Für Eilige: Zusammenfassung des FAS-Artikels „Da hilft nur noch Kollege Computer“
In der Frankfurter Allgemeinen Sonntagszeitung vom 08. April wird im Artikel „Da hilft nur noch Kollege Computer“ von Michael Brendler darüber informiert, wie sinnvoll der Einsatz von intelligenten Systemen zur Befundung ist. Beim Lesen des Artikels fällt auf, wie der Autor die komplexen Zusammenhänge in der Industrie und der Technologie für Jedermann verständlich einfängt.
Michael Brendler beschreibt, wie Dermatologen viele Melanome übersehen: Jährlich sterben daran 3000 Deutsche.
Einen Durchbruch auf dem Gebiet machte vor Kurzem Sebastian Thrun von der Stanford University, Gründer von Google X, mit einer Software zur Detektion von Hautkrebs. Diese Software wurde mit einer Trainingsdatenbank von 130.000 Fällen trainiert, sodass sie eine geringere Fehlerquote als Radiologen erreichte.
Wenn es um das Aufspüren von Krankheiten geht, so Brendler, scheint Software Ärzten überlegen, vor allem Röntgenärzte könnten durch die Software ihr Hauptgeschäft verlieren. Auch in der Mammographe sei künstliche Intelligenz Radiologen überlegen.
Im FAZ-Artikel beschreibt Brendler ebenfalls, wie mithilfe von Machine Learning Verfahren der Schachcomputer entwickelt wurde, der den Weltmeister Kasparow besiegt. Vor kurzem wurde auch der amtierende Go-Weltmeister von einem Deep Learning Algorithmus geschlagen.
Auch das Thema der Zertifizierung wird im Artikel nicht ignoriert. Auch wenn nicht weiter auf die CE-Zertifizierung als Medizinprodukt am deutschen Markt eingegangen wird, so doch auf die US-amerikanische Zulassung der FDA, die in ihren Anforderungen, vielen Richtlinien anderer Länder zur Zulassung von Medizinprodukten ähnelt. Die Tatsache, dass die FDA eine Software zur Messung des Herzvolumens und der Erstellung von Diagnosen zugelassen habe, sei ein wichtiger Moment in der Entwicklung des Feldes gewesen.
Geoffrey Hinton, KI-Pionier habe 2017 in einem Interview mit dem New Yorker gefordert, man solle aufhören, weiter Röntgenärzte auszubilden.
Es wird ebenfalls Andreas Boss erwähnt, der am UK Zürich mit Google Tenserflow Deep Learning Anwendungen zur Detektion von Mamma-Karzinomen entwickle. Boss arbeite ebenfalls daran, dass der Algorithmus seine Entscheidungen begründen kann.
Deep Learning funktioniere wie das Lernen das Menschen: Bilder von Hunden bspw. Werden dem Algorithmus so oft gezeigt, bis dieser weiß, ab einem bestimmten Punkt weiß, wie ein Hund aussieht
IBM Watson arbeite an Software zur Analyse von Krankengeschichten bzw. Krankenakten.
Laut Michael Forsting vom UK Essen würde die Analyse von MRTs und CTs die Stärken von Deep Learning noch früher zeigen. Die Radiologie sei komplett digitalisiert und biete eine gute Datengrundlage für computerunterstützte Analyse. Forsting nutze Deep Learning um die Bildung von Metastasen anhand des Karzinoms zu prognostizieren.
Daraufhin stellt Brendler fest, dass die jährlich wachsende Anzahl an Bilddaten Radiologen vor eine Herausforderung stelle, sodass sie intelligente Software in Zukunft dringlich benötigen könnten.
Die Fehlerrate der Radiologen steige bei langer Arbeit, während Software konstant gut bleibt.
Horst Hahn, von Fraunhofer MEVIS beschreibt im Artikel von Herrn Brendler einen Fall, in dem eine Software mit falschen Parametern auf das Erkennen von Pleuraergüssen trainiert wurde. Die Fragen nach Kausalität stellt Computer weiterhin vor eine Probe.
Software müsse verstehen können, wenn Organe bei Menschen z.B. unterschiedlicher Herkunft anders aussehen. Der MEVIS-Algorithmus ist dazu mittlerweile in der Lage.
Trotzdem sei die Zusammenarbeit von Mensch und Maschine ist am fruchtbarsten, so Brendler. Auch rechtlich muss immer ein Arzt am Ende die Diagnose stellen. KI könnte die Fließbandarbeit übernehmen, sodass der Arzt nicht ersetzt sondern seine Leistungen verbessert werden.
Für FUSE-AI war erstaunlich, wie sehr sich der Artikel mit unserer eigenen Argumentation deckt. Ebenfalls interessant war, dass Herr Brendler mit Pionieren aus dem Feld gesprochen hat, mit denen auch wir in Kontakt stehen. Sie können sich den Artikel, der einen sehr detaillierten und doch verständlichen Einblick in unser Feld gibt, hier anzeigen lassen.