Für Ärztinnen und Ärzte bedeutet der Durchbruch künstlicher Intelligenz (KI) mittel- und langfristig eine wesentliche Veränderung ihres beruflichen Alltags. Die Einsatzmöglichkeiten von KI in der Arztpraxis reichen von der Verbesserung der Effizienz in der Praxisverwaltung bis hin zur Unterstützung bei der Diagnosestellung und Patientenversorgung.

Nicht alles, was sich KI in der Arztpraxis nennt, ist auch wirklich KI. Laut einer Definition des Europäischen Parlaments ist KI die „Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren.“

Schwache und starke KI

Man unterscheidet zwischen schwacher und starker KI. Schwache KI sind Anwendungen, die darauf trainiert sind, eine bestimmte Funktion zu erfüllen, wie z.B. die Analyse medizinischer Daten. Solche KI kann jedoch nicht in anderen Bereichen eingesetzt werden. Diese Anwendungen sind bereits im medizinischen Alltag verbreitet, z.B. in Diagnosewerkzeugen und zur Analyse des Patientenverhaltens. Starke KI, die über menschenähnliche Fähigkeiten verfügt, Probleme zu lösen und zu lernen, ist derzeit noch ein theoretisches Konstrukt. Wissenschaftler sind sich uneins darüber, wie weit der Weg zur starken KI noch ist.

Machine Learning

Machine Learning (ML) ermöglicht es Software, aus Daten zu lernen und Entscheidungen zu treffen, ohne explizit programmiert zu sein. In der ärztlichen Praxis kann ML beispielsweise zur Analyse von Krankheitsmustern in großen Patientendatenbanken genutzt werden, um personalisierte Behandlungspläne zu erstellen oder um frühzeitig Risikofaktoren für bestimmte Erkrankungen zu identifizieren.

Deep Learning

Deep Learning, ein Teilbereich des maschinellen Lernens, basiert auf künstlichen neuronalen Netzwerken und eignet sich besonders für Aufgaben, die das Erkennen von Mustern in großen und komplexen Datensätzen erfordern. In der medizinischen Bildgebung kann Deep Learning beispielsweise zur genaueren Diagnose von Krankheiten wie Krebs oder zur Analyse von Röntgenbildern eingesetzt werden, indem es Muster erkennt, die für menschliche Augen schwer zu identifizieren sind.

Große Sprachmodelle

Große Sprachmodelle (LLMs) wie ChatGPT konzentrieren sich auf Sprachverarbeitung und -generierung. In der ärztlichen Praxis können LLMs zur Verbesserung der Kommunikation mit Patienten eingesetzt werden, beispielsweise durch automatisierte Patientenbefragungen, die Informationen vor dem eigentlichen Arztbesuch sammeln. Sie können auch zur Erstellung und Zusammenfassung von Patientenberichten genutzt werden, um Ärzten einen schnellen Überblick über den Gesundheitszustand und die Historie ihrer Patienten zu geben.

Die Grenzen von LLMs liegen in der fehlenden Fähigkeit, Kontext außerhalb ihres Trainingsdatensatzes zu verstehen. Deshalb werden neue Systeme entwickelt, die klassische Datenbanken mit verifizierten Informationen und LLMs kombinieren, um die Genauigkeit und Zuverlässigkeit in der ärztlichen Praxis zu erhöhen.