Kann künstliche Intelligenz den Krebs besiegen?

Das hat natürlich sehr viel damit zu tun, wie viel Erfahrung Ärzt:innen auf ihrem Gebiet vorweisen können. Das schließt einerseits die Praxis ein, also die wirkliche Behandlung von Patient:innen. Andererseits natürlich auch die wissenschaftliche Auseinandersetzung mit aktuellen Forschungsergebnissen, also neuartigen und anderen Behandlungsoptionen.

Nicht alle Ärzt:innen diagnostizieren eine bestimmte Erkrankung anhand spezifischer Symptome (immer) korrekt. Dafür ist die Variabilität einer Erkrankung häufig zu groß. Es zeigt sich, dass der Computer zum Beispiel  bei der äußerlichen Diagnose von Hautkrebs signifikant besser ist als ausgebildete Fachärzt:innen – und das sogar, ohne dass dem Computer weitere Daten der Patient:innen vorliegen, mit denen Fachärzt:innen eine bessere Diagnose erstellen.

Das ist eine zu pauschale Aussage. Ja, es gibt Diagnosemethoden, die leider eine sehr hohe Fehlerquote aufweisen. Das trifft etwa auf die Mammografie zu. Hier liegt die Fehlerquote bei 50 Prozent für den Zeitraum von zehn Jahren. In der Studie war es wie folgt: Die KI schafft hier eine Trefferquote von 90 Prozent. Sie liegt damit leicht besser als die Fachärzt:innen, die es immerhin auf 77–87 Prozent geschafft haben. Insofern sind Ärzt:innen also auch nicht allzu schlecht, aber es kommt vor allem auf die Erfahrung an, wie gut sie aufgrund einer Mammografie diagnostizieren können.

Nutzt man diese Möglichkeit, kann man vielen Frauen eine unnötige Brustoperation ersparen.

Streng genommen eher nicht.

Unter künstliche Intelligenz fassen wir neuronale Netze, bei denen die KI anhand von Material selbst ihre Schlüsse zieht und lernt. Bei Watson ist es dagegen so, dass er mit unzähligen Daten gefüttert und „von Hand“, also von einschlägigen Onkolog:innen, trainiert wird. Insofern gibt Watson das wieder, was die Ärzt:innen als best practice erkennen.

Watson kann es mit dieser Methode aber nicht schaffen, neuartige oder bessere Schlüsse zu ziehen als die Ärzt:innen. Er liefert (hoffentlich) die besten Therapieoptionen nach aktuellen Guidelines – und auch hier gibt es ein Problem: Watson wird von amerikanischen Forschenden und Ärzt:innen trainiert. Die amerikanischen Guidelines unterscheiden sich von denen in anderen Ländern.

Die KI macht dort Sinn, wo es für Ärzt:innen schwierig ist, den Überblick zu behalten oder immer auf dem Laufenden zu sein. Für die bestmögliche Behandlung müssten Mediziner:innen immer die aktuellsten Publikationen der Wissenschaft kennen. Bei der aktuellen Publikationsvielfalt und -frequenz ist das in manchen Gebieten nur schwer möglich.

Hier könnte die KI Abhilfe schaffen und so vor allem bei seltenen Erkrankungen vielleicht ausschlaggebend sein.