Wie KI neue Möglichkeiten im Gesundheitswesen schafft

Tim McCarty: Wenn wir ... und wenn die meisten Menschen in diesem Raum an künstliche Intelligenz (KI) denken, kommt uns nicht sofort das Gesundheitswesen in den Sinn. Es hat künstliche Intelligenz nur langsam übernommen. Manche könnten daraus schließen, dass das Gesundheitswesen und KI nicht miteinander vereinbar sind. Ich werde heute versuchen darzulegen, dass diese Schlussfolgerung falsch ist. Wir gehen davon aus, dass in den nächsten drei bis fünf Jahren die Einführung von künstlicher Intelligenz im Gesundheitswesen deutlich an Fahrt gewinnen wird und dass das Gesundheitswesen andere Marktsektoren in puncto KI-Nutzung überholen wird.

KI-Anwendungen im Gesundheitswesen: Krebs frühzeitig erkennen

Die Chance für KI bei Krebs liegt in einer früheren Diagnose, die zu besseren Behandlungsergebnissen führt. Denn das Problem bei Krebs ist, dass es nur … oft ist es zu spät für eine Behandlung, wenn erste Symptome auftreten – und bislang stehen nur wenige Screening-Methoden zur Verfügung, wie etwa die Mammographie bei Brustkrebs oder die Koloskopie bei Dickdarmkrebs.

Nun, KI wird bereits in frühen Stadien eingesetzt, um blutbasierte Screenings bei gesunden oder symptomfreien Patienten durchzuführen, um Krebs frühzeitig zu erkennen und den Betroffenen so bessere Heilungschancen zu ermöglichen. Ein anschauliches Beispiel aus der Praxis ist das Vorgehen der Dallas Cowboys. Und was Quarterback Dak Prescott dabei geleistet hat, ist wirklich inspirierend.

Leider trifft ihn der Krebs persönlich. Seine Mutter ist an Krebs verstorben. Er nutzt seine Stiftung, um sich für Früherkennungsuntersuchungen einzusetzen, und er rief dazu auf, dass sich die gesamte Cowboys-Organisation testen lässt. Im vergangenen Sommer unterzog sich ein Mitglied des Medienteams während des Trainingslagers einem Blutscreening-Test und erfuhr, dass bei ihm möglicherweise Anzeichen für Kopf-Hals-Krebs vorliegen. Anschließend wurde bei dem Mann ein diagnostischer Folgetest durchgeführt, der bestätigte, dass er tatsächlich Kopf- oder Halskrebs im zweiten Stadium hatte. Entscheidend ist jedoch, dass er keinerlei Symptome hatte und während der spielfreien Woche behandelt wurde. Er verdankt Dak Prescott sein Leben. Dies ist also ein konkretes Beispiel aus der Praxis, das das Ganze verdeutlicht.

Verbesserung der Erfahrung von Patienten, Kostenträgern und Leistungserbringern

Es gibt eine Erkrankung namens schwere Aortenstenose, bei der die Sterblichkeitsrate innerhalb von zwei Jahren bei 50 % liegt, wenn diese Krankheit nicht behandelt wird. Die gute Nachricht für Patienten ist jedoch, dass es als Alternative zur Operation am offenen Herzen einen minimalinvasiven Ansatz gibt: die Transkatheter-Aortenklappenimplantation, die den betroffenen Patienten eine neue Lebensperspektive verschafft. Und künstliche Intelligenz ermöglicht in allen drei Bereichen eine bessere Diagnose dieser Erkrankung – beim Hausarzt, beim allgemeinen Kardiologen und dann in den Gesundheitssystemen.

Der normale Behandlungsweg bei dieser Erkrankung beginnt in der Regel beim Hausarzt, der im Rahmen einer jährlichen Untersuchung ein Herzgeräusch hören muss. Das Ganze ist jedoch sehr unzuverlässig. Es ist ein sehr unzuverlässiger Prozess, der fehleranfällig ist. Doch inzwischen wird beim Hausarzt KI in Stethoskope integriert, um die Fehlerquote zu senken.

Anschließend geht der Weg des Patienten zum allgemeinen Kardiologen. Dort muss sich der Patient dann einem diagnostischen Test unterziehen, der als Echokardiogramm bezeichnet wird. Wie bei jedem diagnostischen Verfahren gibt es jedoch eine Fehlerquote, und KI dient hier dem Echokardiographen als zusätzliche Unterstützung.

Führende akademische Gesundheitszentren in diesem Land schätzen, dass nur 50 % ihrer diagnostizierten Patienten behandelt werden. KI wird also mit elektronischen Patientenakten verknüpft und in Gesundheitssysteme integriert, um proaktiv Patienten zu identifizieren, die aus unterschiedlichen Gründen durch das Raster gefallen sind. Und das ist es, was ich im Gesundheitswesen als „Volltreffer” bezeichne – ein Szenario, in dem alle drei zentralen Akteure des Gesundheitssystems, also Patient, Kostenträger und Leistungserbringer, gleichermaßen Anreize haben, diese Technologie zu übernehmen.

Beschleunigung der Arzneimittelforschung

Die Arzneimittelforschung ist ein sehr ineffizienter Prozess. Und wir glauben, dass künstliche Intelligenz diese Effizienz verbessern kann. Was bedeutet das konkret? Auf lange Sicht könnte dies zu einer Neubewertung der Multiplikatoren von Biopharma-Unternehmen führen. Ich beziehe mich gerne auf eine 10/10-Regel, wie ich sie nenne, um zu veranschaulichen, wie ineffizient die Arzneimittelforschung ist. Von der Entwicklung eines Medikaments bis zur Marktreife vergehen im Durchschnitt zehn Jahre, und dann schaffen es nur 10 % der Medikamente tatsächlich auf den Markt; 90 % scheitern, und wenn man Neuformulierungen oder Me-to-Medikamente ausschließt, sind es nur 5 %. Also, ein sehr ineffizienter Prozess.

Biopharma-Unternehmen verfügen über eine Fülle von Daten, hatten aber bisher nicht wirklich die Mittel, diese Daten zu ihrem Vorteil zu nutzen. Doch künstliche Intelligenz analysiert diese Daten,
wodurch sich die Struktur und Wechselwirkungen von Biomolekülen besser vorhersagen lassen. Wir sind der Ansicht, dass dies zu einer Verbesserung der 10/10-Regel führen kann. Und wenn man den Gesundheitssektor insgesamt betrachtet, haben Biopharma-Unternehmen einige der besten Margen, aber sie werden aufgrund dieser 10/10-Regel bzw. Ineffizienz mit den niedrigsten Multiplikatoren gehandelt. Wenn KI hier jedoch Verbesserungen bringen kann, glauben wir, dass dies langfristig zu einer Anpassung der Bewertungsmultiplikatoren im Biopharma-Bereich führen könnte.