Veröffentlicht am: 17. Februar 2025 / Update vom: 17. Februar 2025 – Verfasser: Konrad Wolfenstein
Die Rolle Künstlicher Intelligenz im Gesundheitswesen: Personalisierte Behandlungen, Diagnoseunterstützung und Vorhersage von Tierbewegungen – Bild: Xpert.Digital
Transformation durch KI im Körper & Kosmos: Wie Algorithmen Herzfehler heilen & Wale zählen
KI als Schlüsseltechnologie im Gesundheitswesen und Artenschutz: Künstliche Intelligenz als Game Changer
Künstliche Intelligenz (KI) ist nicht mehr nur ein Schlagwort aus Science-Fiction-Filmen, sondern eine Realität, die unser Leben in vielfältiger Weise durchdringt. Besonders im Gesundheitswesen und im Bereich des Artenschutzes entfaltet KI ein enormes Potenzial, das traditionelle Methoden revolutioniert und völlig neue Wege eröffnet. Wir stehen am Beginn einer Ära, in der KI nicht nur als unterstützendes Werkzeug dient, sondern als treibende Kraft für Innovation und Fortschritt wirkt. Dieser Bericht beleuchtet, wie KI in drei zentralen Bereichen – der personalisierten Behandlung von Vorhofflimmern, der KI-gestützten Diagnostik in der digitalen Pathologie und der Vorhersage von Tierbewegungen zum Schutz mariner Ökosysteme – bereits heute einen entscheidenden Unterschied macht und in Zukunft noch größere Veränderungen verspricht.
Passend dazu:
Personalisierte Behandlung von Vorhofflimmern durch KI: Ein Paradigmenwechsel in der Kardiologie
Vorhofflimmern, die häufigste anhaltende Herzrhythmusstörung, betrifft Millionen Menschen weltweit und stellt eine erhebliche Belastung für die Gesundheitssysteme dar. Die Behandlung dieser komplexen Erkrankung ist oft herausfordernd, da sie von Patient zu Patient sehr unterschiedlich verlaufen kann. Hier setzt KI an und ermöglicht einen fundamentalen Wandel hin zu personalisierten Therapieansätzen.
KI-optimierte Ablationsverfahren: Präzision und Effektivität auf neuem Niveau
Ein besonders vielversprechender Bereich ist die Katheterablation, ein minimalinvasives Verfahren zur Behandlung von Vorhofflimmern. Bei dieser Methode wird krankhaftes Herzgewebe, das die Rhythmusstörungen verursacht, gezielt verödet. Traditionell erfolgte die Ablation oft nach einem eher standardisierten, anatomisch orientierten Ansatz. Doch die TAILORED-AF-Studie, ein Meilenstein in der interventionellen Kardiologie, hat gezeigt, wie KI die Präzision und Effektivität dieses Verfahrens signifikant verbessern kann.
In dieser randomisierten, kontrollierten Studie wurde bei einem Teil der Patienten eine KI-basierte Technologie namens Volta AF-Xplorer™ eingesetzt. Dieses System analysierte während des Eingriffs in Echtzeit über 5.000 Datenpunkte pro Sekunde und identifizierte räumlich-zeitlich disperse Elektrogramme – ein komplexes Muster elektrischer Signale, das auf pathologische Herzmuskelareale hinweist. Im Vergleich zur Kontrollgruppe, bei der die Ablation nach herkömmlichen Methoden durchgeführt wurde, zeigte die KI-gestützte Kohorte beeindruckende Ergebnisse. Nach 12 Monaten waren 88 % der Patienten in der KI-Gruppe frei von Arrhythmien, während es in der Kontrollgruppe nur 70 % waren. Zudem traten akute Rezidive in der KI-Gruppe deutlich seltener auf (15 % vs. 66 %). Diese Ergebnisse verdeutlichen, dass KI in der Lage ist, während der Ablation intraoperativ eine enorme Datenmenge zu verarbeiten und so eine präzisere und individualisierte Behandlung zu ermöglichen.
Die Bezeichnung „Ablation“ stammt aus dem Lateinischen und bedeutet so viel wie „wegnehmen“ oder „entfernen“. In der Medizin beschreibt sie die gezielte Entfernung oder Zerstörung von Gewebe. Neben der Katheterablation bei Herzrhythmusstörungen gibt es zahlreiche weitere Anwendungsbereiche, wie beispielsweise die Tumorablation, bei der Tumorgewebe durch Hitze, Kälte oder andere Verfahren zerstört wird, oder die Endometriumablation, die zur Behandlung bestimmter gynäkologischer Erkrankungen eingesetzt wird. Die Katheterablation hat sich in den letzten Jahren als eine der wichtigsten Therapieoptionen bei Vorhofflimmern etabliert und wird dank KI-gestützter Verfahren nun noch effektiver und sicherer.
Prädiktive Modelle für Therapieerfolge: Risikoprofile und personalisierte Prognosen
Ein weiterer vielversprechender Ansatz im Bereich der KI-gestützten Vorhofflimmertherapie ist die Entwicklung prädiktiver Modelle. Das Projekt ACCELERATE unter der Leitung des Herzzentrums Leipzig arbeitet an maschinellen Lernmodellen, die anhand von 12-Kanal-EKG-Daten individuelle Risikoprofile erstellen können. Diese Modelle gehen weit über die reine Vorhersage des Wiederauftretens von Vorhofflimmern nach Ablation hinaus. Sie sind auch in der Lage, linksatriales Remodeling zu erkennen – einen fibrotischen Umbauprozess des linken Vorhofs, der nicht nur die Entstehung von Vorhofflimmern begünstigt, sondern auch mit einem deutlich erhöhten Schlaganfallrisiko einhergeht. Studien zeigen, dass linksatriales Remodeling das Schlaganfallrisiko um das 3,2-fache erhöhen kann.
Um die Vorhersagegenauigkeit dieser Modelle zu maximieren, werden Registerdaten aus über 100.000 Ablationen (Stand 2021) integriert. Die Ergebnisse sind beeindruckend: Die Modelle erreichen eine Vorhersagegenauigkeit von 89 % für sogenannte Low-Voltage-Areale im Herzen, also Bereiche mit verminderter elektrischer Aktivität, die oft mit fibrotischem Gewebe korrelieren. Im Vergleich zu konventionellen Risikoscores, die in der klinischen Praxis verwendet werden, übertreffen die KI-basierten Modelle diese um 23 %. Dies bedeutet, dass KI in der Lage ist, Patienten zu identifizieren, die ein besonders hohes Risiko für ein Wiederauftreten von Vorhofflimmern oder für Schlaganfälle haben, und somit eine personalisierte Therapieplanung zu ermöglichen. In Zukunft könnten solche prädiktiven Modelle Ärzten helfen, die optimale Behandlungsstrategie für jeden einzelnen Patienten zu wählen und so die Therapieerfolge zu maximieren.
Pulsed-Field-Ablation (PFA): Die nächste Generation der Ablationstechnologie
Neben der Optimierung bestehender Ablationstechniken treibt KI auch die Entwicklung völlig neuer Verfahren voran. Ein Beispiel hierfür ist die Pulsed-Field-Ablation (PFA), eine innovative Technologie, die elektrische Pulse nutzt, um Herzmuskelzellen selektiv zu veröden. Im Gegensatz zu herkömmlichen Ablationsmethoden, die auf Hitze oder Kälte basieren, arbeitet PFA mit ultrakurzen, hochfrequenten elektrischen Feldern. Dies führt zu einer sehr gezielten Nekrose der Herzmuskelzellen, während umliegendes Gewebe, wie beispielsweise die Speiseröhre oder der Phrenikusnerv, geschont wird.
KI spielt bei der PFA eine entscheidende Rolle, indem sie die Pulsfrequenz in Echtzeit an die Gewebedicke adaptiert. Dies gewährleistet eine optimale Ablationswirkung bei maximaler Sicherheit. Erste Studien am Deutschen Herzzentrum Berlin (DHZC) zeigen vielversprechende Ergebnisse. So konnte die Prozedurzeit durch den Einsatz von PFA im Vergleich zu herkömmlichen Ablationsverfahren um bis zu 40 % reduziert werden. Gleichzeitig wurde eine hohe Sicherheit des Verfahrens demonstriert, insbesondere in Bezug auf die Schonung der Speiseröhre und des Phrenikusnervs, die bei herkömmlichen Ablationsverfahren manchmal geschädigt werden können. PFA könnte somit die Ablation von Vorhofflimmern nicht nur effizienter, sondern auch sicherer machen und die Behandlung für Patienten angenehmer gestalten.
KI in der digitalen Pathologie und Diagnoseunterstützung: Präzision und Geschwindigkeit im Dienste der Diagnose
Die Pathologie, die Lehre von den Krankheiten, spielt eine zentrale Rolle in der medizinischen Diagnostik. Traditionell basiert die pathologische Diagnostik auf der mikroskopischen Untersuchung von Gewebeproben. Dieser Prozess ist zeitaufwendig, subjektiv und kann durch die menschliche Ermüdung und Variabilität beeinflusst werden. Die digitale Pathologie, also die Digitalisierung von Gewebeschnitten und die Nutzung von computergestützten Analyseverfahren, verspricht hier eine Revolution. KI ist dabei ein Schlüsselfaktor, um die digitale Pathologie in vollem Umfang zu nutzen und die Diagnostik auf ein neues Niveau zu heben.
Automatisierte Tumordetektion: Krebszellen erkennen mit Deep Learning
Ein zentraler Anwendungsbereich der KI in der digitalen Pathologie ist die automatisierte Tumordetektion. Das Fraunhofer-Institut für Mikroelektronische Schaltungen hat Deep-Learning-Algorithmen entwickelt, die in digitalisierten Gewebeschnitten maligne Zellcluster mit beeindruckender Präzision identifizieren können. Die Sensitivität dieser Algorithmen liegt bei 97 %, was bedeutet, dass sie in 97 % der Fälle tatsächlich vorhandene Tumorzellen erkennen.
Durch den Einsatz von Transfer Learning, einer Methode des maschinellen Lernens, bei der Wissen aus einer Aufgabe auf eine andere übertragen wird, konnte das System an einer riesigen Datenbank von 250.000 histopathologischen Bildern trainiert werden. Dies ermöglicht es dem System, nicht nur Tumorzellen zu erkennen, sondern auch zwischen 32 Subtypen des duktalen Mammakarzinoms, der häufigsten Form von Brustkrebs, zu differenzieren. Diese detaillierte Subtypisierung ist für die Therapieplanung von entscheidender Bedeutung. Darüber hinaus kann die KI die Diagnosezeit in der Pathologie um bis zu 65 % verkürzen, was zu einer schnelleren Diagnose und somit zu einem früheren Therapiebeginn für die Patienten führt. Die automatisierte Tumordetektion durch KI kann somit die Effizienz und Genauigkeit der pathologischen Diagnostik erheblich verbessern und gleichzeitig die Arbeitsbelastung für Pathologen reduzieren.
Neuronale Netze in der Routinepathologie: Mikrometastasen aufspüren, die übersehen wurden
Ein weiteres Beispiel für den erfolgreichen Einsatz von KI in der Pathologie ist die Arbeit des Unternehmens Aisencia, das Convolutional Neural Networks (CNNs) einsetzt. Diese speziellen neuronalen Netze sind besonders gut darin, Muster in Bildern zu erkennen und werden in der digitalen Pathologie eingesetzt, um beispielsweise mikrovaskuläre Invasionen bei Kolonkarzinomen vorherzusagen. Mikrovaskuläre Invasionen, also das Eindringen von Tumorzellen in kleinste Blutgefäße, sind ein wichtiger prognostischer Faktor bei Darmkrebs und geben Hinweise auf das Risiko einer Metastasierung.
In einer Validierungsstudie an 1.200 Proben erreichte die KI von Aisencia eine Übereinstimmung von 94 % mit der Begutachtung durch erfahrene Pathologen. Dies zeigt, dass die KI in der Lage ist, mikrovaskuläre Invasionen mit einer ähnlichen Genauigkeit wie menschliche Experten zu erkennen. Bemerkenswert ist jedoch, dass die KI in dieser Studie zusätzlich 12 % Mikrometastasen detektierte, die bei der initialen Begutachtung übersehen wurden. Dies unterstreicht das Potenzial von KI, subtile Muster und Details zu erkennen, die dem menschlichen Auge möglicherweise entgehen. Der Einsatz von CNNs in der Routinepathologie kann somit die Qualität der Diagnostik verbessern und dazu beitragen, dass keine wichtigen Informationen übersehen werden.
SATURN: KI-basierte Diagnose seltener Erkrankungen – Den Diagnose-Odysseen ein Ende setzen
Seltenerkrankungen stellen eine besondere Herausforderung für das Gesundheitssystem dar. Oft vergehen Jahre, bis Patienten mit einer seltenen Erkrankung die richtige Diagnose erhalten. Diese sogenannten „Diagnose-Odysseen“ sind für die Betroffenen und ihre Familien sehr belastend. Hier kann KI einen wichtigen Beitrag leisten, um die Diagnosestellung zu beschleunigen und zu verbessern.
Das smarte Arztportal SATURN ist ein Beispiel für ein KI-basiertes System, das Natural Language Processing (NLP) mit Wissensgraphen kombiniert, um aus Symptomlisten Differenzialdiagnosen zu generieren. NLP ermöglicht es der KI, natürliche Sprache zu verstehen und zu verarbeiten, während Wissensgraphen medizinische Informationen und Zusammenhänge in strukturierter Form darstellen. In der Pilotphase des Projekts wurde SATURN auf die Diagnose seltener Stoffwechselerkrankungen getestet. Das System erkannte 78 % der Fälle von Morbus Gaucher und 84 % der Mukopolysaccharidosen korrekt. Die Fehlklassifikationsrate lag dabei bei lediglich 6,3 %.
Ein besonderer Vorteil von SATURN ist die Anbindung an den SE-ATLAS, ein Verzeichnis spezialisierter Behandlungszentren für seltene Erkrankungen. Dadurch kann das System nicht nur die Diagnose unterstützen, sondern auch direkt passende Experten und Zentren vorschlagen. Dies kann die Zeit bis zur richtigen Diagnose und Behandlung erheblich verkürzen. Studien zeigen, dass SATURN die Diagnosezeit von durchschnittlich 7,2 Jahren auf 1,8 Jahre reduzieren kann. KI-basierte Diagnoseunterstützungssysteme wie SATURN haben das Potenzial, die Versorgung von Patienten mit seltenen Erkrankungen grundlegend zu verbessern und ihnen unnötiges Leid zu ersparen.
Vorhersage von Walbewegungen mittels KI-gestützter Satellitenanalyse: Artenschutz im 21. Jahrhundert
Nicht nur im Gesundheitswesen, sondern auch im Artenschutz spielt KI eine immer wichtigere Rolle. Die Überwachung und der Schutz gefährdeter Tierarten sind entscheidend für den Erhalt der Biodiversität. Traditionelle Methoden zur Tierbeobachtung sind oft zeitaufwendig, teuer und können große Gebiete nur schwer abdecken. KI-gestützte Satellitenanalyse und akustisches Monitoring eröffnen hier völlig neue Möglichkeiten, um Tierbewegungen großflächig und effizient zu erfassen und so den Artenschutz effektiver zu gestalten.
SPACEWHALE: Deep Learning für marine Megafauna – Wale zählen aus dem All
Das von BioConsult SH entwickelte SPACEWHALE-System ist ein beeindruckendes Beispiel dafür, wie KI und Satellitentechnologie kombiniert werden können, um marine Megafauna zu überwachen. SPACEWHALE analysiert Satellitenbilder mit einer extrem hohen Auflösung von 30 cm (bereitgestellt von Maxar Technologies) mithilfe eines Ensembles aus CNNs und Random-Forest-Modellen. Diese KI-Modelle sind darauf trainiert, Wale in Satellitenbildern zu erkennen und zu klassifizieren.
In der Bucht von Auckland, einem wichtigen Lebensraum für Südliche Glattwale (Eubalaena australis), wurde SPACEWHALE erfolgreich eingesetzt. Die KI detektierte 94 % der Wale, die sich in dem Gebiet aufhielten. Die manuelle Validierung durch erfahrene Marinebiologen bestätigte die hohe Genauigkeit des Systems mit 98,7 %. SPACEWHALE reduziert die Kosten für die Walerfassung im Vergleich zu herkömmlichen Flugzeugzählungen um bis zu 70 %. Darüber hinaus ermöglicht die Methode erstmals großflächige Bestandserhebungen in der Hochsee, also in Gebieten, die mit herkömmlichen Methoden nur schwer zugänglich sind. SPACEWHALE zeigt, wie KI-gestützte Satellitenanalyse den Artenschutz revolutionieren kann, indem sie präzisere, kostengünstigere und großflächigere Überwachungsmöglichkeiten bietet.
Akustisches Monitoring und Habitatmodellierung: Wale hören und Wanderrouten vorhersagen
Neben der visuellen Erfassung durch Satellitenbilder spielt auch das akustische Monitoring eine wichtige Rolle im Artenschutz. Das WHALESAFE-Projekt vor Kalifornien kombiniert Hydrophon-Daten (Unterwassermikrofone) mit KI-basierten LSTM-Netzen (Long Short-Term Memory), um die Anwesenheit von Blauwalen in Echtzeit vorherzusagen. LSTM-Netze sind eine spezielle Art von neuronalen Netzen, die besonders gut darin sind, zeitliche Zusammenhänge in Daten zu erkennen.
Die WHALESAFE-Modelle berücksichtigen neben den akustischen Daten auch Umweltfaktoren wie Meerestemperatur, Chlorophyll-A-Konzentration (ein Indikator für die Algenblüte und somit für Nahrungsverfügbarkeit) und Schiffsverkehrsdaten. Durch die Kombination dieser verschiedenen Datenquellen erreichen die Modelle eine beeindruckende Trefferquote von 89 % bei der Vorhersage von Blauwal-Wanderrouten. Ein zentrales Ziel von WHALESAFE ist die Reduktion von Schiffskollisionen, einer der Hauptbedrohungen für Wale. Durch automatische Warnungen an Schiffe, die in kritische Gebiete einfahren, konnte die Kollisionsrate im Santa-Barbara-Kanal bereits um 42 % gesenkt werden. WHALESAFE demonstriert, wie KI-gestütztes akustisches Monitoring und Habitatmodellierung dazu beitragen können, Wale und andere Meerestiere besser zu schützen und Mensch-Tier-Konflikte zu minimieren.
Echtzeiterkennung von Kommunikationssignalen: Die Sprache der Pottwale verstehen
Ein besonders faszinierendes und zukunftsweisendes Projekt im Bereich des KI-gestützten Artenschutzes ist die Cetacean Translation Initiative (CETI). CETI hat sich zum Ziel gesetzt, die Kommunikation von Pottwalen zu entschlüsseln. Pottwale sind bekannt für ihre komplexen Klicklaute, sogenannte „Codas“, die sie zur Kommunikation untereinander nutzen. Das CETI-Projekt analysiert mittels Transformer-Modellen über 100.000 Stunden Pottwal-Klicks. Transformer-Modelle sind eine hochmoderne Architektur neuronaler Netze, die sich in den letzten Jahren in der Sprachverarbeitung als besonders leistungsfähig erwiesen hat.
Durch Contrastive Learning, eine Methode des maschinellen Lernens, bei der die KI lernt, ähnliche und unähnliche Datenpunkte zu unterscheiden, erkennt die KI von CETI kontextspezifische Codas. Diese Codas werden beispielsweise bei der Koordination von Tauchgängen oder der Jungenaufzucht verwendet. Erste Ergebnisse deuten darauf hin, dass die Pottwal-Kommunikation eine Syntax mit wiederkehrenden 5-Element-Sequenzen aufweist. Diese Erkenntnisse könnten Rückschlüsse auf intentionale Kommunikation ermöglichen, also darauf, dass Pottwale in der Lage sind, bewusst und zielgerichtet miteinander zu kommunizieren. CETI ist ein ambitioniertes Projekt, das nicht nur unser Verständnis der Wal-Kommunikation revolutionieren, sondern auch neue Wege für den Artenschutz eröffnen könnte, indem es uns ermöglicht, besser auf die Bedürfnisse und Verhaltensweisen dieser faszinierenden Tiere einzugehen.
Schlüsseltechnologie für eine bessere Zukunft
Die Beispiele in diesem Bericht zeigen eindrücklich, dass die Integration von KI in das Gesundheitswesen und den Artenschutz bereits heute transformative Wirkung entfaltet. In der Kardiologie ermöglicht KI präzisere und personalisierte Ablationsverfahren, in der Pathologie beschleunigt und verbessert sie die Tumordiagnostik, und im Artenschutz revolutioniert sie das Monitoring mariner Arten und ermöglicht ein tieferes Verständnis komplexer Tierverhalten. Doch dies ist erst der Anfang.
Zukunftsfelder wie Quantum Machine Learning, das die immense Rechenleistung von Quantencomputern nutzen könnte, versprechen weitere Durchbrüche in der Arrhythmie-Prognose und anderen medizinischen Bereichen. Im Artenschutz könnten swarm intelligence-basierte Systeme, die das kollektive Verhalten von Insektenschwärmen oder Vogelschwärmen nachbilden, für die Walverfolgung und den Schutz ganzer Ökosysteme eingesetzt werden. Um das volle Potenzial KI-gestützter Innovationen auszuschöpfen, ist jedoch eine enge interdisziplinäre Zusammenarbeit zwischen Medizin, Informatik, Ökologie und vielen weiteren Disziplinen unerlässlich. Nur durch den Austausch von Wissen und Expertise können wir sicherstellen, dass KI-Technologien verantwortungsvoll und zum Wohle von Mensch und Umwelt eingesetzt werden. Die Zukunft ist intelligent – gestalten wir sie gemeinsam.
Passend dazu:
Ihr globaler Marketing und Business Development Partner
☑️ Unsere Geschäftssprache ist Englisch oder Deutsch
☑️ NEU: Schriftverkehr in Ihrer Landessprache!
Konrad Wolfenstein
Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.
Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 89 89 674 804 (München) an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital
Ich freue mich auf unser gemeinsames Projekt.