Künstliche Intelligenz in Medizin und Versorgungsforschung

Technologischer Fortschritt und zunehmende Digitalisierung führen auch im Gesundheitswesen zu großen Datenmengen. Data Science ist die Wissenschaft, die mit fortgeschrittenen statistischen Methoden (Machine Learning/maschinelles Lernen) diese großen Daten analysiert und automatisiert Muster erkennt. Als "Künstliche Intelligenz" (KI) werden dabei insbesondere Methoden des Machine Learning bezeichnet, die auf sogenannten neuronalen Netzwerken basieren. Dies sind besondere statistische Algorithmen mit Millionen von Parametern, die auf sehr großen Daten mit spezieller Hardware trainiert werden müssen.

In der Medizin wird Machine Learning beispielsweise verwendet, um Symptome mit Krankheitsbildern abzugleichen, neue Medikamente zu entwickeln oder bildgebende Verfahren wie Röntgen oder MRT auszuwerten. Auch in der Versorgungsforschung kommt maschinelles Lernen zum Einsatz, wenn zum Beispiel in Abrechnungsdaten Muster identifiziert werden, die sowohl auf Bevölkerungsebene helfen, die Qualität von Gesundheitsdiensten zu verbessern, als auch auf individueller Ebene zukünftige Gesundheitsprobleme vorhersagen und vorbeugen können.

KI ist jedoch auch ein kontroverses Thema, und es gibt Bedenken hinsichtlich der möglichen Auswirkungen auf Sicherheit der Erkrankten und ihre Privatsphäre. Das Zi ist sich dessen bewusst, entwickelt KI-Methoden verantwortungsvoll und setzt sie zum Nutzen von Patient innen und Ärzt innen ein.

Am Zi haben wir Expertise und technische Voraussetzungen geschaffen, um KI-Methoden anwenden und beurteilen zu können. Wir unterstützen das KV-System und die Öffentlichkeit bei der Transformation, die der KI-Fortschritt für das Gesundheitssystem bedeutet. Wichtige Themenfelder sind hier für uns die tagesaktuelle Auswertung und Prädiktion von akuten Beschwerdebildern in der Bevölkerung (116 117), die Vorhersage von speziellen Versorgungsbedarfen (z.B. für Menschen mit Vorformen der Demenz), die Information über und Bewertung von digitalen Gesundheitsanwendungen, sowie die Optimierung von ambulanten Gesundheitsdiensten hinsichtlich der Morbiditätsstruktur der Bevölkerung.