29. Nov. 2022 – Künstliche Intelligenz könnte dazu beitragen, Vielfalt, Gerechtigkeit und Inklusion in klinischen Studien und der Arzneimittelentwicklung zu verbessern, indem einige traditionelle menschliche Vorurteile in diesen Bereichen überwunden werden, aber wir sind noch nicht so weit, sagen Experten. Die Technologie könnte Ärzten auch mit Dateneinblicken helfen, Diagnose und Behandlung präziser zu machen.
Das fängt bei der Qualität an. Künstliche Intelligenz (KI) stützt sich auf große Datenmengen, um Algorithmen – oder Computeranweisungen – zu erstellen, um Best Practices und Vorhersagen zu entwickeln. Aber die Anleitungen sind nur so gut wie die Daten, mit denen sie erstellt wurden. Und Menschen sind diejenigen, die die Daten erstellen.
„Die Grundlage für die Entwicklung von KI-Technologien sind Menschen, und diese Menschen haben ihre eigenen Vorurteile“, sagt Naheed Kurji, Vorstandsvorsitzende der Alliance for Artificial Intelligence in Healthcare. „Infolgedessen werden die Algorithmen ihre eigenen Vorurteile haben.“
Ein Beispiel ist Technologie, die Sprache zur Diagnose von Krankheiten verwendet.
„Es gibt viele Fälle, Beispiele, in denen Unternehmen die Sprachunterschiede zwischen verschiedenen Kulturen nicht erkannt haben“, sagt Kurji. Wenn die Technologie auf Sprachmustern einer begrenzten Bevölkerungsgruppe basiert, „dann, wenn dieses Modell in der realen Welt auf eine andere Bevölkerungsgruppe mit einem anderen Akzent angewendet wird, versagt dieses Modell.“
„Als Ergebnis ist es nicht repräsentativ.“
Ein weiteres Beispiel sind genetische und genomische Daten.
„Geben oder Nehmen, über 90 Prozent der genetischen und genomischen Daten stammen von Menschen europäischer Abstammung. Es stammt nicht von Menschen aus Afrika, Südostasien, Asien oder Südamerika“, sagt Kurji, der auch Präsident und CEO von Cyclica Inc. ist, einem datengesteuerten Arzneimittelforschungsunternehmen mit Sitz in Toronto.
Daher „ist eine Menge Forschung, die auf dieser Datenebene durchgeführt wurde, von Natur aus voreingenommen“, sagt er.
Um fair zu sein
Daten zu erstellen, die Vielfalt, Gerechtigkeit und Inklusion von Menschen und Kulturen auf der ganzen Welt berücksichtigen, ist keine hoffnungslose Herausforderung. Aber es wird dauern, sagen Experten. Sobald dies erreicht ist, sollte die KI näher daran sein, frei von menschlichen und systemischen Vorurteilen zu sein.
Eine größere Sensibilisierung ist unabdingbar.
„Die Lösung des Problems kommt von Menschen, die von Natur aus verstehen, dass es Vorurteile gibt“, sagt Kurji, und dann nur faire und ausgewogene Daten einbeziehen, die einen Diversitätstest bestehen.
Klüger wählen?
Ein weiterer vielversprechender Weg für KI ist die Rationalisierung des Arzneimittelentwicklungsprozesses, die Eingrenzung potenzieller Arzneimittelkandidaten und die Kosteneffizienz klinischer Studien.
„Wenn die Quelldaten Herausforderungen und Einschränkungen haben, dann wird die KI diese Einschränkungen einfach weiter verbreiten“, stimmt Sastry Chilukuri, Co-CEO des datengesteuerten Unternehmens für klinische Studien Medidata und Gründer und Präsident von Acorn AI, zu. „Die Quelldaten müssen repräsentativer und gerechter werden, damit die KI widerspiegeln kann, was passiert.“
Wenn es um menschliche oder systemische Voreingenommenheit in der Arzneimittelentwicklung geht, „wäre es eine zu starke Vereinfachung zu sagen, dass KI oder maschinelles Lernen sie beheben können“, sagt Angeli Moeller, PhD, Head of Data and Integrations Generating Insights bei Roche in Berlin. „Aber der verantwortungsbewusste Einsatz von KI und maschinellem Lernen kann uns dabei helfen, Vorurteile zu erkennen und Wege zu finden, um mögliche negative Auswirkungen zu mindern.“
Stille Partner?
Gleichzeitig zielt die KI darauf ab, die Arzneimittelentwicklung zu rationalisieren, die Technologie kann auch dazu beitragen, dass alle Ärzte ihre Arbeit besser machen, sagen Experten. KI würde beispielsweise dabei helfen, Wissen und Fachwissen weit und breit zu verbreiten und Best Practices von Ärzten mit viel Erfahrung bei komplexeren Patienten auszutauschen. Dies würde denjenigen helfen, die jedes Jahr nur wenige solcher Patienten behandeln.
Das chirurgische Volumen in New York City oder in Delhi könnte bis zu Hunderten von Patienten pro Jahr betragen, sagt Chilukuri. „Aber wenn Sie in die Innenräume der USA wie Nebraska gehen, sieht der Chirurg einfach nicht so viel Volumen.“
KI könnte Ärzten helfen, „indem sie die Art von Werkzeugen bereitstellt, die es ihnen ermöglichen, ihrer gesamten Bevölkerung viel schneller die gleiche erstklassige Versorgung zu bieten“, sagt er.
Effizienz steigern
KI könnte helfen, die Therapie zielgerichteter zu gestalten, indem Daten verwendet werden, um Patienten mit dem höchsten Risiko zu identifizieren. Die Technologie könnte auch einige Engpässe in der Medizin verbessern, wie zum Beispiel die Zeit, die zum Interpretieren von Röntgenbildern benötigt wird, sagt Kurji.
Es gibt ein KI-Unternehmen, „dessen gesamtes Geschäftsmodell nicht darin besteht, Ihren Radiologen zu ersetzen, sondern Radiologen besser zu machen“, bemerkt er. Eines der Ziele des Unternehmens ist es, „Tod oder schwere Erkrankungen durch versäumte Röntgenscans zu verhindern oder die auf dem Stapel liegen und für diesen Patienten einfach nicht schnell genug behandelt werden.“
Radiologen sind so beschäftigt, dass sie möglicherweise nur 30 Sekunden oder weniger haben, um jeden Scan zu interpretieren, sagt Chilukuri. KI kann eine potenziell besorgniserregende Läsion kennzeichnen, aber auch ein Bild mit früheren Scans desselben Patienten vergleichen. Diese Sichtweise der KI gilt nicht nur für die Radiologie, sondern für alle datengesteuerten Bereiche der Medizin.
Personalisierte Medizin voranbringen
KI könnte auch einen persönlichen Ansatz für die Chirurgie leiten, „weil es nicht so ist, dass Menschen in klein, mittel und groß kommen“, sagt Chilukuri. Die Technologie könnte Chirurgen dabei helfen, genau zu bestimmen, wo ein einzelner Patient operiert werden soll.
Moeller stimmt zu, dass KI das Potenzial hat, die personalisierte Medizin voranzutreiben.
„KI kann bei der Diagnose und Risikovorhersage helfen, was frühere Interventionen bedeuten kann“, sagt Moeller, der auch stellvertretender Vorsitzender des Vorstands der Alliance for Artificial Intelligence in Healthcare ist. „Wenn Sie sich beispielsweise einen Diabetiker ansehen, was ist das? Wahrscheinlichkeit, dass er oder sie aufgrund eines diabetischen Makulaödems Augenprobleme entwickelt?“
Die Technologie könnte auch dabei helfen, einen Blick auf das große Ganze zu werfen.
„Maschinelles Lernen kann in einer Population nach Mustern suchen, die vielleicht nicht in Ihrem medizinischen Lehrbuch stehen“, sagt Moeller.
Über die Diagnose und Behandlung hinaus könnte die KI auch bei der Genesung helfen, indem sie die Rehabilitation für jeden Patienten individuell anpasst, prognostiziert Chilukuri.
„Es ist nicht so, dass jede Person auf die gleiche Weise in die Reha geht. Sie haben also hochindividuelle KI-Pläne, die es Ihnen ermöglichen, tatsächlich auf Kurs zu bleiben und vorherzusagen, wohin Sie gehen.“