Hvordan computere understøtter læger

Specielt uddannede computere kan undertiden stille mere nøjagtige diagnoser end læger. De kunne støtte læger inden for mange områder

Stemmeassistenter som Siri eller Alexa, der slukker lyset på badeværelset, hvis det ønskes. Navigationssystemer, der angiver risikoen for overbelastning og foreslår omvejsruter. Bannere til internetannoncering, der anbefaler yderligere produkter efter køb online. Kunstig intelligens (AI) har længe siden fundet vej ind i vores hverdag. Og nu har medicin også opdaget potentialet i denne teknologi. Næsten hver dag rapporterer forskningsgrupper om nye måder, hvorpå AI kan støtte læger - når de stiller diagnoser, vælger en terapi eller overvåger sygdommens fremskridt.

For at sige det enkelt fungerer kunstig intelligens som den menneskelige hjerne. Computere får først en masse data, som de derefter bruger til at genkende billeder eller give svar på et spørgsmål. Eksperter taler om maskinlæring her, og når den videreudvikles, taler de om dyb læring eller neurale netværk.

Maskiner kan genkende mønstre bedre

Men kan du stole på sådanne resultater? Genkender computeren kræft i røntgenbilledet lige så godt som en læge? Eller endnu bedre? "Kunstig intelligens ser meget dybere ind i en tumors biologi, end den menneskelige hjerne kan," siger professor Michael Forsting, chefradiolog ved Essen Universitetshospital. "Det genkender mønstre, som vi ikke kan se." Dette er grunden til, at undersøgelser for eksempel konkluderer, at den digitale læge bedre kan skelne mellem godartede mol og melanom end de fleste kød- og blodlæger.

Hudmærker: godartet eller ondartet?

Er pigmentmærket uskadeligt, eller er det sort hudkræft, et melanom? Dermatologer kan ikke altid bedømme dette med sikkerhed ved at se på dem. Professor Holger Hänßle fra University Dermatology Clinic i Heidelberg har udviklet et system, der understøtter læger i deres arbejde.

I en undersøgelse så det forskellen bedre end de fleste af 58 hudlæger. Kun meget erfarne læger var mere nøjagtige. Systemet bruges nu i omkring 40 praksis. "Lægen skal altid have set på fødselsmærket først," forklarer Hänßle, "først da kan han tænde for den kunstige intelligens." Beslutningen forbliver hos lægen. Han kan også tage andre oplysninger i betragtning, f.eks. Om hudmærket er ændret eller er nyt.

Mange forskere arbejder på andre applikationer, hvoraf nogle er ved at blive omsat i praksis. For eksempel et Forsting-projekt: med en sandsynlighed på 95 procent kan hans system bruge magnetisk resonansbilleddannelse til at forudsige, om livmoderhalskræft allerede har udviklet metastaser. Uden fjernelse af væv og uden en læges professionelle vurdering.

Mindre rutinearbejde

Programmer fra andre forskere påviste for eksempel brystkræft på mammografi mindst lige så ofte som læger. Diagnosen lungekræft er også et af de projekter, der er kommet langt.

For radiolog Forsting har AI imidlertid oprindeligt en anden fordel. Du kan befri lægen for mange rutineopgaver. For eksempel at tælle foci for betændelse hos patienter med multipel sklerose. Eller måling af tumorstørrelse under kontrol.

Dette kunne blandt andet forhindre fejl, der opstår som følge af "tilfredshed ved søgning", som læger siger. Så fra tilfredsheden med at have opdaget det fund, du ledte efter. Dette fører så let til, at andre abnormiteter ikke bemærkes. Antallet af MS foci er blevet bestemt, men metastasen i diagnoseområdet overses. Hvis computeren overtager rutinen, kunne lægen fokusere på alt andet, som optagelserne måtte afsløre.

En læge, 20 patienter med intensiv pleje

Dr. Alexander Meyer im Sinn, potentiel hjertekirurg ved det tyske hjertecenter i Berlin. Han blev formet af den erfaring, han havde som ung læge: som den eneste læge på en intensivafdeling, der passede 20 patienter.

Meyer har nu fodret en computer med data fra 11.000 patienter og udviklet et hjælpesystem ud fra den. Dette samler den store mængde data, der er
private patienter indsamles, samler dem og analyserer dem. "Dette gør det muligt for computeren at identificere komplikationer på et tidligt tidspunkt, der endnu ikke er tydelige og kan undslippe lægen, især i hektiske situationer," forklarer Meyer. AI kan endda forhindre dødsfald på denne måde. For eksempel fordi det muliggør hurtigere intervention i tilfælde af nyresvigt.

Bedre end mennesket?

Computere kan også hjælpe med at diagnosticere hjerneblødning, der ikke er opdaget af læger. Du finder hjertearytmier i EKG. De har potentialet til at anbefale behandlinger til blodforgiftning. De genkender lungeemboli.

Men AI fungerer ikke perfekt. Nøjagtigheden af ​​deres diagnoser er ofte over 90 procent, men næsten aldrig 100. Stadig nok er det ofte nok til at overgå læger eller i det mindste være på niveau med dem.

Den kunstige læge kan lære af dette - gennem yderligere data, der tilføres ham. Om du kan stole på kunstig intelligens afhænger generelt af deres kvalitet. Beløbet betyder ikke noget. Det er afgørende, at computeren får de rigtige oplysninger. Dette viser blandt andet erfaringerne fra forskere, der havde udviklet et system til undersøgelse af leveren fra computertomografier.

Det fungerede godt - men mislykkedes organer fra asiatiske patienter. Den anatomiske stilling adskiller sig lidt fra europæernes. Programmet var kun i stand til at genkende de asiatiske lever som sådan efter indtastning af de relevante billeder.

Udholdenhedstesten er ofte udeladt

Sådanne fejl gør det klart, hvorfor kvalitetskontrol af systemerne er vigtig. Det udføres først ved at undersøge nøjagtigheden af ​​computersystemet. Før en markedsstart ville en udholdenhedstest i virkelige situationer også give mening, hvis det er muligt i direkte sammenligning: medicinsk diagnose alene versus medicinsk diagnose med computerstøtte. Men fordi systemerne er klassificeret som medicinsk udstyr, er sådanne tests ikke obligatoriske og udføres ofte ikke.

På den anden side stoler medicin nu næsten naturligvis computeren også på andre områder. Tidligere tællede for eksempel medicinske medarbejdere cellerne i en blodprøve under mikroskopet, i dag gør automatiserede systemer det - og gør det meget mere pålideligt og med færre fejldiagnoser end uddannede specialister.

Hjælp eller udskiftning?

Imidlertid er mange læger bekymrede over, at processerne i computeren i sidste ende repræsenterer en slags "sort boks". På hvilken måde, med hvilke analysesekvenser en diagnose eller en terapianbefaling kommer, er normalt ikke klart. Læger kan ikke lide det mere end patienter. IT-specialister arbejder derfor allerede på at sikre, at computere giver en slags begrundelse for deres resultat.

Under alle omstændigheder er en ting klar: så meget som digital hjælp vil være nyttigt i fremtiden, vil den ikke erstatte lægen. På den ene side gælder analyserne udført af en såkaldt algoritme kun nogensinde for en specifik, begrænset opgave. Han kan ikke analysere en tarmpolyp (se ramme) og diagnosticere en inflammatorisk tarmsygdom på samme tid.

Robotlæger forbliver en fantasi

På den anden side kan AI ofte genkende visse mønstre mere præcist end mennesker, men ikke følelser og personlige baggrunde. Hvordan en patient oplever sin sygdom, hvilken historie den har, hvilke arvelige problemer der er, hvad den fysiske undersøgelse afslører: Alt dette er ofte lige så vigtigt for målrettet behandling som de nøjagtige fund i et billede - som undertiden kan være vildledende. For eksempel gør ikke hver herniated disk ondt, mens en visuelt sund ryg stadig kan skade meget.

Eksperter er ikke desto mindre enige: AI's stadig vigtigere rolle i medicin indeholder risici, men frem for alt mange muligheder - hvis folk holder scepteret i deres hænder. Fantasier, hvor vi i fremtiden vil blive behandlet af robotter og computere i stedet for læger, vil derfor forblive nøjagtigt de i overskuelig fremtid: fantasier.