Ludwig-Maximilians-Universität München
print

Links und Funktionen
Sprachumschaltung

Navigationspfad


Inhaltsbereich

KI im Gesundheitswesen

Autopilot für Ärzte

München, 25.03.2019

Franz Pfister setzt auf künstliche Intelligenz, um die medizinische Versorgung zu verbessern. Dafür kündigte der damals 28-Jährige seinen Klinikjob und studierte nochmal an der LMU, dieses Mal Data Science. Dabei entwickelte er mit Teamkollegen einen preisgekrönten Algorithmus, der ärztliche Arbeitsabläufe effizienter macht und Patienten eine sichere Diagnose liefert. Aktuell startet der Praxistest.

Qualität verbessern, Abläufe effizienter machen: Franz Pfister setzt auf künstliche Intelligenz, um Anomalien in medizinischen Daten zu entdecken

Für die meisten Menschen beginnt nach dem Studium das Arbeitsleben. Bei Franz Pfister begann nach der Arbeit wieder das Studium. Als er mit 25 Jahren sein Medizinstudium an der LMU abgeschlossen hatte, arbeitete er in der Münchner Schön-Klinik mit Fokus auf Schlaganfall- und Parkinson-Patienten. Schnell stellte Pfister fest, dass sowohl bei der medizinischen Versorgung als auch im Gesundheitssystem insgesamt Optimierungsbedarf besteht. „Als Stationsarzt waren mir aber die Hände gebunden“, erinnert sich der heute 31-Jährige. Doch der Gedanke, skalierbare Geschäftsmodelle zur Prozessoptimierung und Qualitätsverbesserung zu entwickeln, ließ ihn nicht mehr los. Wie es der Zufall wollte, fand just zu dieser Zeit in der Klinik ein Forschungsprojekt zum Thema Maschinelles Lernen statt. „Da habe ich gemerkt: Cool, meine Idee lässt sich umsetzen.“ Das Problem war: Ihm fehlte das Wissen über die Schlüsseltechnologie.

Kurz darauf begann Pfister sich mit Online-Weiterbildungskursen erste Grundlagen im Bereich Informatik anzueignen. „Das hat mich angefixt“, erinnert er sich. Auf der Suche nach mehr stieß er an der LMU auf den Elitestudiengang Master of Data Science. Er war sich sicher: Ein Mediziner ohne Mathe-Background würde gar nicht erst zum Interview eingeladen. Tat die LMU aber. Und kurz darauf kam sogar die Zulassung. Pfister kündigte seinen Klinik-Job und wurde nochmal Student. „Das Studium hat mir nicht nur Grundlagen gelehrt, sondern ein profundes Verständnis von Data Science vermittelt“, erzählt er. Ein Projekt während dieser Zeit untersuchte, wie sich maschinelles Lernen in der Medizin nutzen lässt. Daraus entstand deepc, für das Pfister und seine sechs Teamkollegen bei den studentischen Innovationslaboren mit dem ersten Preis des Zentrums Digitalisierung Bayern ausgezeichnet wurden.

Immer komplexere Untersuchungsmethoden
Die Nachfrage nach Radiologen hat sich in den vergangenen zehn Jahren nahezu verdoppelt, ihre Anzahl ist aber fast gleichgeblieben. Was bedeutet, dass für die Untersuchung immer weniger Zeit bleibt. „Je größer der Druck, desto mehr Fehler passieren“, erzählt Pfister. Hinzu kommt bei der Untersuchung die sogenannte „satisfaction of search“: Viele Ärzte hören auf, weiterzusuchen, wenn sie bereits einen Befund gefunden haben – „dabei können Menschen Läuse und Flöhe haben“, veranschaulicht er. Außerdem seien die Untersuchungen nicht nur mehr, sondern auch viel komplexer geworden. Bei einer modernen Magnetresonanztomografie erhalten Ärzte 2000 hochaufgelöste Einzelbilder der Patienten. Allein aufgrund der Fülle der Daten werden Dinge übersehen.

Einige Ärzte empfinden solche Analysen als Vorwurf und geraten in eine Verteidigungshaltung. Pfister geht es aber gar nicht um Schuldzuweisungen. Natürlich gebe es diagnostische Fehler, die Menschenleben kosten. „In der Regel sind Ärzte aber extrem gut im Interpretieren.“ Er möchte vielmehr eine Art Autopiloten schaffen, auf den sich Mediziner auch in stressigen Momenten verlassen können. Pfister vergleicht das mit der Rechtschreibkorrektur von PC-Schreibprogrammen. Jeder übersieht beim Schreiben mal einen Buchstabendreher, der dann von der Software rot unterkringelt wird. „Diese Unterkringelung bieten wir mit deepc für Ärzte an“, erklärt der gebürtige Münchener. Dadurch können wir dem Arzt helfen, nichts zu übersehen und alle Befunde wahrzunehmen.

Diagnostik verbessern, Abläufe effizienter machen
Konkret nutzt deepc Algorithmen und Machine-Learning-Modelle, um Anomalien in medizinischen Daten zu entdecken. Diese werden dann dem Arzt für eine schnellere, objektivere und sicherer Diagnose zurückgemeldet. Konkret untersucht die Software Bilddaten der Scannergeräte in Krankenhäusern auf Auffälligkeiten. Wird etwas gefunden, schlägt deepc Alarm, sodass der Arzt schnell und gezielt Auffälligkeiten diagnostizieren kann. Wird nichts gefunden, kann der Arzt den Patienten nach einem kurzen persönlichen Check ohne lange Wartezeiten wieder nach Hause schicken. Das heißt, der Arzt soll nicht ersetzt, sondern in seiner täglichen Arbeit unterstützt werden. Getestet wird deepc jetzt an der Neuroradiologie des Klinikums rechts der Isar. „Damit haben wir in die Realität umgesetzt, was mir immer vorgeschwebt ist“, schwärmt Pfister: „Wir verbessern die Qualität und machen Ablauf effizienter.“

Dass seine Erfindung Ärzte eines Tages überflüssig macht, glaubt Pfister nicht. „Ich zähle mich immer noch als Arzt und will meinen Berufsstand weder abschaffen oder verraten.“ Die Nachfrage nach Diagnostikern werde immer das Angebot übersteigen. Was sich aber verändern wird, ist das Berufsbild von Ärzten und Radiologen durch künstliche Intelligenz. Das sei aber schon immer so gewesen, erklärt er: „Vor 50 Jahren gab es zum Beispiel noch kein MRT.“ Damals wurde ein Schlaganfall noch klinisch diagnostiziert. In Pfisters Augen wird das mit künstlicher Intelligenz genauso sein: Das Berufsbild wird sich verändern, ja, abgeschafft wird es nicht.

Pfister wird seinen Beitrag dazu beisteuern. Der Mediziner, Data-Scientist und Unternehmer hat neben deepc noch andere Startups. So arbeitet er zum Beispiel an Wearables, also tragbaren Computersystemen, um chronische Krankheiten wie Parkinson frühzeitig zu erkennen. In einem anderen Vorhaben untersucht Pfister den sicheren und datenschutzsicheren Austausch von Patientendaten via Blockchain. So könnten Patientendaten zu Forschungszwecken genauer ausgewertet werden ohne gegen Datenschutzauflagen zu verstoßen. So könnten zukünftig auch mehr KI-Systeme mit Daten gefüttert werden. Warum seine Unternehmen fast alle aus dem medizinischen Bereich kommen? „Es ist doch cooler, mithilfe künstlicher Intelligenz Menschenleben zu retten, als im Marketing irgendwelche Klickraten zu verbessern.“