KI in der Kardiologie – darauf achten, nicht den Anschluss zu verlieren

Künstliche Intelligenz wird in der Medizin eine immer größere Rolle spielen. Nicht nur in der Diagnostik und Therapie, sondern auch bei organisatorischen Abläufen in Krankenhäusern. Wo liegen die Chancen, was sind die Risiken? Wir sprachen mit Univ.-Prof. Dr. Ulrike Attenberger, der neuen Leiterin der Wiener Universitätsklinik für Radiologie und Nuklearmedizin, die sich intensiv mit dem Thema beschäftigt.

Frau Prof. Attenberger, wie hat sich das Feld der künstlichen Intelligenz in der Medizin in letzter Zeit entwickelt?

U. Attenberger: Man muss zwischen zwei großen Themenbereichen unterscheiden. Zum einen gibt es das Thema Effizienzen steigern und Workflows verbessern. Hier besteht unter anderem die Zielsetzung, den vor der Tür stehenden und zum Teil bereits Realität gewordenen Fachkräftemangel zu kompensieren und die Gesundheitsversorgung auf hohem Niveau aufrechtzuerhalten. Zum anderen gibt es mein Fachgebiet, die Radiologie. Es stellt sich immer die Frage, wie man noch genauer diagnostizieren kann. KI, wie wir sie seit mehr als zehn Jahren kennen und mit Begriffen wie „machine learning“ oder „deep learning“ in Verbindung bringen, bietet dabei neue Möglichkeiten. Wir können aus den Bilddaten Informationen ableiten, die das menschliche Auge nicht sehen kann, und können so besser diagnostizieren und Erkrankungen einordnen.

Spielt der KI-Einsatz in der Radiologie bereits eine relevante Rolle?

U. Attenberger: In der Forschung, auf einem universitären Niveau funktioniert das schon recht gut. Bilddaten liegen seit Jahrzehnten in digitaler Form vor,damit stehen Daten in der erforderlichen Form zur Verfügung, um KI überhaupt trainieren zu können. Wenn es um die Optimierung des Workflows in Krankenhäusern – Stichwort „patient journey“ – geht, schaut es dagegen in der digitalen Vorhaltung der Daten schlecht aus. Wir sehen in Bezug auf den Workflow noch zu viele analoge/digitale Schnittsellen. Gleichzeitig kann ohne digitale Daten keine KI trainiert werden.

Was wäre denn das Potenzial einer solchen Verbesserung der Abläufe?

U. Attenberger: Es gab vor einiger Zeit eine große Untersuchung von PricewaterhouseCoopers, die gezeigt hat, dass in Deutschland im Jahr 2022 über 300000 Fachkräfte im medizinischen Bereich gefehlt haben und dass es bis 2035 mehr als 1,8 Millionen sein werden. Gleichzeitig verbringen im Gesundheitsbereich tätige Personen bis zu 25% ihrer Arbeitszeit mit administrativen Tätigkeiten. Hier könnte die Digitalisierung helfen, administrative Zeit einzusparen, Zeit, die dann für die direkte Arzt-Patienten- bzw. Pflege-Patienten-Beziehung zur Verfügung steht.Durch digitale Daten hätte man auch jederzeit alle wesentlichen Informationen zur Hand und wenn ein Notfall eingeliefert wird, haben die behandelnden Ärzte alle Patientendaten jederzeit verfügbar. Österreich hat hier mit der digitalen Patientenaktie schon vor Jahren einen wesentlichen Grundstein gelegt. Digitalisierung ist nicht nur die Grundlage, um KI zu trainieren, sondern auch die Voraussetzung für einen lückenlosen Informationsfluss im Gesundheitswesen. Das wäre die optimierte Ausgangsbasis für eine zielgerichtetere Patientenversorgung.

Zum Beispiel?

U. Attenberger: Zum Beispiel, wenn Sie den Patienten fragen müssen, welche Medikamente er nimmt, und er das aufgrund seines Alters oder seines Zustandes nicht beantworten kann. Oder, gerade in der Radiologie, wenn Sie sich mit dem Hausarzt oder sonstigen zuweisenden Ärzten in Verbindung setzen müssen, weil wesentliche Informationen, die für eine sinngerichtete Durchführung der Untersuchung erforderlich sind, fehlen. Wenn diese Daten vorhanden und leicht verfügbar sind, haben wir eine vernünftige Ausgangsbasis. Ein weiteres Thema ist die Ressourcenplanung, also die Frage, wie wir vernünftig unsere Großgeräte auslasten können. Hier geht es um eine vorausschauende Bedarfsplanung basierend auf Kapazität und zugewiesenen Patienten. Das sind einfache Gegenrechnungen, aber dafür benötigt es digitale Daten des Bedarfs und der Kapazitäten.

Und wie weit sind wir von einer zufriedenstellenden Situation entfernt?

U. Attenberger: Das ist schwierig zu messen. Ich bin erst seit wenigen Monaten in Österreich. Für Deutschland kann ich sagen, dass wir noch ganz schön weit entfernt sind und dass das Thema derzeit von der Bundesärztekammer mit Priorität behandelt wird. Thema KI in der Medizin in Deutschland ist auch ein Schwerpunktthema der aktuellen Wahlperiode der Bundesärztekammer.Auch in Österreich sehe ich noch sehr viele papierbasierte Prozesse.

Gibt es in Österreich den Willen, das in die Wege zu leiten?

U. Attenberger: Meiner Ansicht nach ja. Ich sehe überall intensive Beschäftigung mit dem Thema – sowohl seitens der Stadt Wien als auch seitens der Medizinischen Universität Wien und der Universität Wien.

Zum Einsatzbereich von KI, zum Zweck der Datenverarbeitung in der Radiologie. Wo stehen wir da – insbesondere mit Blick auf die Kardiologie?

U. Attenberger: Für die Untersuchung von kardiologischen Patienten steht eine Reihe bildgebender Verfahren zur Verfügung, vom Thoraxröntgen über den Herzultraschall bis hin zu Computertomografie und Magnetresonanztomografie. So können wir in der MRT sehr gut die Herzfunktion messen, Myokarditiden darstellen und aus den Bildern auch prädiktive Marker ableiten wie bspw. die Regenerationswahrscheinlichkeit einer Läsion. Die Forschung geht in Richtung bildbasierter Biomarker.

Und wo stehen wir da?

U. Attenberger: In der Myokarditisdiagnostik hat die hat quantitatives MRT-Mapping Eingang in die reformierten Lake Louise Kriterien gefunden bereits vor einigen Jahren Eingang in die reformierten Lake-Louise-Kriterien gefunden.

Spielt KI dabei bereits eine Rolle?

U. Attenberger: Das Herz ist für die Bildgebung kein einfaches Organ, weil es sich permanent bewegt –nicht nur für die MRT-Bilddatenakquisition macht es das schwerer. Dass KI ein brandaktuelles Thema ist, sieht man gut an der großen Zahl der Resultate zu diesem Themenkomplex in einer PubMed-Recherche. Das Bonner kardiale Bildgebungsteam forscht zum Beispiel unter anderem daran, mathematisch zu berechnen, welche Position der Herzmuskel zu welchem Zeitpunkt im Verlauf des Herzzyklus hat. Sinn der Sache ist, Artefakte aus der Bildgebung herauszurechnen und die KI auf breiterer Basis in die bildgebende Diagnostik einzuführen.

Wie klappt die Zusammenarbeit zwischen den Klinikern und den KI-Experten in der Entwicklung und in der Praxis? Versteht man einander?

U. Attenberger: Schon in meiner Zeit in Deutschland war ich an einem Projekt mit der Universität Wien beteiligt, in dessen Rahmen sich ausgewählte „rising stars“ aus dem Imaging-Bereich und dem KI-Bereich treffen und einmal für eine Woche intensiv zusammenarbeiten und Ideen austauschen. Dabei ging es darum, dass man lernt, die Sprache der jeweilig anderen Disziplin zu verstehen – in diesem Fall Imaging und Computer Vision. Ärztinnen und Ärzte müssen die Chancen, aber auch die Limitationen der Methoden verstehen lernen. Verfolgt man, wie komplex die Kommunikation bereits zwischen unterschiedlichen medizinischen Fachrichtungen manchmal ist, wird klar, dass man da noch einen langen Weg zu gehen hat,um diese transdisziplinäre Kommunikation zwischen Medizin und Computer Vision zu etablieren.

Woher kommen eigentlich die KI-Leute?

U. Attenberger: Die meisten kommen aus der Mathematik bzw. Informatik, manche haben Physik studiert.

Gibt es bereits Routineanwendungen von KI?

U. Attenberger: KI ist ja nicht gleich KI. Es gibt beispielsweise seit Jahren KI-Algorithmen in der Bilddatenakquisition. Das läuft im Hintergrund und beschleunigt die Prozesse. Aber es gibt auch die Bilddatenanalyse und seit relativ kurzer Zeit auch die „large language models“, also die strukturierte Texterkennung.

Ist das nicht problematisch, wenn Entscheidungen in einer „black box“ getroffen werden, die der Anwender gar nicht versteht?

U. Attenberger: Es gibt ethische, gesetzliche und datenschutzrechtliche Rahmenbedingungen, die eingehalten werden müssen. Derzeit ist der Arzt der Letztentscheider, der den Vorschlag der KI interpretieren muss. Diese Fragestellung wird mit selbstlernender KI immer komplexer. Ob irgendwann die Kontrolle über den Algorithmus verloren geht, weil die KI sich verselbstständigt, ist schwer beantwortbar. Es ist also noch nicht absehbar, wohin sich das Thema entwickelt. Derzeit entschärft man diese Frage durch die ärztliche Letztentscheidung und KI ist nur ein Tool. Wohin es gehen wird, muss sich erst zeigen.

Was erwarten Sie sich von der näheren Zukunft?

U. Attenberger: Ich wünsche mir einen deutlich höheren Digitalisierungsgrad und im Sinne der Patient:innen einen effizienteren Workflow in der Versorgung und eine Erleichterung der administrativen Prozesse, damit Ärztinnen und Ärzte sowie Pflegekräfte wieder mehr Zeit für die ärztliche bzw. pflegerische Arbeit finden. Quer durch die Gesellschaft, also auch in den Fachverbänden und in der Politik, sollte sich die Einsicht durchsetzen, dass Europa jetzt achtgeben muss, dass wir nicht den Anschluss verlieren. Die USA sind beispielsweise bei digitalen Workflows deutlich weiter. Und Digitalisierung ist die Grundvoraussetzung für jegliche weitere KI-Anwendung. Der AIAct der EU ist ein Schritt in die richtige Richtung, weil er zeigt, dass Europa ein gemeinsames Vorgehen zu diesem Thema finden muss.