Warum maschinelles Lernen für das Gesundheitssystem so wichtig ist

Maschinelles Lernen © NicoElNino/ Adobe.Stock.com

© NicoElNino/ Adobe.Stock.com

Künstliche Intelligenz ist auf dem Vormarsch, auch im Gesundheitswesen. Intelligente Assistenten gehören mittlerweile in vielen OPs zur Grundausstattung. In Japan übernehmen Pflegeroboter einen Teil der Versorgung. Prothesen und Organe sollen künftig über 3D-Drucker gefertigt werden. Während zumindest Letzteres noch wie Zukunftsmusik klingt, ist ein andere Teil der künstlichen Intelligenz längst etabliert: maschinelles Lernen. In einer alternden Gesellschaft mit wachsendem Behandlungsbedarf wird die Mustererkennung schon bald zum Standardrepertoire gehören müssen.

Maschinelle Unterstützung für Mediziner

Die weltweiten Datenmengen haben einen Umfang erreicht, der mit menschlichen Fähigkeiten nicht mehr zu bewältigen ist. Das gilt insbesondere im medizinischen Bereich. Vor allem bei der Diagnose von Krankheiten mit vielfältigen Symptomen stoßen Ärzte schnell an ihre Grenzen. Auch Langzeit-EKGs konfrontieren Mediziner mit einer Flut an Daten, die sie nur schwer überblicken können. Gleiches gilt im Labor: Die Auswertung von Blutbildern beispielsweise ist komplex, zeitaufwändig und fehleranfällig. Die Gefahr, wichtige Informationsbausteine zu übersehen wächst, weil immer mehr Analysen von immer weniger Personal durchgeführt werden müssen. IT-Lösungen zur Mustererkennung haben hier vielerorts längst Einzug gehalten.

Wie funktioniert maschinelles Lernen?

Was aber genau ist maschinelles Lernen? Maschinelles Lernen gehört zur künstlichen Intelligenz und ist damit ein wichtiges Teilgebiet des Wissensmanagements. Maschinell lernende IT-Systeme finden dabei bereits bekannte Muster in neuen Daten. Es handelt sich folglich um Software-Lösungen, die

  • verschiedene Symptome einem Krankheitsbild zuordnen können,
  • in Röntgen-, Ultraschall- oder CT-Aufnahmen Tumore identifizieren oder
  • aus dem Zusammenspiel verschiedener Blutwerte eine mögliche Diagnose ableiten.

Das heißt, die IT-Programme kennen die (Krankheits-)Muster und durchforsten bestehende oder neue Datensätze auf der Suche nach eben diesen Mustern.

Was ist Data Mining?

Data Mining wird oft synonym verwendet. Allerdings verfolgt diese Methode ein anderes Vorgehen als das maschinelle Lernen. Beim Data Mining findet die Software in bereits bestehenden Daten neue Muster. Das ist beispielsweise für die Erforschung von Krankheiten, ihrer Ursachen und Entstehung essenziell.

Warum ist maschinelles Lernen so wichtig?

In unserer alternden Gesellschaft gewinnt die präventive Medizin zunehmend an Bedeutung. Es gilt, vorbeugend tätig zu werden und Krankheiten zu erkennen, noch bevor sie tatsächlich ausbrechen. Maschinelles Lernen kann helfen, Indikatoren für mögliche Krankheiten präventiv zu identifizieren und sie somit zu verhindern. Nur so wird es möglich, dem wachsenden Versorgungsbedarf in der Gesellschaft gerecht zu werden und schweren beziehungsweise multimorbiden Erkrankungen zuvor zu kommen. Die Grundlage dafür sind digitale Daten und deren systematische Auswertung. Stichwort: Big Data. Denn der Mensch allein kann solche Analysen schlichtweg nicht verarbeiten. Angesichts des zunehmenden Personalmangels ist die Medizin auf technische Unterstützung angewiesen. Maschinelles Lernen sollte daher ein wichtiger Bestandteil in der Wissensmanagement-Strategie von Kliniken werden.

nl/KWM
Bildquelle: © NicoElNino/ Adobe.Stock.com

 

Hinterlassen Sie einen Kommentar