Im Zeitalter der Digitalisierung, wo in allen Bereichen förmlich vom technologischen Fortschritt geschwärmt wird und der Stellenwert gar nicht hoch genug eingeordnet werden kann, sieht sich Künstliche Intelligenz im Gesundheitswesen nach wie vor mit Schwachstellen und Hindernissen konfrontiert, die die Anwendungen in der Entfaltung ihres Potenzials, wozu diese vielleicht heute schon in der Lage wären, hindern. Dabei beziehen sich diese Schwachstellen Künstlicher Intelligenz nicht nur auf die Technologie und Technik selbst, sondern allen voran auf die Menschen und die Gegebenheiten in den Einrichtungen des Gesundheitswesens und in deren Umfeld.
Schwachstellen Künstlicher Intelligenz
Als Schwachstellen Künstlicher Intelligenz könnten – beispielsweise – die Limitation der Lesbarkeit patientenrelevanter Daten angesehen werden. Folglich können die Anwendungen künstlicher Intelligenz nicht alle für die Diagnose bedeutsamen Gegebenheiten wahrnehmen bzw. können die Algorithmen diese schlicht nicht in die Diagnose einbeziehen, was eventuell zu einer Fehldiagnose führen könnte. Zu solch Gegebenheiten, die dem Algorithmus aufgrund ihrer fehlenden Lesbarkeit – im technischen Sinne – verborgen bleiben, zählen neben äußeren Auffälligkeiten wie muskuläre Spannungszustände oder gerötete Augen auch die Mimik und Gestik eines Patienten.
In der Folge schließen sich weitere Schwachstellen Künstlicher Intelligenz an, die vor allem im Bereich der intelligenten Roboter im Gesundheitswesen, eine bedeutende Rolle spielt. Roboter im Gesundheitswesen haben oft vor allem auch eine unterstützende Funktion des Personals in den verschiedenen Bereichen wie zum Beispiel der Pflege. Der Grund, wieso sie über diese Funktion nicht hinauskommen, lässt sich schlicht anhand der fehlenden Feinmotorik erklären. Entsprechend sind die Roboter zwar heute bereits in der Lage, beispielsweise einen Patienten von A nach B zu transportieren, jedoch bedarf es nach wie vor der menschlichen Unterstützung, sobald es daran geht den Patienten möglichst sanft abzusetzen bzw. abzulegen.
Zusätzlich können die fehlende Empathie sowie die fehlende Intuition der Algorithmen künstlicher Intelligenz als Schwachstelle betrachtet werden. Dies stellt allen voran hinsichtlich sogenannter Chatbots, welche den Patienten eine Anamnese bzw. folglich auch eine Diagnose per Smartphone oder anderem technischem Gerät ermöglichen sollen und auf der Grundlage lernfähiger Algorithmen basieren, ein Problem dar. Während ein Arzt aufgrund der jeweiligen Diagnose und Situation sich die richtigen Worte zurechtlegen kann, ohne den Patienten unnötig zu verunsichern, listet der Algorithmus mittels künstlicher Intelligenz dem Patienten schlicht und ergreifend die Faktenlage auf und lässt ihn mit der Gewissheit einer eventuellen Erkrankung für den Moment allein. Die fehlende Intuition lässt sich anhand des Beispiels erklären, dass der Patient für die Angabe der Gegebenheiten auf sich allein gestellt ist und möglicherweise unbewusst relevante Umstände für sich behält. Ein Arzt würde durch die menschliche Intuition sowie seiner Erfahrung mit den verschiedensten Menschen vielleicht darauf kommen, noch einmal gezielter nachzufragen bzw. einen bestimmten Umstand einfach abzuprüfen. Der Algorithmus muss sich auf die Angaben des Patienten verlassen und kann nur entsprechend der ihm zur Verfügung gestellten Datenlage eine Diagnose stellen bzw. prognostizieren.
Eine weitere und wenn nicht eine der bedeutendsten Schwachstellen haben die Menschen mit künstlicher Intelligenz gemein, wenn es darum geht, die jeweilige Entscheidungsfindung nachzuempfinden. Genau wie es einem jedem von Zeit zu Zeit schwerfällt, zu verstehen, anhand welcher Faktoren das Gegenüber in diesem Moment eine beliebige Entscheidung getroffen hat, ist dies bei Algorithmen künstlicher Intelligenz ohne tiefgreifende Analyse nicht anders. Entsprechend kann es vorkommen, dass zwei Algorithmen, welche beide auf dieselbe Erkrankung trainiert wurden, zwar zu einem identischen Ergebnis im Rahmen der Diagnose bzw. Befundung gelangen, aber sich bezüglich der Entscheidungsfindung grundlegend unterscheiden. Während einer der Algorithmen schlicht anhand der Beschriftungen der einzelnen Datensätze seine Diagnose trifft, ist es möglich, dass der zweite Algorithmus bei seiner Diagnose wesentlich tiefgreifender auf bestimmte Muster in den Datensätzen – oft in Form von Abbildungen – achtet und anhand derer seinen Befund erstellt.
Der Mensch als größtes Hindernis künstlicher Intelligenz im Gesundheitswesen
Wenn einmal die Hindernisse betrachtet werden, mit welchen sich die Anwendungen künstlicher Intelligenz im Gesundheitswesen auseinanderzusetzen haben, dauert es nicht lange bis auffällt, dass allen voran der Mensch selbst das größte Hindernis darstellt, geht es vordergründig um die gesellschaftliche Akzeptanz. Entsprechend sehen sich – kurz gefasst – neue Technologien immer erst mit der Skepsis sowie der Kritik der Gesellschaft konfrontiert, ehe sie Stück für Stück aufgrund ihres Nutzens und Potenzials für die jeweiligen Bereiche Anerkennung finden sowie auch verdienen. Im Gesundheitswesen ist die Hürde dahingehend immer noch ein wenig größer. Folglich lässt sich ganz allgemein feststellen, dass vorrangig der Mensch eine entscheidende Rolle spielt, wenn es um die Anwendungen künstlicher Intelligenz und damit zusammenhängende Hindernisse geht.
Ein Voranschreiten der Digitalisierung in allen Bereichen des alltäglichen Lebens benötigt ein paar grundlegende Voraussetzungen, wie beispielsweise einen angemessenen Ausbau des Breitbandnetzes. Vor allem die jahrzehntelange Verlegung von Kupferkabeln, wenn einmal die Situation in Deutschland betrachtet wird, entwickelt sich dabei zu einem großen Problem, welches letztlich auch wieder auf den Menschen zurückgeführt werden kann. Die Übertragung von Daten lässt bereits heute keine allzu großen Verzögerungen mehr zu. Viele Daten müssen in Echtzeit von einem System zum anderen übertragen werden. Demnach benötigen auch Anwendungen künstlicher Intelligenz eine hohe Übertragungsfrequenz, gilt es innerhalb von kürzester Zeit unzählige Datensätze zu analysieren und miteinander abzugleichen. Das Ziel war in Deutschland bis Ende des Jahres 2018, alle Haushalte mit einer Bandbreite von mindestens 50 Mbit/s zu versorgen. Zwar haben – beispielsweise – über 80 Prozent der Haushalte in Rheinland-Pfalz Zugang zu einer solchen Mindestbandbreite, jedoch betrifft dies allen voran den städtischen Raum. Im ländlichen Raum ist die Situation nach wie vor verhältnismäßig schlecht, sodass jeder Zweite in diesen Gebieten – wenn überhaupt – nur mit einer unzureichenden Bandbreite versorgt wird. [1] Mit Blick auf das Gesundheitswesen stellt dies ein großes Problem dar, wäre der Breitbandausbau vor allem auch in Bezug auf die Anwendungen künstlicher Intelligenz in den ländlichen Gebieten essenziell, um vollumfänglich von deren Nutzen und Potenzial profitieren zu können.
Ein Thema, was heutzutage einen jeden in irgendeiner Art und Weise beschäftigt, ist der Datenschutz. Dieser wird mit dem Blick auf das Gesundheitswesen und die Anwendung künstlicher Intelligenz schnell problematisch. Entsprechend bilden Daten die essenzielle Grundlage künstlicher Intelligenz. Im Gesundheitswesen entstehen diese bereits mit der Geburt eines Menschen und nehmen im Laufe der Jahre – beispielsweise – mit jedem Arztbesuch exponentiell zu. Die Algorithmen künstlicher Intelligenz benötigen diese umfassende Datenmenge, um Zusammenhänge erfassen und entsprechende Vorhersagen treffen zu können. Folglich ergibt sich die Problematik des Datenschutzes in diesem Bereich aus der Tatsache, dass die Daten im Gesundheitswesen größtenteils personenbezogen sind und somit die Erhebung sowie die Verarbeitung dieser – bezogen auf die Anwendungen künstlicher Intelligenz – das Einverständnis der Patienten benötigt. Daraus kann sich in der Folge die Konsequenz ergeben, dass wichtige Erkenntnisse im Rahmen einer bestimmten Erkrankung auf Wunsch bzw. der Anordnung des Patienten nicht verarbeitet werden dürfen und künstlicher Intelligenz wesentliche Informationen, welche zum Erfassen neuer Zusammenhänge beitragen könnten, verborgen bleiben und das Gesundheitswesen sowie die damit zusammenhängende Forschung in gewisser Hinsicht in ihrem Fortschritt und einem damit verbundenem Anstieg der Versorgungsqualität hindern.
Schwachstellen Künstlicher Intelligenz: Schlussfolgerung
Schlussendlich ist davon auszugehen, dass im Gesundheitswesen noch ein wenig Geduld aufgebracht werden muss, bis die zum Teil hier beschriebenen Schwachstellen Künstlicher Intelligenz beseitigt bzw. überwunden werden konnten. Ob und in welchem Umfang den Anwendungen künstlicher Intelligenz dies gelingt und sie die Möglichkeit zur Ausschöpfung ihres vollen Potenzials bekommen, hängt allen voran von den Menschen selbst ab. Entsprechend ist es die Aufgabe der Menschen, an den notwendigen Stellschrauben zu drehen, welche nicht nur mit Blick auf die derzeitige Situation, sondern weiter auch hinsichtlich der zukünftigen Entwicklung künstlicher Intelligenz den größten Einfluss auf die verschiedenen Technologien sowie Techniken haben.
Quellenangaben
[1] Vgl. Simon, J.: Digitalisierung im Gesundheitswesen – Blick auf Rheinland-Pfalz. In: Die Techniker, November 2018, https://www.tk.de/resource/blob/2057560/a6ddef57e323eaba8746529cbfb95e23/position-digitale-gesundheit-data.pdf (Zugriff am 06.05.2019)Bild: https://industrydailyobserver.com/ai-in-healthcare-market-detailed-study-with-growth-factors-drivers-and-key-players-google-ibm-microsoft-general-vision-enlitic/332080/
