Datennutzung in der Medizin: Klüger mit KI
Das technische Verständnis für die Entwicklung von Softwarelösungen, die KI-basierte Ergebnisse erzeugen oder diese nutzen, ist die eine Sache. Eine ganz andere ist es, das prozessuale Wissen zu besitzen, um die Qualität der Inhalte beurteilen und beeinflussen können. Um die Versorgungsqualität in der Medizin zu verbessern, reicht es darum oft nicht, „nur“, eine adäquate Technologie zu haben. Es braucht Lösungen, die aus den vorhandenen Daten verlässliche und nachvollziehbare Informationen generieren. Dafür müssen inhaltliche Zusammenhänge zwischen Daten und deren Qualität erkannt und genutzt werden.
Ein Anbieter, der die Symbiose zwischen technischem und inhaltlichem Know-how seit jeher lebt, ist die KMS Vertrieb und Services GmbH mit Sitz in Unterhaching. Das Unternehmen, das zum CGM-Konzern gehört, ist bereits seit über 20 Jahren im Bereich Datamining und Datewarehouse-Solutions in Gesundheitseinrichtungen unterwegs und kennt sich mit der Verknüpfung von medizinischen Daten zum Zwecke der Wissensgenerierung bestens aus. „Das aktuell wichtigste Thema ist für uns natürlich der Einsatz von KI. Sei es, um Abrechnungsprozesse zu optimieren. Oder um die Medizinerinnen und Mediziner in ihrer täglichen Arbeit mit KI-generiertem Wissen zu unterstützen“, erklärt Nils Wittig, CEO bei KMS.
Screentime minimieren, Wissen maximieren
Im Wesentlichen geht es darum, die Datenbasis, die in den Gesundheitseinrichtungen seit Jahrzehnten permanent gewachsen ist, zu konsolidieren, zu strukturieren und mit gesichertem externen Wissen anzureichern. Zum Beispiel den Informationen aus Beipackzetteln, den wissenschaftlichen Daten aus Studien oder dem allgemein verfügbarem Fachwissen. „Wir schaffen mit KI keine grundsätzlich neuen Informationen. Vielmehr verknüpfen wir vorhandene Informationen zu neuem Wissen und stellen es dort zur Verfügung, wo es gebraucht wird. Beispielsweise bei der Diagnose von seltenen Erkrankungen, bei der auch erfahrenen Medizinern das entsprechende Know-how fehlt. Oder in der Pflege, um Medikationsfehler auszuschließen. Grundsätzlich könnten sich die Ärztin oder der Pfleger die Informationen zur Symptomatik einer seltenen Erkrankung oder der Wechselwirkung eines Medikaments selbst durch Recherche aneignen. Diese Zeit ist aber oft nicht da oder sollte für etwas sinnvolleres genutzt werden“, so Nils Wittig.
Natürlich spielt die Datenqualität in diesem Zusammenhang eine wichtige Rolle. Um sicherzustellen, dass die Datenbasis, mit der ein Algorithmus gefüttert wird, hinreichend sicher ist, braucht es eine sehr gute Datenqualitätsprüfung. Eine, die automatisiert feststellt, wenn es zu Auffälligkeiten kommt und dazu beiträgt, die guten Daten ins Töpfchen, die schlechten ins Kröpfen zu sortieren. Nils Wittig: „Wir müssen uns aber bewusst machen, dass es auch mit KI keine 100-prozentige Sicherheit geben wird. Das ist bei Mitarbeitenden ebenfalls so, auch der Mensch macht Fehler. Healthcare Professionals, die KI generiertes Wissen nutzen, müssen dies wissen. Sie müssen lernen, richtig mit dem Wissen umzugehen und einzuschätzen, wo potenzielle Schwäche liegen könnten. Immer in dem vollen Bewusstsein, dass medizinische Entscheidungen nicht an KI delegiert, sondern durch diese unterstützt werden können.“
Effizienzsteigerung bedeutet, das Niveau zu halten
Mittlerweile wissen Gesundheitseinrichtungen, wie wichtig die Unterstützung der KI auch im Rahmen der medizinischen Entscheidungsfindung ist und künftig sein wird – der Fachkräftemangel lässt grüßen. „Noch vor einigen Jahren wurde die Effizienzsteigerung in Gesundheitseinrichtungen mit Stellenabbau und Einbußen in der Versorgung konnotiert. Das hat sich komplett gewandelt. Heute wissen die Verantwortlichen in Krankenhäusern und Praxen, dass Effizienzsteigerung durch Erhöhung des Digitalisierungsgrads die Grundlage dafür ist, das Versorgungsniveau zu halten. Entsprechend aufgeschlossen sind sie, die vorhandenen Daten bestmöglich einzusetzen“, erklärt der Datamining-Experte.
Mit Blick auf den Einsatz von KI spielt für ihn neben der reinen Qualität der Daten noch etwas anderes eine entscheidende Rolle: Um das Vertrauen der Anwenderinnen und Anwender in die Ergebnisse einer Software zu stärken, muss diese in der Lage sein, auch ihr Nicht-Wissen kundzutun. Nils Wittig beschreibt dies so: „Eine der bekannten Schwachstellen von KI ist die Neigung zum Halluzinieren. Mit Blick auf das Vertrauen in KI-basierte Lösungen ist es eine zentrale Aufgabe für uns, dieses Phänomen zu kontrollieren. Dies ist ein schmaler Grat, denn wir wollen ja eben nicht, dass Algorithmen nur lineare Verbindungen knüpfen. Wir haben uns daher in den vergangenen Jahren darauf konzentriert, dass Zusammenhänge dort hergestellt werden, wo solche auch tatsächlich vorhanden sind. Unsere Aufgabe besteht gleichzeitig darin, die KI zu ermutigen, lieber ein klares ‚hierzu kann ich keine Aussage treffen‘ statt einer falschen Antwort zu geben. Das fällt übrigens auch vielen Menschen schwer.“
