Duett von Mensch und Maschine

Machine Learning oder auch Deep Learning untersucht den sinnvollen Einsatz Künstlicher Intelligenz (KI) in der Medizin. Diese erleichtert und verbessert als weitere Form digitalen Lernens die ärztliche Diagnose.

Von Sabine Fisch

Die Kniegelenksarthrose ist eine sehr weit verbreitete Krankheit. Fast 900.000 Menschen in Österreich sind laut Statistik Austria davon betroffen, Frauen häufiger als Männer, ältere Personen öfter als jüngere. Für den Erhalt des Kniegelenks und eine suffiziente Therapie, spielt die Diagnostik der Kniegelenksarthrose eine wesentliche Rolle. Und hier kommt die Künstliche Intelligenz ins Spiel.

In einem gemeinsamen Projekt der Donau-Universität Krems, des Biotechnologie-Unternehmens ImageBiopsy Lab in Wien und der Medizinischen Universität Graz untersucht Stephan Nehrer, Dekan der Fakultät für Gesundheit und Medizin an der Donau-Universität Krems, die Vorteile Künstlicher Intelligenz in der Diagnostik der Kniegelenksarthrose. Zur Beurteilung der Röntgenbilder wurde ein spezielles Computerprogramm, ein eigener Algorithmus entwickelt. „Solche Algorithmen lernen, indem sie eine Vielzahl von Röntgenbildern auswerten“, sagt Nehrer. 

Basis für die Auswertung von Röntgenbildern durch eine Künstliche Intelligenz ist das 1963 von Kellgren und Lawrence entwickelte bildgebende Verfahren zur Beurteilung einer Kniegelenksarthrose. Dieses als Goldstandard bewertete Verfahren misst den Gelenkspalt, die Bildung von zusätzlichem Knochengewebe, die Ausbildung einer Sklerose sowie deren Deformation und Degeneration und beurteilt die Ergebnisse anhand einer Skala. 

„Damit erkennt das Verfahren im Laufe der Zeit zuverlässig krankheitsspezifische Anomalien auf dem Röntgenbild deutlich sicherer als das menschliche Auge“, fasst Nehrer zusammen. Eine solche KI kann Ärztinnen und Ärzte unterstützen und die Zeit bis zu einer korrekten Diagnosefindung und optimalen Therapieentscheidung deutlich beschleunigen.

Bislang klingen die Ergebnisse des Projekts sehr vielversprechend. „KI erhöht die Diagnosegenauigkeit der Arthrose bei digitalem Röntgen signifikant und unterstützt dadurch die Behandlungsmöglichkeiten“, hält Nehrer fest. „Wenn Sie ein suspektes Röntgenbild eines Patienten drei verschiedenen Orthopäden zeigen, erhalten Sie drei verschiedene Meinungen. Die KI dagegen wird das Bild immer gleich bewerten“, so Nehrer weiter. Zukünftig soll diese Art der Auswertung von Röntgenbildern Ärztinnen und Ärzte in der Praxis unterstützen.

Deep Learning von Algorithmen

Nicht das Kniegelenk und seine Erkrankungen, sondern die Zusammenhänge zwischen Genetik und Krankheit bzw. Gesundheit stehen im Mittelpunkt der Forschungsarbeiten von Dr. Günter Klambauer, Assistenzprofessor am Institut für Machine Learning an der Johannes Kepler Universität Linz. „Künstliche Intelligenzen ermöglichen uns die Verarbeitung sehr großer Datenmengen“, erläutert Günter Klambauer. Dies spielt etwa eine wesentliche Rolle bei Verfahren wie dem Next Generation Sequencing in der Genforschung. „Lange Zeit konnte nur bioinformatisch untersucht werden“, so Klambauer. „Das dauerte lange, und komplexe Fragestellungen waren nur sehr schwer umzusetzen.“ Beim Next Generation Sequencing wird die gesamte Erbinformation eines Menschen gleichzeitig untersucht. Dies generiert eine Unzahl von Daten. „Künstliche Intelligenzen erlauben es uns, diese Daten schneller und besser zu untersuchen, weiß Klambauer. „Deep-Learning-Algorithmen verarbeiten diese großen Datenmengen nicht nur, sie lernen gleichzeitig auch daraus.“ Ein Beispiel dafür, so Klambauer, sei etwa die Bindung bestimmter Proteine an die DNA, also das menschliche Erbgut. „Es war bekannt, dass bestimmte Proteine fähig sind, sich an die DNA zu binden“, berichtet Klambauer. „Man benötigte allerdings eigene Biotechnologie dafür, und nun kann man dies auf Basis der Proteinsequenz schon erkennen.“ Mithilfe einer Künstlichen Intelligenz konnten nicht nur jene Proteine gefunden werden, die an die DNA binden. Es konnte auch ermittelt werden, warum genau diese Proteine dies tun und andere nicht.

Wirkstoffsuche gegen Sars-CoV-2

Aber nicht nur solche Fragestellungen werden durch Künstliche Intelligenzen beantwortet. Ein weiterer wesentlicher Aspekt ist etwa die Suche nach neuen, wirkungsvollen Medikamenten mithilfe von Machine Learning. Ein solches Verfahren kam beispielsweise auch bei der Corona-Pandemie zum Einsatz. „Wir haben unsere KI in weltweiten Datenbanken nach Wirkstoffen suchen lassen, die bei Covid-19 sinnvoll eingesetzt werden könnten“, erklärte Klambauer. „Unsere KI hat 30.000 Wirkstoffe gefunden, ein Ergebnis, das wir öffentlich zur Verfügung gestellt haben.“

Erste Erfolge konnten bereits vermeldet werden. „Eine australische Arbeitsgruppe untersuchte einen jener Wirkstoffe, die unsere KI gegen das Coronavirus vorgeschlagen hat“, ist Klambauer begeistert. „In vitro konnte dieser Wirkstoff die Viruslast um das 5.000fache verringern.“ Klambauer sieht in gut entwickelten Künstlichen Intelligenzen viel Potenzial für die Medizin der Zukunft. „Dies gilt insbesondere auch für bildgebende Verfahren, in denen KI viel genauer sind als das menschliche Auge.“

KI hilft beim Lernen

Künstliche Intelligenz wird in Zukunft in der Medizin eine immer wichtigere Rolle spielen. Aber auch das Lernen von neuen Inhalten in digitaler Form wird in den kommenden Jahren mehr und mehr Einzug in Fort- und Weiterbildung halten. „In einem gemeinsamen Projekt mit Stefan Nehrer erarbeiten wir, zusammen mit der Humanitas University Mailand, gerade einen Masterlehrgang zu regenerativer Medizin“, sagt Stephanie Nestawal, Leiterin des Zentrums für digitales Lernen und Gestalten an der Donau-Universität Krems. 

Ein Ministeriumscall gab den Anstoß zur Entwicklung eines solchen Labors für artificial intelligence in (continuing) medical education an der Donau-Universität Krems. „Damit wollen wir didaktische Konzepte erarbeiten und sie dann in einzelnen Lehrveranstaltungen testen“, erklärt Stephanie Nestawal. „Künstliche Intelligenz wird in der Zukunft eine noch größere Rolle spielen“, hält sie fest. „Deshalb müssen wir das Vertrauen der Health Professionals in diese Verfahren durch Aus- und Weiterbildung unbedingt stärken und unterstützen.“ Dies geschieht an der Donau-Universität Krems etwa mit der Vermittlung von Wissen über die Vorgehensweise von Künstlichen Intelligenzen. „Wir versuchen aber auch zu erklären, wie eine KI bei der Interpretation von Röntgenbildern zu ihren Ergebnissen kommt“, so Nestawal. „Das schafft nicht nur Vertrauen in das Verfahren, sondern erleichtert auch die Interpretation der so ermittelten Daten.“

Kompetenz Data Literacy

Stephanie Nestawal erarbeitet mit ihrem Team Methoden zur intensiveren Auseinandersetzung mit Künstlicher Intelligenz, mit „Big data“, Deep und Machine Learning. „Dies soll die Zukunftskompetenz ‚Data Literacy‘ stärken und einen kritischen planvollen, konzeptspezifischen Umgang mit den mithilfe von KI generierten Daten verbessern“, so Nestawal.

„Die Einsatzmöglichkeiten von Künstlichen Intelligenzen sind bereits jetzt vielfältig“, hält Günter Klambauer fest. „Hier muss der Staat regulierend eingreifen, und da ist Österreich noch weit von einer sinnvollen Lösung entfernt.“ Das Entscheidende im Einsatz von Künstlichen Intelligenzen sei dabei nicht das Datenmanagement, sondern „die Sicherheit der zur Verfügung gestellten Daten“, sagt Klambauer abschließend. „Es sollte dringend diskutiert werden, wer welche Daten verarbeiten darf. Hier sehe ich noch viel Handlungsbedarf.“ 

STEFAN NEHRER
Univ.-Prof. Dr. Stefan Nehrer leitet an der Donau-Universität Krems das Department für Gesundheitswissenschaften und Biomedizin, das Zentrum für Regenerative Medizin und Orthopädie sowie das Zentrum für Gesundheitswissenschaften. Zudem ist Nehrer als Oberarzt an der Abteilung für Orthopädie am Universitätsklinikum Krems tätig.

STEPHANIE NESTAWAL
Dr. Stephanie Nestawal leitet das Zentrum für digitales Lernen und Gestalten an der Donau-Universität Krems. Sie studierte Wirtschaftswissenschaften an der Universität Liverpool sowie Geisteswissenschaften an der Universität Wien. Ihre aktuellen Forschungsschwerpunkte liegen im Bereich Digitalisierung und Innovation im Lifelong Learning.

GÜNTER KLAMBAUER
Mag. Dr. Günter Klambauer begann 2010 nach dem Studium der Mathematik und Biologie an der Universität Wien mit seiner Forschungstätigkeit im Bereich von maschinellem Lernen und Bioinformatik an der Johannes Kepler Universität Linz, wo er 2014 promovierte. Dort ist er derzeit Assistenzprofessor am Institut für Machine Learning.