen. Diese kann z.B. Muster erkennen oder sich selbst beibringen Datenberge für uns verständlich zu machen.

Künstliche Intelligenz ist stark von der möglichen Rechenleistung abhängig. Da diese aber exponentiell wächst, ist Bart de Witte der Meinung, dass es keinen «Winterschlaf» in der Entwicklung der Datenverarbeitung mit KI geben wird. Eher wird sich der Fortschritt ununterbrochen und sogar in zunehmender Geschwindigkeit weiterentwickeln.

Big Data erlaubt es uns in allen Bereichen schnell mehr Einsichten zu bekommen. Dank riesigen Datenmengen, wird auch KI immer besser. Sie lernt, und das in exponentiellem Tempo! Es wird sehr viel in Forschung von KI investiert. Auch in der Medizin wird KI entscheiden sein. Wird man z.B. in Zukunft von einem Arzt oder von einem selbstlernenden Roboter operiert? In China gibt es bereits einen vollautomatischer Zahnarztroboter, welcher bei Patienten Zahnimplantate einsetzt. Um in der Medizin Mehrwert zu generieren, braucht es aber nicht nur KI sondern auch Know-How.

Algorithmen übertreffen die menschlichen Fähigkeiten schon heute in verschiedenen Bereichen. Z.B. könnten Call-Centers in Zukunft durch KI komplett ersetzt werden. Ganze Industrien werden durch KI komplett umgewälzt. So auch die Medizin. Man kann sich nicht vorstellen, was es in 10 Jahren geben wird und es heute noch nicht gibt. Denke 10 Jahre zurück als das erste IPhone kam und was wir heute alles mit dem Smartphone machen. Technologie erweitert unsere menschlichen Grenzen und genau so tut es auch die KI!

In diversen Bereichen der Medizin ist heute der Computer schon besser in der Erkennung von Krankheiten (z.B. Melanom-Screening) als der Mensch.

Generell kann man sagen, dass sehr viele Wissensberufe (Ärzte, Anwälte etc.) zukünftig durch gewisse Funktionen der KI ergänzt oder gar ersetzt werden könnten. KI bietet in allen Branchen Chancen wie auch Risiken. Die Flugzeugindustrie ist die erste Industrie, die gezeigt hat, dass wenn Maschinen die Entscheidung übernehmen, die Welt eine sicherere Welt wird. Und trotzdem gibt es noch Piloten.

Typen von Künstlicher Intelligenz

Narrow Artificial Intelligence (Weak AI)

Erfüllt nur eine bestimmte Aufgabe, vermutlich mit der Zeit auch besser als der Mensch. Eine Narrow AI ist auch nicht in übertragbar. Sie ist oft auf eine Aufgabe und Hardware abgestimmt.

Artificial General Intelligence (Stoing AI)

Sie kann alles lernen. Sie lernt sogar zu lernen und entwickelt sich weiter. Wie kontrolliert man sie?

Was ist maschinelles Lernen und welche Arten gibt es?

Supervised Learning

Durch Daten werden Muster erkennt. Der Algorithmus lernt dieses Muster und kann es auf weitere Daten anwenden ohne diese zu kennen. Bsp.: Ich habe 100’000 Bilder mit Katzen und Hunden. Bei 20’000 gebe ich an, ob es sich um einen Hund oder eine Katze handelt. Danach lege ich die restlichen 80’000 Bilder dem Algorithmus vor und dieser erkennt, ob es sich um einen Hund oder eine Katze handelt. Der Algorithmus hat durch die ersten 20’000 Bilder gelernt und kann dieses Wissen auf alle weiteren ihm unbekannten Bilder anwenden und lernt dabei noch hinzu.

Unsupervised Learning

Es sind keine Labels wie im oben genannten Beispiel (Hund und Katze) gegeben. Der Computer versucht aus Daten Clusters zu machen. Am Hund und Katzen Beispiel würde der Computer dann zwei Gruppierungen machen. Eine Hunde- und eine Katzengruppierung ohne diese zu benennen.

Reinforcement Learning (Bestärkendes Lernen)

Der Algorithmus lernt selber dank einem Rückkoppelungseffekt. Hier ein einfache Definiton aus Wikipedia: «Ein Agent erlernt selbständig eine Strategie, um erhaltene Belohnungen zu maximieren. Dabei wird dem Agenten nicht vorgezeigt, welche Aktion in welcher Situation die beste ist, sondern er erhält zu bestimmten Zeitpunkten eine Belohnung, die auch negativ sein kann. Anhand dieser Belohnungen approximiert er eine Nutzenfunktion, die beschreibt, welchen Wert ein bestimmter Zustand oder Aktion hat.»

Wichtige Bereiche im Gesundheitswesen für die KI sind:

  • Das Erkennen von Visuellem. Zum Beispiel sollen Algorythmen darauf trainiert werden Melanome zu erkennen.
  • Natural Language Processing ist ein weiterer wichtiger Anwendungsbereich für KI im Gesundheitswesen. Z.B. kann KI eine Telefonistin im Spital bei einem eingehenden Notfallanruf durch ein schnelles Aufbereiten und Bereitstellen von, für diesen spezifischen Fall wichtigem medizinischem Wissen, unterstützen.
  • Deep Speech Pattern Analysis ermöglicht in der Medizin das Erkennen von Krankheiten, durch Faktoren wie Lautstärke, Sprachtempo, Melodie etc.

Personalisierte Medizin

Bart de Witte ist der Meinung, dass es dem Menschen in den nächsten 40 – 50 Jahren gelingen wird, die systemischen Krankheiten erfolgreich zu bekämpfen. Dank Unmengen an Daten, Rechenleistung und der KI werden wir den Fokus auf personalisierte Medizin legen und so Krankheiten schon vor dem eigentlichen Ausbrechen verhindern können. Barts Zukunftsvision klingt etwa so:

«Jeden Morgen zuhause ein Tröpfchen Blut in eine Maschine geben und dann einen personifizierten Smoothie bekommen, der einem alles bietet, um Krankheiten vorzubeugen.»

Plattform Ökonomie

Wie überall werden Plattformen auch im Gesundheitswesen immer wichtiger. Im Gesundheitswesen sollte man das Silodenken aufgeben und den Mehrwert von Zusammenschlüssen nutzen. Ein gutes Beispiel bietet die neue Apple Watch, mit welcher man ein EKG machen kann. Warum sollen nun alle Ärzte und Spitäler ihre eigenen EKG Daten sammeln und auswerten? Die Anreicherung all dieser Daten und ein zentrales Auswerten hätten einen zentralen Vorteil. Dank der alltagstauglichen Apple Watch, die auch ein EKG macht, hat man nun auch Daten von Menschen, die sonst «Information Seekers» wären. So bekommt man einen viel umfassenderen Einblick in Herzkrankheiten. Somit sollten Ärzte sich an solche Plattformen anschliessen, anstatt eigene Forschung zu betreiben oder gar eigene Geräte zu entwickeln.

Disruption im Gesundheitswesen

Sustainable Innovation

Eine analoge Kamera wird immer besser. Sie entwickelt sich weiter.

Disruptive Innovation

Dann kommt die digitale Kamera. Auf einmal bietet eine neue Technologie ein Produkt, welches die alte Technologie aus dem Markt drängt. Die digitale Kameratechnologie verdrängte durch Mehrnutzen für den Konsumenten die alte analoge Technologie zum grössten Teil aus dem Markt.

Auch im Gesundheitswesen findet Disruption satt. Ein zukünftiges Beispiel könnte das Drucken von Organen sein, welches den aktuellen Handel für Organtransplantation komplett überflüssig machen würde.

Datenschutz

Es ist sehr wichtig, dass wir sensibilisiert sind, was mit unseren Daten passiert. Wenn es um Gesundheitsdaten geht, geht es um höchst persönliche Daten. Auch sollte man sich vielleicht öfters die Privacy Conditions anschauen! Und trotzdem sind wir auf diese Daten angewiesen, um Erkenntnisse zu erlangen und innovative neue Leistungen zu entwickeln.