• Die Technologie der künstlichen Intelligenz (KI) hat in den letzten Jahren rasante Fortschritte gemacht und bietet viele praktische Anwendungen im Gesundheitswesen.

• Laboratorien könnten von künstlicher Intelligenz profitieren, die das Potenzial hat, ihre Arbeitsweise zu verändern.

• Die regulatorischen Herausforderungen, die mit der Einführung von KI verbunden sind, müssen überwunden werden, um einen breiteren Einsatz und Nutzen zu ermöglichen.

Die Technologie der künstlichen Intelligenz (KI) hat in den letzten Jahren rasante Fortschritte gemacht. Sie hat sich als wertvoll erwiesen, da sie in der Lage ist, komplexe Algorithmen zu verarbeiten und Routineaufgaben schnell und präzise zu erledigen, wobei sie ein Leistungsniveau erreicht, das mit dem von Experten auf dem jeweiligen Gebiet vergleichbar ist.1

Da die Nutzung von Labortests immer wichtiger wird, um medizinische Fragen zu beantworten, rückt der Einsatz von KI in der Labormedizin zunehmend in den Fokus – als Möglichkeit, die täglich anfallende große Menge komplexer Testergebnisse zu bewältigen.

Auf der jüngsten Konferenz der Association for Diagnostics and Laboratoriumsmedizin (ADLM) diskutierte Peter McCaffrey, MD, MS, FCAP, Chief AI Officer an der University of Texas University of Texas Medical Branch, wie datenreiche Laborumgebungen KI nutzen können, um eine effiziente Verarbeitung zu ermöglichen und das Labor in den Mittelpunkt des Arbeitsablaufs in der Patientenversorgung zu stellen.

Viele alltägliche, routinemäßig strukturierte Aufgaben oder Funktionen können durch die Einführung von KI effizienter und weniger arbeitsintensiv gestaltet werden. Hier sieht Dr. McCaffrey eine erste Anwendung im Gesundheitswesen.2

Er weist darauf hin, dass Ärzte einen Großteil ihrer Zeit mit Aufgaben verbringen, die nicht auf die menschliche Interaktion mit dem Patienten ausgerichtet sind. Er ist davon überzeugt, dass KI dazu beitragen kann, Menschen von Dokumentationsaufgaben zu entlasten und einige der ineffizienten Verwaltungsaufgaben zu eliminieren, die den Arbeitsfluss in der Patientenversorgung unterbrechen können. „An der University of Texas Medical Branch (UTMB) sehen wir eine Chance darin, Dinge auszulagern, bei denen es nicht darum geht, dass der Arzt mit dem Patienten über seine Gesundheit spricht, sondern darum, herauszufinden, was er braucht, ihn zu begleiten, ihn zu beraten, die Art von humanistischer Note“, sagt er.

Damit Ärzte die bestmögliche Versorgung bieten können, spielt das Labor nach Ansicht von Dr. McCaffrey eine „enorme Rolle“. „Wenn man bedenkt, was Ärzte und Menschen von der Gesundheitsversorgung erwarten, wollen sie ständig klinische Schlussfolgerungen über alle möglichen Dinge“, betont er, und genau hier kommen seiner Meinung nach die Testergebnisse aus dem Labor ins Spiel. „Humanistische Aspekte wie die Bereicherung der Beziehung werden in hohem Maße von dem bestimmt, was wir den Ärzten zur Verfügung stellen - die Beratung, die wir anbieten, und die Ergebnisse, die wir liefern.“

Gegenwärtig ist die Interpretation der Ergebnisse zeitaufwendig und erfordert das Fachwissen von Ärzten, was hohe Personalkosten mit sich bringt. KI ist jedoch zunehmend in der Lage, die Leistung in diesem Bereich zu verbessern und den Zeitaufwand für diese Aufgabe zu verringern. „Ich denke, wir werden einen Trend sehen, bei dem der Wert der Interpretation abnimmt, aber man erwartet, dass KI zehnmal so viel leistet wie ein Labor“, sagt Dr. McCaffrey.

Es gibt viele Anwendungen für KI in Form von Vorhersage-, Generierungs- und Betriebswerkzeugen, die bei der Verarbeitung und Analyse einzelner Daten helfen und sogar Empfehlungen für die nächsten Schritte geben können. Dr. McCaffrey ist der Ansicht, dass diese KI-Tools dazu führen werden, dass das klinische Labor eine entscheidende Rolle in der Patientenversorgung spielen wird.

KI in Form von computergestützten Softwaretools kann jetzt dabei helfen vorherzusagen, welche Personen ein Risiko für bestimmte Krankheiten haben. Wenn sein Labor ein komplettes Blutbild erhält, fragt sich Dr. McCaffrey, welche Informationen sich daraus ableiten lassen. „Können wir vorhersagen, wer anämisch wird? Können wir damit die sinnvollsten Arbeitsabläufe bei Darmspiegelungen oder Nachuntersuchungen vorhersehen? Wir machen das auch in der Radiologie. Wenn man beim UTMB eine Röntgenaufnahme des Brustkorbs oder eine Computertomographie macht, wird nach Verkalkungen der Aorta und der Koronararterien gesucht“, sagt er.

Er ist der Meinung, dass bessere Ergebnisse für die Patienten erzielt werden könnten, wenn „opportunistische Screenings“ zur Routine stünden. Denn Patienten erzeugen Datenströme, egal aus welchem Grund sie ins Krankenhaus kommen. Ob es sich um ein Bild, eine Gewebeprobe oder eine Blutprobe handelt, sie enthalten wertvolle diagnostische Informationen. Er sagt: „Unserer Meinung nach sollte es nicht notwendig sein, dass jemand entscheidet, dass es sich lohnt, etwas genauer zu untersuchen, es sollte im Grunde genommen immer kostenlos genauer untersucht werden, damit die Dinge, die daran ungewöhnlich sind, genutzt werden können, um den Versorgungsablauf voranzutreiben. Und ich denke, das bringt bessere Ergebnisse für die Patienten.“

Eine komplexere Anwendung von KI im Gesundheitswesen ist die generative KI. Dr. McCaffrey hat die Einführung dieser Technologie in den Bereichen Interpretation und imperative Führung erlebt, bei der KI-gesteuerte Arbeitsabläufe ausgeführt werden. Beispielsweise hat das UTMB-Team einen toxikologischen Interpretationsprozess erstellt, dessen Template von Chat GPT-4 geschrieben wurde, mit etwas Prompt-Engineering und unter Verwendung der RAG-Technologie (Retrieval-Automated Generation), die eine riesige Menge an validierten medizinischem Wissen anzapfen kann, um zusätzliche Informationen zu liefern.3

Der Arbeitsablauf umfasst nun die folgenden Schritte:

• Ein Medikamenten-Screening mittels Urin-Massenspektrometrie wird veranlasst.

• Die Ergebnisse der Flüssigchromatographie-Massenspektrometrie werden erstellt.

• Die Ergebnisse werden von einem KI-Agenten (Softwareprogramm zur Ausführung bestimmter Aufgaben) erfasst.

• Mit Hilfe der RAG-Technologie ruft der KI-Agent zusätzliche Informationen aus elektronischen Patientenakten ab, z.B. über aktive Medikamente, Alter, Geschlecht und ethnische Zugehörigkeit des Patienten sowie andere Parameter.

• Der Befund wird mit Hilfe der Wissensdatenbank für Interpretationshilfen erstellt und automatisch in die elektronische Patientenakte übertragen.

• Der Arzt sieht seine Liste der ausstehenden Untersuchungen und kann den Patientenbericht abzeichnen oder bei Bedarf bearbeiten.

Durch diesen Prozess erhalten die Ärzte mehr Kontext, und hier hofft Dr. McCaffrey, dass die KI die Dinge vorantreiben wird, um das Wissen der Gesundheitsdienstleister zu erweitern und die Patientenversorgung zu verbessern.

Dr. McCaffrey sieht auch viele Einsatzmöglichkeiten für KI in einer eher bürokratischen oder administrativen Funktion. Derzeit nutzt der UTMB künstliche Intelligenz zur Unterstützung bei Aufgaben wie Vorabgenehmigungen, Bürokratie und der Zusammenstellung der zahlreichen Faxe und E-Mails, die von verschiedenen Interessengruppen eingehen.

Die Mitarbeiter des UTMB haben auch festgestellt, dass KI bei der Beantwortung von Fragen zu Standardarbeitsanweisungen (SOPs) und bei der Überprüfung von Dokumenten hilfreich sein kann. Wenn früher Dr. McCaffrey nach seiner Meinung gefragt wurde, können die Mitarbeiter jetzt stattdessen einem KI-Agenten Fragen stellen, wie z.B. „Was macht man mit diesem Schlauch?“ Sie haben KI auch für Aufgaben wie die Überprüfung von SOPs auf Widersprüche zwischen Richtlinien eingesetzt und dabei einige Ungenauigkeiten aufgedeckt. „Hier steht 5 [Milliliter], dort steht 4 Milliliter, hier steht grüner Deckel, dort steht orangefarbener Deckel“, sagt er. “Das sind 10.000 Seiten PDF-Dateien, die sich kein Mensch anschauen kann, aber KI schon. Es gibt noch einen weiteren Bereich, wo sie sehr hilfreich ist.“

Obwohl KI im Laborbereich eindeutig von Nutzen ist, gibt es einige Herausforderungen hinsichtlich ihrer breiteren Anwendung, wie z.B. Einstellungen und Unsicherheit bezüglich der Regulierung.4

„Wir haben keine Klarheit in Bezug auf die Aufsichtsbehörden, wir haben keine Klarheit in Bezug auf die Technologie, wir haben keine Klarheit in Bezug auf die Politik“, sagt Dr. McCaffrey. „Wir haben keine logistische Klarheit darüber, wie etwas eingesetzt werden soll, wo oder was bei der Überwachung zu tun ist und wie weit unser Verhalten dort geht. Das muss geklärt werden.“

Er glaubt, dass Klarheit möglich ist und dass der Druck des Marktes zusammen mit dem kollektiven Willen zur Veränderung Lösungen für diese Herausforderungen bringen wird. Er bemerkt dazu: „Wir haben in der Vergangenheit viele komplizierte Dinge hervorgebracht, wie zum Beispiel die Massenspektrometrie. Ich glaube nicht, dass dies wirklich komplizierter ist, es ist nur ein etwas anderer Anwendungsfall.

Seine Hoffnung für die Zukunft ist, dass – sobald ein rechtlicher Rahmen geschaffen wurde – Labore aufgrund der großen Menge an Informationen, die sie den Leistungserbringern im Gesundheitswesen zur Verfügung stellen können, eine größere „Vorhersagekraft“ in Bezug auf die Behandlungspfade haben werden. In der Praxis könnte dies bedeuten, dass durch KI automatisierte Identifizierungen und Vorschläge für bestimmte Erkrankungen bei Patientenpfaden vorgenommen werden. „Wir sollten dies standardmäßiger tun, und ich denke, dass KI uns endlich in die Lage versetzen kann, dies zu tun, und ich bin zuversichtlich, dass sich der Wert dieses Ansatzes zeigen wird“, sagt er.

Weitere Beispiele für den Einsatz von KI von Dr. McCaffrey finden Sie in der vollständigen Präsentation Digitale Lösungen eröffnen neue Möglichkeiten für eine bessere Gesundheitsversorgung.

1. Hou H et al. (2024). Clinica Chimica Acta, 559, 119724. Paper available from https://www.sciencedirect.com/science/article/abs/pii/S0009898124019752 [Accessed October 2024]

2. Forbes. (2024). Article available from https://www.forbes.com/sites/bernardmarr/2024/06/17/what-jobs-will-ai-replace-first/ [Accessed October 2024]

3. KeyReply. (2024). Article available from https://www.keyreply.com/blog/leveraging-rag-to-rethink-healthcare-a-new-era-of-ai-integration [Accessed October 2024]

4. Mennella C et al. (2024). Heliyon 10, e26297. Paper available from https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10879008/ [Accessed October 2024]