Diese Seite ist für Menschen und Suchmaschinen gestaltet. Zur Version für KI-Systeme (LLM) →

· Science Digest · 5 Min. · Von Dr. Katharina Loboiko [Qualitätssicherung: G. Rogge]

KI-analysierte Patientendaten: Potenziale und Risiken im Fokus

Die Möglichkeit, Patientendaten schneller und effektiver zu nutzen, klingt vielversprechend. Doch was sagen Experten zu den Herausforderungen beim Einsatz von KI im Gesundheitswesen?

Effizientere Gesundheitsversorgung durch Analyse von Patientendaten mit Künstlicher Intelligenz

Künstliche Intelligenz (KI) beschreibt Systeme, die trainiert werden können, um komplexe Aufgaben auszuführen [1]. KI-basierte Anwendungen zur Analyse von Patientendaten finden in verschiedenen Bereichen des Gesundheitswesens Anwendung. In der Diagnostik unterstützen sie beispielsweise Ärztinnen und Ärzte, indem sie Röntgen-, CT- oder MRT-Bilder analysieren [2, 3]. In der Arzneimittelentwicklung beschleunigt KI die Analyse potenzieller Wirkstoffe erheblich [4]. Ihr zentraler Vorteil liegt in der Fähigkeit, enorme Datenmengen schnell zu verarbeiten.

Neher, Petersson und Nygren et al. (2023) untersuchen den Einsatz von KI sowohl in der Verwaltung der regionalen Primärversorgung als auch in der klinischen Praxis und fassen die bisherigen Erfahrungen schwedischer Experten zusammen [5].

Befragung von Führungskräften zu KI-gestützten Anwendungen

In der qualitativen Studie aus Schweden wurden 26 Führungskräfte aus Bezirksverwaltungen mit einem Hintergrund im Gesundheitswesen befragt. Die Teilnehmer verfügten über eine Expertise im Bereich KI und praktische Erfahrungen in der Implementierung von Innovationen.

In Schweden übernehmen die Bezirksverwaltungen eine zentrale Rolle in der Gesundheitsversorgung und finanzieren sowie verwalten die stationäre und ambulante Primärversorgung. Die eingeschlossenen Bezirksverwaltungen haben in den letzten Jahren Investitionen in die Entwicklung von Kapazitäten für die Analyse von Gesundheitsdaten getätigt.

KI: Schlüsseltechnologie für die Analyse großer Datenmengen

Befragte Experten sehen den Einsatz von KI für die Analyse von Gesundheitsdaten als unverzichtbar, um den wachsenden gesellschaftlichen Bedarf an Gesundheitsversorgung zu decken. Aus den Interviews wurde deutlich, dass, KI-Anwendungen in vielerlei Hinsicht einen Mehrwert bieten. Sie unterstützen Ärztinnen und Ärzte bei der Verwaltung von Patientendaten und der Vorbereitung auf Patientengespräche. Sie beschleunigen Diagnosen durch die Analyse klinischer Daten. Laut den Experten finden KI-Anwendungen in der klinischen Praxis besonders in der Radiologie, Pathologie, Labormedizin und Dermatologie Anwendung. Darüber hinaus ermöglicht KI-gestützte Datenverwaltung die qualitativ hochwertige Analyse regionaler Gesundheitsdaten und aggregierter Informationen aus verschiedenen Einrichtungen, was die Entscheidungsfindung auf regionaler Ebene erheblich unterstützt [5].

Herausforderungen bei der Implementierung von KI-Anwendungen

Die flächendeckende Implementierung von KI-Anwendungen steht vor mehreren Herausforderungen. Die schwedischen Experten berichten, dass die Validität von KI-gestützten Empfehlungen schwer überprüfbar ist und die Entscheidungsprozesse vieler Systeme intransparent blieben. Ein weiterer zentraler Punkt sei die Datensicherheit. Hier kritisieren die Experten, dass High-Tech-Unternehmen oft nicht alle erforderlichen Sicherheits- und Qualitätsstandards einhielten. Zusätzlich fehlten klare Richtlinien, um die Qualität und Eignung von KI-Anwendungen zuverlässig bewerten zu können. Nicht zuletzt stellt die Einschätzung der Kosten, die mit einer flächendeckenden Implementierung von KI-Anwendungen einhergehen, für die befragten Experten eine erhebliche Herausforderung dar [5].

Fazit

Der Erfolg bei der Umsetzung von Innovationen hängt maßgeblich von der Wahrnehmung der Führungskräfte ab [6]. Die hier vorgestellte Studie aus Schweden zeigt, dass Führungskräfte im Bereich KI-Anwendungen vor allem zwei zentrale Bedürfnisse haben: gezielte Informationen zur Bewertung von KI-Anwendungen und mehr Transparenz der Anbieter bezüglich Sicherheits- und Qualitätsstandards. Sie verdeutlicht damit den dringenden Informationsbedarf von Führungskräften im Kontext von KI im Gesundheitswesen.

Quellen

  1. Bohr A, Memarzadeh K et al. Artificial Intelligence in Healthcare. 1st ed. Cambridge: Academic Press; 2020.
  2. Secinaro S, Calandra D, Secinaro A, Muthurangu V, Biancone P. The role of artificial intelligence in healthcare: a structured literature review. BMC Medical Informatics and Decision Making. 2021. DOI: 10.1186/s12911-021-01488-9
  3. Xu Y, Jiang Z, Ting DSW, Kow AWC, Bello F, Car J, Tham YC, Wong TY. Medical education and physician training in the era of artificial intelligence. Singapore Med J. 2024 Mar 1;65(3):159-166. doi: 10.4103/singaporemedj.SMJ-2023-203. Epub 2024 Mar 26. PMID: 38527300; PMCID: PMC11060639.
  4. Agrawal, P. J. J. P. (2018). Artificial intelligence in drug discovery and development. Journal of Pharmacovigilance, 6(2), 1000e173.
  5. Neher M, Petersson L, Nygren JM, Svedberg P, Larsson I, Nilsen P. Innovation in healthcare: leadership perceptions about the innovation characteristics of artificial intelligence-a qualitative interview study with healthcare leaders in Sweden. Implement Sci Commun. 2023 Jul 18;4(1):81. doi: 10.1186/s43058-023-00458-8. PMID: 37464420; PMCID: PMC10354990.
  6. Reichenpfader U, Carlfjord S, Nilsen P. Leadership in evidence-based practice: a systematic review. Leadersh Health Serv (Bradf Engl). 2015;28(4):298-316. doi: 10.1108/LHS-08-2014-0061. PMID: 26388219.

Lesen Sie auch:Eine Frage der Corporate Digital Responsibility – Algorithmen in der Diagnostik verantwortungsvoll einsetzen

Verwandte Artikel

Verwandte Artikel