Künstliche Intelligenz

Computer stellen die Diagnose

Moderne Systeme können heute schon Krankheiten wie Krebs erkennen. Regensburger Forscher wollen sie besser machen als Ärzte.

Christoph Palm bringt Computern das Sehen bei. Die Maschinen sollen lernen, Krankheiten beim Menschen frühzeitig zu erkennen. Ihr Lehrer will ihnen dafür einen Adlerblick antrainieren: schnell, scharf, treffsicher. Sie sollen sogar Krebs diagnostizieren können. Seine Maschinen sollen besser werden als jeder Arzt.

Christoph Palm ist kein Lehrer im klassischen Sinne. Er ist Professor für Medizinische Bildverarbeitung an der Ostbayerischen Technischen Hochschule (OTH) Regensburg und leitet das Informatiklabor ReMIC, Regensburg Medical Image Computing. Derzeit tüftelt er an Computerprogrammen zur Diagnose von Speiseröhrenkrebs. Die Systeme sollen die Krankheit eigenständig erkennen können. „Technisch nähern wir uns jetzt schon der Qualität, die ein Arzt liefern kann.“

Technisch nähern wir uns jetzt schon der Qualität, die ein Arzt liefern kann.“ ​Christoph Palm, Professor für Medizinische Bildverarbeitung an der OTH Regensburg

In der Lernphase, dem Sehtraining, legt er den Computern Bilder von der Innenwand von Speiseröhren vor, die mit einer Endoskopie, also einer Untersuchung menschlicher Organe mit einer kleinen Kamera, gewonnen wurden. Es sind Bilder von gesunden Speiseröhren und solchen, die Anzeichen einer Krebserkrankung zeigen. Die Aufnahmen werden vorab jeweils einer Kategorie zugeordnet: gesund oder krank. Sie sind das Datenmaterial, aus dem die Computer lernen. Die Methode bezeichnen Fachleute als Deep Learning: ein maschineller Lernprozess mit Mitteln der künstlichen Intelligenz. Je mehr Bilder Christoph Palm seinen Maschinen beim Training vorlegt, desto präziser wird später deren Diagnose sein.

Maschine sagt: gesund oder krank

Dass Bilder von Krankheiten automatisch oder semi-automatisch analysiert werden, ist nichts Neues. Medizininfomatik-Labore arbeiten seit Langem mit solchen Methoden. Neu ist, dass die Maschinen lernfähig sind und dass sie Bilder als Ganzes erfassen können. Ein Arzt müsste endoskopische Aufnahmen am Ende nur noch durch den Computer jagen und der stellt eigenständig fest: gesund oder krank. Die Maschine wird zum Ratgeber des Arztes. Das zumindest ist die Vision von Forschern wie Christoph Palm. Seine Maschinen mit dem Adlerblick sind heute allerdings noch auf das Versuchslabor beschränkt. In den Praxis-Einsatz gibt der Lehrer sie noch nicht.

Ki Serie Bildererkennung U Big Data 10
Christoph Palm hat eine Vision: Seine Maschinen werden zum Ratgeber des Arztes. Foto: privat

Palm ist von der Leistung seiner Schüler überzeugt. Das war nicht immer so. Vor zehn Jahren hätte er noch gesagt, es sei das höchste der Gefühle, wenn eine Maschine so gut wird wie ein Arzt. „Heute sage ich: So gut wie ein Arzt es macht, das wird künftig unsere untere Messlatte.“ Die Fehlerrate der Deep-Learning-Systeme sei innerhalb von fünf Jahren rapide gesunken. Die sogenannte ImageNet Challenge, ein Wettbewerb zur Bildersuche im nicht-medizinischen Bereich, gilt unter Fachleuten als wichtiger Indikator des technischen Fortschritts. 2012 lag die Fehlerrate bei dem Wettbewerb noch bei 28 Prozent. Heute sind die Programme bis auf drei Prozent Abweichung genau. Diese rasante Entwicklung hat bei Palm zu einem Wandel geführt: Er ist vom Skeptiker zum Befürworter geworden. Heute arbeitet er daran, diese Erfolge auf den medizinischen Bereich zu übertragen.

Die Sehschwäche im Alter erforschen

Hochmoderne Technologie kommt nicht nur bei der Diagnose von Speiseröhrenkrebs zum Einsatz. Regensburger Wissenschaftler nutzen sie auch, um die Sehschwäche im Alter, die altersbedingte Makuladegeneration (AMD), zu erforschen. Als Makula wird die Stelle des schärfsten Sehens bezeichnet. Dieser Punkt im Auge ist bei der AMD chronisch geschädigt, was bei Menschen über 65 Jahren bis zur Erblindung führen kann. Obwohl weite Teile der Bevölkerung an der AMD leiden, wussten Mediziner bislang nur wenig über die Krankheit.

Genau hier setzt das Team um Professor Iris Heid am Universitätsklinikum Regensburg an. Die Forscher wollen herausfinden, wie AMD entsteht. Iris Heid, Professorin für Genetische Epidemiologie, vermutet die Ursache in den Erbanlagen. Sie durchforstet die Gene – und macht sich dabei Computertechnik zunutze. „Wir untersuchen das genetische Gerüst der Krankheit.“

Ki Serie Bildererkennung U Big Data 3
Iris Heid (l.) begutachtet gemeinsam mit einer Mitarbeiterin die Aufnahme einer Makula im Auge. Foto: Wolf

Dieses Gerüst ist hochkomplex. Es besteht aus Genomdaten von Abertausenden gesunden und kranken Menschen, die Heids Team miteinander vergleicht. Für ihre Studie wurden Daten von mehr als 43 000 Probanden mit und ohne AMD aus der ganzen Welt zusammengetragen. Es ist der bislang größte Datensatz zur Genetik der Sehschwäche.

Es könnte sein, dass dieses Wissen Patienten hilft, nicht blind zu werden. Das ist eine große Motivation für unsere Arbeit. Professor Iris Heid vom Universitätsklinikum Regensburg

Aus den komplexen Zahlenverhältnissen lesen die Forscher mit Hilfe ihrer Software heraus, ob bei Kranken eine bestimmte Stelle im Genom öfter vorkommt als bei Gesunden oder nicht. Auf diese Weise werden Abschnitte im Erbgut identifiziert, die für die Entstehung der Krankheit verantwortlich sein können. „Es könnte sein, dass dieses Wissen Patienten hilft, nicht blind zu werden. Das ist eine große Motivation für unsere Arbeit“, sagt Heid. Die Forscher haben tatsächlich 34 Regionen im Erbgut entdeckt, die für die AMD relevant sind – darunter 16 bislang unbekannte Bereiche.

Der Datensatz der Studie umfasst 12 Millionen genetische Varianten. Mit Hilfe der Computerprogramme können die Daten auch nach bestimmten Kategorien – Männer und Frauen, alte und junge Personen – sortiert werden. Solche riesigen Datenmengen, die zu groß oder zu komplex sind, um sie mit manuellen, herkömmlichen Methoden der Datenverarbeitung auszuwerten, bezeichnet man als Big Data. In der Medizin ist dieser Ansatz nicht auf die Erforschung der Sehschwäche beschränkt. „Es gibt fast nichts, was man sich damit nicht anschauen könnte“, sagt Heid. „Auch Krankheiten wie Diabetes oder Adipositas, aber auch die Nierenfunktion und sogar Augen- und Haarfarbe lassen sich damit untersuchen.“

Big Data ist nicht gleich Big Data

Ist Big Data also der Heilsbringer? Es gibt Technologie-Euphoriker, die diese Frage bejahen. Die meisten Wissenschaftler sehen das aber differenzierter. Laut Karsten Weber, der sich an der OTH Regensburg mit Technikfolgenabschätzung beschäftigt, ist Big Data nicht gleich Big Data. Er trifft eine klare Unterscheidung zwischen Daten, die privatwirtschaftlich genutzt werden, und solchen, die der medizinischen Forschung dienen.

Ethische Fragen zu Big Data

  • Das Recht auf Nicht-Wissen: Laut Karsten Weber, Experte für Technikfolgenabschätzung an der OTH Regensburg, müssen Personen das Recht behalten, gerade nicht zu erfahren, was die Zukunft bringt. Das wird zum Beispiel relevant, wenn Gen-Daten darauf schließen lassen, dass eine Person im Laufe ihres Lebens an einer unheilbaren oder tödlichen Krankheit erkranken wird.
  • Die Gefahr der Entsolidarisierung: Karsten Weber gibt die Folgen für unser solidarisches Gesundheitswesen zu Bedenken. Wenn Mediziner künftig Krankheiten präzise zuordnen und prognostizieren können, könnte das Solidarprinzip ausgehebelt werden. Nach dem Motto: Warum sollten diejenigen, die gute Gene haben, für diejenigen mit schlechten Genen bezahlen?

Während Daten beispielsweise aus Gesundheitsapps Unternehmen helfen, Nutzern individualisierte Werbung zuzuspielen oder sie sogar an Krankenkassen zu verkaufen, werden medizinische Daten anonymisiert. „In dem Bereich halte ich die Nutzung von Big Data für vergleichsweise unkritisch, sofern die Datensätze keine Rückschlüsse auf konkrete Personen zulassen.“

Der Ethiker stellt bei allem Fortschritt immer die Frage, ob es angemessen und moralisch vertretbar ist, neue Technologie tatsächlich einzusetzen. Karsten Weber wagt einen Blick in die Zukunft: Wenn die Diagnose der Maschine irgendwann wesentlich genauer, präziser und zuverlässiger ist als die eines Arztes, dann „wäre es fast fahrlässig, darauf zu verzichten.“

Teilen