Künstliche Intelligenz – das neue Heinzelmännchen im Operationssaal

An den Händen der Chirurgin ist kein Blut. Sie führen kein Skalpell, sondern drücken Knöpfe: Roboterarme setzen sich in Bewegung, bringen sich Millimeter genau in Position, warten auf das das nächste Signal. Die Chirurgin gibt den Befehl ein und die flinken, sterilen Roboterarme beginnen, die Wunde zuzunähen. Präzise setzen sie Stich neben Stich, während die Hände der Chirurgin ruhen. Kein Zittern. Kein Abrutschen. Chirurgische Perfektion. Heinzelmännchen im Dienst der Medizin.
_____________

_____________
Noch ist diese Szene bloss eine Phantasie. Eine technische Vision. Aber eine, die immer greifbarer wird. Dies haben Forschende der Johns Hopkins University bereits 2016 bewiesen: «Star» heisst der Operationsroboter, der an lebenden Schweinen Nähte präziser anfertigte als gestandene Chirurgen. Der Name «Star» leitet sich ab von «Smart Tissue Autonomous Robot». Und kurze Zeit später setzte der Roboter an Stücken von Schweinefleisch und -fett präzisere Schnitte als Ärzte – was bei der Entfernung von Tumoren zentral ist. Beides schaffte er halbautonom – dies im Gegensatz zu heute gebräuchlichen Operationsrobotern, wie zum Beispiel «Da Vinci», der auch in einigen Schweizer Kliniken bei Operationen eingesetzt wird. Diese müssen permanent vom Menschen kontrolliert werden.

Das Skalpell führt die Maschine

«Star» orientiert sich selbständig an Infrarot-Markierungen, welche den auszuschneidenden Bereich markieren und von Menschen als Vorgabe gesetzt werden. Die Schnitte führte der Roboter alleine durch – und das nicht mit Skalpellen sondern mittels einer heissen Elektroden-Spitze. Die Maschine reagierte dabei in Echtzeit und korrekt auf die Verformungen des Gewebes. Dabei helfen ihr KI-Algorithmen, optische und haptische Sensoren.

Dem Operationsroboter gelang dies zwar erst im Schongebiet, also unter extrem kontrollierten Bedingungen: Sobald etwa ein Blutgefäss auftauchen würde, wo keines zu erwarten wäre, wäre die Urteilsfähigkeit des Roboters gering. Doch die Forschenden der Johns Hopkins University sehen die Experimente als «proof of concept», als Beweis, dass autonome oder zumindest teilautonome Operationsroboter möglich sind.

Theoretisch könnten diese Maschinen dereinst besser sein als Menschen: sie zittern nicht, werden nicht müde, sind beweglicher – und könnten auch in extremen Situationen wie in Kriegs- oder Krisengebieten eingesetzt werden.

Doch bis dahin ist es noch ein weiter Weg: «In einer Dekade könnten gewisse häufige Prozeduren automatisiert werden», sagt der Wissenschaftler Animesh Garg, der an der Universität Toronto zu chirurgischer Automation forscht, dem Fachmagazin Nature. Auch rechnen die Experten damit, dass die autonomen Roboter kaum merklich in den Operationssälen Einzug halten werden – Schritt für Schritt werden die glattpolierten Heinzelmännchen immer mehr assistieren, die Chirurgen bei Entscheidungen unterstützen und Teilaufgaben übernehmen. Ob sie tatsächlich die Operation ganz übernehmen, ist ungewiss – und nicht zuletzt eine juristische und gesellschaftliche Frage. Wer trägt zum Beispiel die Verantwortung, wenn der Roboter einen Fehler macht? Der Hersteller, der Programmierer oder die Chirurgin, die daneben steht und die Maschine überwacht?

KI hilft bei Diagnosen

Wesentlich weiter ist der Einsatz der künstlichen Intelligenz in der Radiologie, der Dermatologie und der Pathologie – also in Disziplinen, wo bildgebende Verfahren für die Diagnose wichtig sind. Hier helfen Algorithmen bei der Auswertung von Röntgenbildern und Aufnahmen aus der Magnetresonanz- und der Computertomografie. Benutzt wird hierfür maschinelles Lernen: Algorithmen werden darauf trainiert, Abweichungen in Bildern zu erkennen. Die Maschine lernt dabei immer besser, je grösser die Datenmengen sind. Kein Wunder, kommt KI auch bei der gegenwärtigen Corona-Pandemie zum Zug: In chinesischen Spitälern analysierten Algorithmen Scans aus Computertomografen auf Anzeichen von Lungenentzündung, die mit Covid-19 in Verbindung stand.

KI erkennt schwere Covid-19-Fälle im Voraus

In einer anderen Studie sagte ein KI-Tool anhand verschiedenster Messwerte voraus, welche Patienten schwere Symptome entwickeln würden. Die Treffsicherheit betrug 80 Prozent. Hierbei überraschte die Forschenden, dass der Algorithmus nicht gängige Anzeichen wie Fieber oder bestimmte Strukturen in Lungen-Scans als zuverlässigste Kriterien ansah, sondern Kriterien wie Muskelschmerzen, Hämoglobin-Level und der Wert des Enzyms Alanin-Aminotransferase in der Leber. Genau darin liegt die Stärke von KI: Sie sieht Zusammenhänge, welche dem Menschen entgehen.

In unzähligen Experimenten wurde denn auch gezeigt, dass KI in der radiologischen Beurteilung medizinische Fachleute häufig übertrifft, sei es bei der Erkennung von Brustkrebs, Lungenentzündung oder Wirbelsäuleverletzungen. Denn: beurteilen Menschen die Röntgenbilder oder Scans aus Computer- und Magnetresonanztomografen, können die Interpretationen desgleichen Bildes von Arzt zu Arzt unterschiedlich ausfallen. Die KI hingegen urteilt immer gleich.

Pixabay/toubibe

Aus dem MRI-Scan eines Schädels liest künstliche Intelligenz möglicherweise anderes heraus als ein Arzt.

Mindestens dreissig verschiedene KI-Algorithmen hat die amerikanische Arzneimittelbehörde FDA bereits bewilligt – und monatlich kommen neue dazu. China ist besonders bestrebt, die KI in der Medizin voranzutreiben. Dort sind über 100 Firmen daran, Anwendungen zu entwickeln.

Wie zuverlässig Vergleiche zwischen Algorithmus und Mensch aber eigentlich sind, ist nicht klar. Denn britische Forschende untersuchten jüngst wie Studien, welche die Performance von KI mit Fachleuten verglichen, aufgebaut waren. Dabei ging es um deep-learning-Algorithmen: eine Art des maschinellen Lernens. Sogenannte künstliche neuronale Netze analysieren Daten, vernetzen sich dabei immer wieder neu und verbessern sich so selbständig. Die Algorithmen kamen in den untersuchten Fällen zu mindestens gleich guten Resultaten wie Fachleute. Aber: In manchen Studien hatte die KI die längeren Spiesse als die Menschen. Denn die KI-Experimente finden oft im geschützten Rahmen statt und nicht unter echten, also meist chaotischeren Bedingungen einer Klinik. Auch bekommen in den Experimenten die Fachleute oft keine zusätzlichen klinischen Befunde, wie dies in der Realität üblich ist. Zudem werden in diesen Vergleichsexperimenten die Fälle, welche die KI beurteilen muss, oft rückblickend gesammelt, was die Stichprobe verzerren könnte. Das sind nur einige der Mängel, welche viele dieser Studien aufweisen.

Ob aber Mensch und Maschine stets im Wettstreit stehen müssen, ist fraglich. Eine weiter Studie kam nämlich zum Schluss, dass die Resultate am stärksten ausfielen, wenn KI und erfahrene Ärzte zusammenarbeiteten. So wird KI denn auch von Befürwortern eher als Triage-System gesehen: Der Algorithmus führt eine Priorisierung durch und empfiehlt, was die Ärztin oder der Arzt zuerst anschauen soll.

Der Rettungsring der Pharma-Branche

Während Chirurgie und Radiologie dem Einzug von KI in ihre Fachgebiete nicht selten kritisch gegenüberstehen, wartet man in der Pharma-Branche sehnlichst darauf. Denn Medikamentenhersteller stecken seit Jahren in einer bedrohlichen Lage: Die Entwicklung neuer Medikamente wird teurer und teurer – und die Erfolge immer rarer. Die Kosten sind in astronomische Höhen geschnellt: Kostete die Entwicklung eines neuen Medikaments – einschliesslich aller Medikamente, die scheitern – im Jahr 2001 noch 800 Millionen Dollar, werden die Kosten heute auf bis zu drei Milliarden Dollar geschätzt. Ein Grund dafür ist, dass 98 Prozent aller präklinischen Projekte scheitern. Und selbst wenn neue chemische Substanzen die klinischen Phasen erreichen und am Menschen getestet werden dürfen, schaffen es über die Hälfte nicht bis ins Apothekerregal. Kurz: Die Pharma-Branche ist verzweifelt – und hofft auf KI als Rettungsring.

Und so rennen die Pharmariesen nun um die Wette: Wer schafft es zuerst, KI-Algorithmen zu entwickeln, welche nicht nur neue Substanzen finden, sondern auch die Wirkung der daraus entwickelten Medikamente zuverlässig voraussagen? Und wer schafft es zuerst, klinische Versuche über KI effizienter zu machen?

KI entwickelt erste Wirkstoffe

Einer der ersten Wirkstoffe, der von einer KI entwickelt wurde, ist «DSP-1181». Dabei handelt es sich um ein Mittel zur Bekämpfung von Zwangsstörungen. Entdeckt wurde es von KI-Systemen des Biotech-Unternehmens Exscientia und des japanischen Pharmakonzerns Sumitomo Dainippon Pharma. Nach weniger als zwölf Monaten ist das Medikament dank der KI so weit bereit, dass es in die klinischen Studien gehen kann, wie die beiden Unternehmen mitteilten. Normalerweise dauert es zwei, drei, vier Jahre, bis ein vergleichbares Medikament diesen Status erreicht. Doch: Ob das Medikament im Menschen tatsächlich die erhoffte Wirkung zeigt, welche Nebenwirkungen es hat und ob es am Ende wirklich den Markt erreicht, ist noch lange nicht klar. Die erste klinische Testphase soll dieses Jahr beginnen. Der Novartis-Forscher Derek Lowe dämpfte in einem Blogbeitrag eines Fachmagazins denn auch die Hoffnungen: Das Medikament sei nicht vollständig neu entwickelt worden und habe vor allem die klinischen Tests noch nicht hinter sich. Ob und wie das Medikament wirke und ob sich unerwartete Toxizität zeige: Dies vorauszusagen, sei die KI noch nicht im Stande.

In der Tat steht die KI in der Medikamentenforschung vor grossen Problemen – die im Grossen oder Kleinen in allen medizinischen Bereichen bestehen. Zum einen sind da die Quantität und die Qualität der Daten: Selbstlernende Algorithmen brauchen grosse Datenmengen – und die Qualität der Daten bestimmt massgeblich das Resultat. Uneinheitliche Daten, unvollständige Daten, Daten, die nicht generalisierbar sind: Alles ungelöste Probleme. Zudem tragen Daten oft Verzerrungen in sich, wenn sie zum Beispiel nur bei Männern erhoben wurden, oder nur bei Europäern. Solche Verzerrungen werden durch die KI übernommen.

Zum anderen funktionieren selbstlernende Systeme bis zu einem gewissen Grad als Black-Box – wie oder was genau sie rechnen, ist nicht klar, weil sie sich die Lösung eben selbst erarbeitet haben. Oft spucken selbstlernende Algorithmen Resultate aus, die Menschen nicht nachvollziehen können. Das heisst: Man wüsste nach einer KI-gesteuerten Entwicklung, dass ein Medikament wirkt, aber nicht, warum. Das macht es schwierig, potenzielle Fehlschlüsse der KI zu entdecken oder nachzuverfolgen.

Doch diese Mängel dämpfen die Hoffnungen der Medikamentenforscher nicht. Experten glauben, dass KI die Pharmabranche in den kommenden Jahren komplett umkrempeln wird.