Prof. Dr. Lena Maier-Hein kennt noch die Anfänge der Künstlichen Intelligenz (KI). Bei den „handgestrickten“ neuronalen Netzwerken, inspiriert durch Neurone im Gehirn, „war noch nicht viel ‚magic’ dahinter“, erinnerte sich die Kollegin vom Nationalen Centrum für Tumorerkrankungen am Deutschen Krebsforschungszentrum, Heidelberg. Das hat sich geändert. Heute seien Persönlichkeitscharakteristika von KI-Systemen nicht wesentlich anders als die von Menschen. 

Künstliche Intelligenz hat in der Medizin schon viele Hürden genommen. Mitunter gibt sie sogar qualitativ hochwertigere und empathischere Antworten auf Fragen von Patienten als ein Arzt, wie eine Studie belegt.¹ Bis 2022 hatte die amerikanische Zulassungsbehörde FDA bereits 521 KI-Systeme zur medizinischen Anwendung für den US-Markt freigegeben – vor allem im Bereich Bildgebung. Doch nicht alles, was erforscht wurde, hat im wirklichen Leben einen Vorteil, meinte Prof. Maier-Hein. 

Beispielsweise sollte ein Google-Deep-Learning-Algorithmus die Detektion der diabetischen Retinopathie verbessern. Während der Testphasen lagen Sensitivität und Spezifität bei > 90 %. Nachdem die KI in Thailand ausgerollt wurde, erwies sie sich jedoch als nicht praxistauglich.

Prof. Maier-Hein kritisierte, dass es zwar eine Flut von KI-Publikationen gebe, häufig aber grundlegende Fragen die Metrik oder die externe Validierung der entwickelten Systeme betreffend vernachlässigt werden würden. Als Beispiel nannte sie die pixelorientierte Auswertung von digitalem Bildmaterial. Die Kameras würden sich am menschlichen Auge orientieren. „Das macht aus Sicht der Informationswissenschaft wenig Sinn“, erklärte sie. Die multispektrale Bildgebung dagegen geht über das sichtbare Licht hinaus und liefert Ergebnisse im Nahinfrarotbereich (s. Kasten).