L2: Bewertung von KI in der Krebszellendiagnostik

Bei der Diagnose von Krebs werden heutzutage verschiedene medizinische Verfahren eingesetzt. Bei einer Biopsie werden Proben von Geweben oder Zellen genommen und zur weiteren Untersuchung eingereicht. Im Labor können verschiedene Flüssigkeiten untersucht werden. Hilfreich sind auch bildgebende Verfahren. Dazu gehören das Röntgen, die Magnetresonanztomographie (kurz: MRT), die Computertomographie (kurz: CT), die Positronen-Emission-Tomografie (kurz: PET), die Szintigrafie oder auch die Ultraschalluntersuchung.

Bei der Anwendung von solchen Verfahren ist die Auswertung der erzeugten Bilder von entscheidender Bedeutung für die Diagnose, die bisweilen von ärztlichem Fachpersonal vorgenommen wird. KI-Systeme können an dieser Stelle ebenfalls genutzt werden. 

Rathmes und Krauthammer (2021) fassen in ihrer Veröffentlichung die Chancen und Risiken der Nutzung von KI-Systemen zusammen:

Sie betonen, dass gerade im Bereich des Deep Learnings[1] eine große Chance für die medizinische Nutzung von KI-Systemen besteht. Die große und stetig wachsende Menge verfügbarer Daten, mit denen die Vorhersagealgorithmen trainiert werden, können zu einer Verbesserung der Mustererkennung in Bildern führen. Zukünftig geht man davon aus, dass KI-Systeme effizienter und genauer in der Diagnose sein können. Die verfügbare Datenvielfalt übersteigt zudem jeden Erfahrungsschatz, den ein Mediziner oder eine Medizinerin in ihrem Berufsleben je erlangen kann. In dem Artikel wird angemerkt, dass die KI-Systeme eine Diagnose nicht ohne ärztliche Aufsicht treffen müssen. Sie könnten assistieren, indem sie den Ärztinnen und Ärzten Hinweise geben und damit Diagnosen präziser machen. Zudem kann der Einsatz von KI-Systemen weniger erfahrene oder fachfremde Personen befähigen, auch komplizierte Diagnosen zu treffen. Des Weiteren ist die Leistungsfähigkeit von KI-Systemen konstant und Ermüdungserscheinungen werden nicht auftreten. Sie können dem ärztlichen Personal alltägliche Routinen abnehmen, sodass sich diese auf andere Aufgaben konzentrieren können. 

Ein Nachteil, der von den Autoren gesehen wird, ist, dass KI-Systeme die menschliche Komponente bei der Konsultation eines Arztes oder einer Ärztin nicht ersetzen können, da ein vertrauensvoller und empathischer Umgang sowie Mitgefühl ebenfalls entscheidend sind. Zudem ist bei KI-Systemen die Entscheidungsfindung nicht einsichtig; die Prozesse, die die Entscheidung herbeigeführt haben, können nicht direkt nachvollzogen werden. Für eine gute Leistung von KI-Systemen ist des Weiteren der zugrundeliegende Datensatz entscheidend. Das bedeutet auch, dass Ergebnisse einseitig und fehlerhaft sein können, wenn dies bei den zugrundeliegenden Daten bereits der Fall ist. Die Autoren geben zudem zu bedenken, dass medizinische Daten sehr sensibel sind und daher der Datenschutz hohe Priorität hat.