Im Fokus: Chancen von künstlicher Intelligenz in der Corona-Krise - Medizin

Next Big Think Juni 01, 2020

Medizin und Forschung

Bilder von Pflegern und Ärzten aus Italien mit müden Augen und tiefen Druckstellen im Gesicht erreichten uns in den sozialen Medien. Das Corona-Virus bringt das Gesundheitssystem an seine Grenzen. Stationen sind voll belegt, die Ressourcen knapp und die Mediziner überarbeitet. Unter Stress und Zeitdruck müssen die Ärzte schnelle, möglichst fehlerfreie Entscheidungen treffen. Denn jeder Fehler kann ein Menschenleben kosten, jede Minute zählt. Künstliche Intelligenz (KI) unterstützt vielerorts Ärzte und Pfleger in ihrer täglichen Arbeit. Auch die Forschung zur Behandlung von Covid-19 und die Suche nach einem Impfstoff wird durch KI-Anwendungen begleitet.  

Künstliche Intelligenz als Diagnosehelfer

Das Start-up Infervision aus Peking hat schnell reagiert und ihre Bilderkennungs-Software für die Diagnose von Covid-19 fit gemacht. Ursprünglich wurde die Deep Learning-Anwendung entwickelt, um Lungenkrebs auf Computer-Tomografien (CT) zu erkennen.  Lungenkrebs ist eine der häufigsten Todesursachen in China. Aufgrund der hohen Luftverschmutzung sterben jährlich 600.000 Menschen in China an der Krankheit. Ein riesiges Problem, welches sich das junge Unternehmen im Jahr 2014 angenommen hat.

What we wanted to do is use deep learning to alleviate this huge problem. If we can use it to learn from the past and assist in diagnosing more accurately, we can help solve the problem.

- Chen Kuan, Gründer Infervision

China hat zu wenige Ärzte und Radiologen, die Diagnosen sind zeitaufwändig und kleine Anomalien werden häufig übersehen. Die Software soll den Radiologen helfen, effizienter und möglichst fehlerfrei zu arbeiten.

In China there are just 80,000 radiologists who have to work through 1.4 billion radiology scans every year. By using AI and deep learning, we can augment the work of those doctors.

- Chen Kuan, Gründer Infervision

Als der Ausbruch von Corona bekannt wurde, hat Infervision seine künstliche Intelligenz mit Daten von Covid-19 Patienten trainiert. Zu Hochzeiten von Corona mussten die Ärzte mehrere 1.000 Fälle am Tag begutachten. Die Software verkürzt den Prozess der Diagnose maßgeblich. So unterstützt die Anwendung die Ärzte bei der Fallanalyse, erleichtert Fallvergleiche und kann bei der Behandlungsbewertung herangezogen werden. Die KI-Lösung wurde bei der Diagnose von über 32.000 Fällen genutzt und im Tongji Krankenhaus sowie dem Zhongnan Krankenhaus in Wuhan eingesetzt.

Der Tech-Gigant Alibaba wirbt mit einer ähnlichen Anwendung, die mit einer Wahrscheinlichkeit von 96 Prozent erkennen soll, ob ein Patient an Corona erkrankt ist. Die Anwendung reduziert die durchschnittliche Bearbeitungsdauer der Ärzte von etwa 10 Minuten auf 20 Sekunden. Ping An Smart Health Care aus Shanghai bieten ebenfalls eine Lösung zur Corona-Diagnose an. Ping An ist als Krankenversicherung im Jahr 2005 gestartet. Der Konzern sammelt medizinische Daten und hat verschiedene Analyse-Programme entwickelt. Die Diagnose-Lösung kann direkt in die Infrastruktur der Radiologie-Abteilungen integriert werden. Die Anwendung ist über private und öffentliche Clouds erreichbar und wird in 70 Großstädten in China und Südostasien genutzt. Ping An hat ein weltweites Netzwerk aufgebaut, welches einen Rund-um-die-Uhr-Beratungsservice in chinesischer und englischer Sprache anbietet. Die gesammelten Daten zum Corona-Virus werden auch Medizinern außerhalb der betroffenen Gebiete zur Verfügung gestellt.

Freie KI-Anwendung aus Europa

Auch in Europa arbeitet man an Lösungen für die Covid-19-Diagnose: Das KI-Labor “Deep Insights” aus Wien hat in Kooperation mit den Tele-Radiologie-Experten lifetec ein System aufgesetzt, das Corona mit einer Wahrscheinlichkeit von über 90 Prozent auf CTs erkennen soll. Der “Covid-19-classifier" wurde als Open Source veröffentlicht und kann auch Röntgenbilder auswerten. Röntgengeräte sind auch in kleineren Krankenhäusern vorhanden. Daher ist die Erweiterung auf weitere bildgebende Verfahren ein großer Mehrwert. Die Präzision fällt hier leider etwas geringer aus. Die Köpfe hinter dem Projekt, die Brüder Hamilton und Aaron Kaplan, rufen dazu auf, ihnen mehr medizinische Daten zur Verfügung zu stellen, damit sie die Anwendung weiterentwickeln und Gesundheitsinstitutionen weltweit zur Verfügung stellen können.

Die Lösung soll ein weiteres Werkzeug im Werkzeugkasten der Mediziner sein.

- Aaron Kaplan, Mitgründer Deep Insights

Den klassischen Covid-19-Test (PCR-Test) ersetzen die Anwendungen jedoch nicht. Die Anzeichen auf den Computer-Tomografien sind erst dann aussagekräftig, wenn das Virus die Lunge befallen hat. Ist der Patient nur leicht erkrankt, geht es für ihn in Europa nur selten in die Radiologie. Die Auswertung von CT-Scans bergen aber ein großes Potenzial: den zeitlichen Aspekt. Im Normalfall dauert eine CT-Aufnahme fünf bis zehn Minuten. Ein PCR-Test kann, je nach Auslastung der Labore, mehrere Tage dauern.

Künstliche Intelligenz auf Medikamenten-Jagd

Das Londoner Start-up BenevolentAI überprüft mithilfe von Machine Learning Datenbanken mit allen existierenden, zugelassenen Medikamenten. Das Unternehmen für Wirkstoffforschung hat seine Software ursprünglich für die Entwicklung neuer Medikamente programmiert.

Auf seiner Unternehmenswebsite schreibt das Start-up:

Our mission is to re-engineer drug discovery and deliver lifechanging medicines for patients in need.

Nun konnte das britische Jungunternehmen erste Erfolge bei der Suche eines Corona-Medikaments verzeichnen. Das System hat das Medikament “Baricitinib" identifiziert, das sonst für die Behandlung rheumatoider Arthritis eingesetzt wird. Der Wirkstoff schützt die Zellen vor einer viralen Infektion.

Künstliche Intelligenz beschleunigt die Forschung

Forscher auf der ganzen Welt arbeiten gemeinsam an Medikamenten und Impfstoffen - und das in Höchstgeschwindigkeit.

Das Oak Ridge National Laboratory simuliert mithilfe eines Supercomputers, ein AC922 Summit von IBM, die Auswirkungen von Wirkstoffen auf das Corona-Virus. Um ein Medikament zu entwickeln, müssen eine Vielzahl an chemischen Verbindungen begutachtet und getestet werden – ein Verfahren, das ohne künstliche Intelligenz mit enormem Zeitaufwand verbunden ist. Die Forscher Micholas Smith und Jeremy C. Smith gaben an, dass dafür sonst bis zu zwei Monate aufgebracht werden müssten. In Oak Ridge konnten 8.000 Wirkstoffe in zwei Tagen überprüft und 80 Wirkstoffe ausgewählt werden. Die Ergebnisse bieten Wissenschaftlern weltweit eine Wissensgrundlage, um weiter an einem Covid-19-Medikament zu arbeiten und beschleunigen den Prozess erheblich. Das Start-up Insilico aus Hongkong hat mithilfe seiner KI-Plattform ebenfalls über 100 Moleküle entdeckt, die als Basis für ein Medikament in Frage kommen.

Die kalifornische Forschungseinrichtung SRI Biosciences kooperiert mit dem französischen KI-Unternehmen Iktos. Das Deep Learning-System von Itkos errechnet Moleküle, die für die Corona-Behandlung in Frage kommen. In Kalifornien werden die Ergebnisse durch ein automatisiertes Synthesechemie-System getestet.

Technologie-Unternehmen auf der ganzen Welt arbeiten daran, die Bekämpfung von Corona zu beschleunigen und das medizinische Personal bestmöglich zu entlasten. In Singapur werden sogar Hilfsroboter eingesetzt, die Krankenpfleger in ihrer täglichen Arbeit unterstützen. Die Diagnose- und Rechercheaufgaben können bereits durch künstliche Intelligenz bewerkstelligt werden und liefern in Rekordzeit Ergebnisse. Genau diese gewonnene Zeit könnte in Angesicht der Ausbreitungsgeschwindigkeit des Corona-Virus der entscheidende Faktor zur erfolgreichen Bekämpfung der Krise sein.

Chancen von künstlicher Intelligenz in der Medizin in Zeiten von Corona:

  • Erkennung von Covid-19-Erkrankung auf Computer-Tomografien und Röntgenbildern
  • Einsatz in der Wirkstoffforschung
  • Prozessbeschleunigung in der Suche nach Medikamenten und Impfstoffen

Beim Newsletter anmelden und keinen Artikel mehr verpassen

Die spannendsten Artikel der Woche jeden Freitag direkt in Ihr Postfach

* Pflichtfeld

Sarah Kolberg

Sarah Kolberg ist Redakteurin bei fintechcube und hat sich in ihrer bisherigen Laufbahn vor allem mit der digitalen Transformation im Public Sector beschäftigt.