Neuronale Netze? Machine Learning? Overfitting? Medizinstudierende wollen sich auf die Zukunft vorbereiten. Bisher steht das Thema Künstliche Intelligenz aber noch nicht explizit auf dem Lehrplan. Mit Unterstützung der LMU helfen Tim Wiegand und sein Team von LMU AIM daher anderen Kommilitoninnen und Kommilitonen, Menschen mithilfe von Künstlicher Intelligenz zukünftig besser zu behandeln.

Die Nachfrage nach Radiologinnen und Radiologen hat sich in den letzten zehn Jahren nahezu verdoppelt, die Anzahl ist aber fast gleichgeblieben. Das bedeutet, dass für die Untersuchung immer weniger Zeit bleibt. Das Problem: Je größer der Druck, desto mehr Fehler passieren. Zusätzlich sind die Untersuchungen viel komplexer geworden. Bei einer modernen Magnetresonanztomografie (MRT) erhält das medizinische Fachpersonal zum Beispiel 2.000 hochaufgelöste Einzelbilder der erkrankten Person. „Gerade die Radiologie ist ein Bereich in der Medizin, in dem Künstliche Intelligenz helfen kann“, ist Tim Wiegand überzeugt. Der 23-jährige Humanmedizinstudent an der LMU, der sich gerade im klinischen Abschnitt befindet, setzt sich daher mit seinem siebenköpfigen Team von LMU AIM (Künstliche Intelligenz in der Medizin) ehrenamtlich dafür ein, den Kommilitoninnen und Kommilitonen KI näherzubringen und das Thema langfristig in der Lehre zu integrieren. „KI heißt nicht nur Kontraindikation“, sagt er und lacht.

Großes Potenzial für KI in der Medizin

Begonnen hat alles vor knapp eineinhalb Jahren, als Wiegand und vier andere LMU-Studierende an einem KI-Sommercamp der Global Alliance of Medical Excellence (GAME) teilgenommen haben. Das internationale Netzwerk, an dem auch die LMU beteiligt ist, setzt sich dafür ein, eine globale interdisziplinäre Forschung mit innovativen Ansätzen in der medizinischen Lehre auf den Weg zu bringen. Ursprünglich sollte das Event über wenige Tage in Bologna stattfinden, durch Corona wurde ein Online-Seminar daraus – das dafür fast zwei Monate dauerte. „Dadurch haben wir viel mehr über KI in der Medizin gelernt als ursprünglich geplant“, erinnert sich Wiegand. „Eines der wenigen positiven Dinge an Corona.“ Anschließend tauschten sich die Teilnehmerinnen und Teilnehmer aus aller Welt in einer WhatsApp-Gruppe aus, wie sie KI an ihren Universitäten stärker in die Lehre integrieren können.

Die Potenziale für KI in der Medizin sind groß. Sie kann Sprache verarbeiten, also zum Beispiel Arztbriefe automatisieren oder die Anamnesegespräche aufnehmen und in die elektronische Gesundheitsakte integrieren. Auch kann KI Blutausstriche auf Blutkrebs oder andere Auffälligkeiten analysieren, sagt Wiegand. „Man kann auch wunderbar Daten verarbeiten, die kontinuierlich messbar sind, beispielsweise bei der Parkinson-Erkrankung.“ Mit Sensoren in Smartwatches ließen sich Bewegungsprofile erstellen, die deutlich mehr über Patientinnen und Patienten verraten als vereinzelte Untersuchungen oder Fragebögen. In der Radiologie kann KI Anomalien in medizinischen Bild-daten entdecken. Diese werden dann der behandelnden Person für eine schnellere, objektivere und sicherere Diagnose zurückgemeldet. Die Software deepc des LMU-Alumnus Franz Pfister, der mit LMU AIM zusammenarbeitet, untersucht beispielsweise Bilddaten der Scannergeräte in Krankenhäusern auf Auffälligkeiten.

Warum KI dennoch bisher kaum im Lehrplan der Medizin verankert ist? Alles hoffentlich nur eine Frage der Zeit, sagt Wiegand. „Ich bin vor fünf Jahren bei einem Forschungspraktikum in den USA mit dem Thema in Berührung gekommen“, erinnert er sich. Leider sei die Fachliteratur wegen der vielen mathematischen Formeln vor allem für Informatikstudierende ausgelegt gewesen. „Ohne Vorkenntnisse braucht es viel Zeit, sich einzuarbeiten.“ Wiegand geht davon aus, dass KI in den nächsten Jahren in jeden medizinischen Fachbereich Einzug findet. Deswegen sei es unerlässlich, dass sich jeder Studierende damit beschäftigt. LMU AIM erwartet nicht, dass jeder zum Programmierer wird. „Dafür gibt es entsprechende Fachleute. Aber wir Medizinerinnen und Mediziner müssen grundlegende Konzepte und Anwendungen verstehen und hinterfragen können, um KI zum Wohl unserer Patientinnen und Patienten anwenden zu können“, erläutert Wiegand. Daher veranstalten die Organisatoren Seminare und Vorlesungen, in denen alle Interessierten auch ohne Vorkenntnisse zum Beispiel einfache mathematische Modelle oder die Programmierung von neuronalen Netzen erklärt bekommen.

Mehr als ein kurzlebiger Hype

Zusätzlich organisiert LMU AIM mit Unterstützung des Dekanats der Medizinischen Fakultät regelmäßig Veranstaltungen darüber, wie KI in der Praxis angewendet wird und welche Start-ups es gibt. Dabei erklären ehemalige Studierende, wie sie mit ihren Ideen zum Thema zu Gründerinnen und Gründern wurden. Im November letzten Jahres gab es außerdem ein Symposium mit rund 300 Teilnehmerinnen und Teilnehmern, das sogar im Ärzteblatt und im Handelsblatt beworben wurde. Da es wegen Corona hybrid stattfand, konnten sich auch Interessierte aus aller Welt einklinken. Die Organisation sei nicht ganz einfach gewesen, erinnert sich Wiegand und lacht. „Wir saßen mit sieben Computer-Monitoren da, um das zu managen.“ Zuerst wurden KI-Anwendungen aus der Medizin vorgestellt, anschließend wurde über ethische und wirtschaftliche Fragen diskutiert und zum Schluss präsentierten Start-ups ihre Ideen.
Aktuell gibt es laut Wiegand aus datenschutzrechtlicher Sicht viele Hürden, die jedoch nicht unüberwindbar seien. „Damit es zu einer Kostenersparnis für Krankenhäuser kommt, müssen die Daten der Anwendungen wirklich gut sein“, sagt er. „Das ist fast noch wichtiger als der Algorithmus selbst.“ Jedoch sei auch entscheidend, die Algorithmen noch besser zu verstehen – insbesondere, wie sie Entscheidungen treffen. Das ist gar nicht so einfach und wird mittlerweile unter dem Begriff „explainable AI“ zusammengefasst. Damit künftige Ärztinnen und Ärzte KI in der Medizin adäquat nutzen und auch weiterentwickeln können, möchten Wiegand und sein Team die nötigen Informationen bereits während des Studiums vermitteln. Das Thema KI gebe es immerhin schon seit den 70er-Jahren.
„Natürlich gibt es in der medizinischen Praxis auch viele andere wichtige Themen“, erklärt Wiegand. „Aber KI beziehungsweise Machine Learning, Deep Learning oder die Auswertung größerer Daten sollte in Zukunft dennoch verstärkt in der Lehre vorkommen.“ Egal ob Wahlpflichtfach, Seminar oder Hackathon: „Wir möchten bei LMU AIM viele verschiedene Formate ausprobieren, um Studierende für KI zu begeistern und die besten Lehrmethoden zu finden“, sagt Wiegand. Die Unterstützung der LMU und das Interesse der Studierenden machen es möglich.

dl