Page - 168 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

168 B Anwendung Frühstadium hätte dennoch einige Vorteile. Sie würde es den betroffenen Personen beispielsweise ermöglichen, ihren Lebensstil zu ändern, um bekannte Risikofaktoren für die Krankheit zu reduzieren. Zudem gibt es Hinweise darauf, dass eine Behand- lung mit heute verfügbarer Medikation umso besser wirkt, je früher sie im Krank- heitsverlauf angewendet wird. Weiterhin kann mittels der Diagnostik bei ersten unspezifischen Symptomen eine Abgrenzung der Alzheimer-Krankheit von anderen Formen der Demenz vorgenommen werden. Für den Test von künftig einmal vorhan- denen präventiv wirkenden Medikamenten könnte die Diagnostik außerdem dabei helfen, geeignete Patienten in klinische Studien einzuschließen. KI-Methoden könnten langfristig dazu beitragen, die Entstehung von Krankheiten zu verhindern, was einem Paradigmenwechsel von der jetzigen reaktiven Krankheitsver- sorgung zu einer präventiven Gesundheitsversorgung gleichkäme. Um KI für dieses Ziel zu trainieren, müssten idealerweise hervorragend strukturierte Daten sehr vieler Menschen über einen möglichst langen Zeitraum zur Verfügung stehen – wie es beispielsweise in der „All of US“-Kohortenstudie der US-amerikanischen NIH der Fall sein wird. Darin sollen eine Million oder mehr Menschen auf freiwilliger Basis über viele Jahre hinweg begleitet und ihr Gesundheitszustand, ihre Umwelt und ihr Lebensstil detailliert aufgezeichnet werden (National Institutes of Health 2018). Der lange Weg zum Einsatz in der Praxis Die Verbesserung der Leistungsfähigkeit von Computern sowie der Ausrichtung von Chip-Herstellern hin zu dedizierter KI-Hardware hat dazu beigetragen, dass sich Deep Learning und die Anwendung neuronaler Netze stark verbreiten konnten. Die Tür zu zahlreichen Anwendungen in der Medizin steht weit offen. Allerdings sind zum Trai- ning entsprechender Algorithmen große Mengen an Trainingsdaten notwendig. Das Beispiel des NIH-Thorax-Bilddatensatzes verdeutlicht allerdings, wie schnell Algorith- men entwickelt werden können, wenn adäquate Basisdaten vorliegen. Grundsätzlich lassen sich zwar auch mit kleineren Datensätzen gute Ergebnisse erzielen, die Genauig- keit nimmt jedoch mit größerer Fallzahl zu. Daher ist die Verfügbarkeit von, von Ärzten annotierten, strukturierten Datensätzen für zukünftige Entwicklungen insbesondere im radiologischen Bereich entscheidend. Dieses Nadelöhr haben auch die großen Techno- logie- und Gesundheitskonzerne erkannt und versuchen, sowohl durch Firmenzukäufe (siehe IBM: Übernahme von Merge Healthcare Inc.52; Dignan 2015 oder siehe Roche: Übernahme von Flatiron Health, Inc.53; F. Hoffmann La-Roche AG 2018) als auch durch 52 Ein Unternehmen aus dem Bereich medizinischer Bildgebung 53 Technologie- und Dienstleistungsunternehmen im Gesundheitswesen insbesondere im Bereich Onkologie