[object Object]

Artikel

Welche Rolle spielen die Qualität und Quantität von Daten für den KI-Erfolg?

Von Jan Beger, Director Application Services, Healthcare Digital, GE Healthcare

Täglich lesen wir neue Schlagzeilen über den Aufstieg der Künstlichen Intelligenz (KI). Diese sind aufregend und inspirierend. Stehen wir bereits kurz vor der Rettung unserer unter Druck gesetzten Gesundheitssysteme? Im Hintergrund aller Nachrichten und wissenschaftlichen Artikel schreiten die überzeugenden Ideen und Theorien zur Entwicklung eines marktreifen Helden langsam voran.

Der Erfolg der KI hängt vollkommen von der Größe und Qualität der annotierten Datensätze ab. Gruppen, die klinische Forschung betreiben oder Algorithmen entwickeln, benötigen Zugang zu Bilddaten zu Schulungs- und Validierungszwecken. Sie suchen nach sehr konkreten Fällen aus der Praxis, über die von Experten ihres Fachgebiets berichtet wurde, um einen Computeralgorithmus zu „lehren“, damit er den Unterschied zwischen gesundem und krankem Gewebe oder Organen erkennt. Nehmen wir das Beispiel der Algorithmen zur Erkennung und Klassifizierung von Lungenknoten. Anstatt die Entwickler in Millionen von zufälligen Röntgenaufnahmen oder Scans der Brust zu ertränken, sollten wir ihnen spezifischere Datensätze zur Verfügung stellen, wie z.B. „Nichtraucher-Männer, bei denen Lungenkrebs unter 40 Jahren diagnostiziert wurde“ Die Gewinnung der relevanten Daten beschleunigt das Potenzial der KI.

Der Zugang zu sauberen und unterschiedlichen Daten bringt medizinischen Wandel

Das Gesundheitswesen ist ein Experte in der Datenerstellung. Krankenhäuser speichern Hunderte von Millionen digitaler Bilder, und seit CT und MRT als Diagnosewerkzeuge im Mittelpunkt stehen und Aufnahmen immer dünnerer Körperschichten erzeugen, nimmt das Datenvolumen exponentiell zu. Die Nutzung dieser Daten zur Gewinnung von Erkenntnissen für die Gesundheitsversorgung funktioniert jedoch weniger gut.

Die Lösung wäre eine bessere Organisation von unterschiedlichen Daten, denn die Verwaltung von Daten im Gesundheitswesen wird immer wichtiger. Wir sollten in Betracht ziehen, Befunde zu speichern und demographische Daten bestimmten Datenbankfeldern zuzuordnen, damit die Daten auf einfachem Wege abgerufen und segmentiert werden können. So könnte die Suche und Gewinnung von Daten nach Patientenpopulationen oder nach Diagnosetypen durchgeführt werden. Das würde den Ärzten in den Krankenhäusern heute helfen und zukünftige Innovationen fördern.

Ein herstellerunabhängiges Archiv (Vendor Neutral Archive, VNA) kann dabei sinnvoll sein. Es enthält medizinische Bilder und Dateien von klinischer Relevanz aus dem gesamten Gesundheitsunternehmen – Daten aus unterschiedlichen Systemen und verschiedenen Fachgebieten unter Verwendung internationaler Standards wie DICOM. Der Zugriff erfolgt über eine einzige Standardschnittstelle und ermöglicht die Vereinheitlichung der klinischen „-ologien“ für ein vollständiges Bild der Patientendaten.

Interoperabilität: eine Brücke zur KI

Die Schaffung einer interoperablen Brücke zwischen der Datenerfassung aus verschiedenen Quellen und deren Organisation und das Voranschreiten der KI wird eine neue Dimension für das moderne Gesundheitswesen eröffnen. Der Druck auf die Fachkräfte und die wachsende Zahl von Patienten mit komplexen Erkrankungen werden anhalten. Die Datenmengen, die wir heute sehen, sind nur ein Bruchteil der in den kommenden fünf Jahren zu erwartenden Datenmenge. Durch eine bessere Verwaltung der Patientendaten und die Verwendung von Analysen können wir dem Gesundheitswesen mehr Kontrolle über Abläufe und Ergebnisse verleihen.

Möchten Sie mehr über KI erfahren?

Sehen Sie sich unser Webinar Embrace AI, don’t fear it! an.

Während der Live-Diskussion beantworten unsere Meinungsführer Schlüsselfragen zu Analytik und künstlicher Intelligenz:

  • Was ist der aktuelle Stand bei KI, verglichen mit dem Hype?
  • Wie und wo wird sich KI am meisten auf das Gesundheitswesen auswirken?
  • Wie stellen wir sicher, dass der Einsatz von KI ein Erfolg wird?
Jetzt ansehen