Microsoft-Forscher haben ein KI-Tool entwickelt, das Patienten Schritt für Schritt diagnostiziert – so wie es Ärzte tun – und sich bei der Lösung komplexer medizinischer Fälle als mehr als doppelt so präzise erwies wie Allgemeinmediziner. Das geht aus einer Studie hervor, die am Donnerstag in der Zeitschrift Science veröffentlicht wurde. Die Arbeit zielt auf die Diagnose selbst ab – ein Bereich, den Patientensicherheitsforscher seit langem als hartnäckige Quelle vermeidbarer Schäden identifiziert haben und der zu den am engsten beobachteten Grenzgebieten der medizinischen KI zählt.

Anstatt alle Informationen eines Patienten auf einmal zu verarbeiten – der Ansatz der meisten bestehenden medizinischen KI-Modelle, die Symptome, Laborwerte und Bildgebungsuntersuchungen gemeinsam auswerten, um eine Diagnose zu erstellen – arbeitet das neue System sequenziell. Es stützt sich auf einen „Orchestrator“, der organisiert, wie die KI ein Problem angeht, indem er ein simuliertes Gremium klinischer Experten einsetzt, das gemeinsam diagnostische Fälle löst, so der Bericht.

Unter der Koordination des Orchestrators entscheidet das Modell zunächst, welche Fragen zur Krankengeschichte des Patienten gestellt werden sollen und welche Befunde bei der körperlichen Untersuchung relevant sind. Auf Grundlage der gewonnenen Erkenntnisse bestimmt es, welche Tests angeordnet werden, bewertet die Ergebnisse und fordert bei Bedarf weitere Untersuchungen an. Während des gesamten Prozesses aktualisiert es seine Arbeitshypothesen und Pläne, erklärten die Forschungsleiter in einem Interview.

Bei der Aufgabe, mehr als 300 hochgradig ungewöhnliche und verwirrende medizinische Fälle zu diagnostizieren, war das Modell mit dem diagnostischen Orchestrator bei der „Abklärung“ der Patienten und der Bestimmung der Diagnose mehr als doppelt so präzise wie Allgemeinmediziner mit Lehrbüchern und dem Internet. Das Tool übertraf menschliche Ärzte auch bei Szenarien, die einer großen Datenbank von Notaufnahme-Einlieferungen entnommen waren.

Die Forscher wiesen darauf hin, dass herkömmliche Bewertungen, die ältere KI-Systeme dieser Art mit menschlichen Ärzten vergleichen, typischerweise auf Multiple-Choice-Fragen beruhen. „KI ist mittlerweile sehr gut darin, bei diesen eine Erfolgsquote von 100 % zu erreichen“, sagte Dr. Dominic King, Corporate Vice President der Gesundheitssparte bei Microsoft AI, dessen Team die neue Technologie entwickelt. „Aber das ist natürlich nicht die Realität. Kein Patient kam jemals mit einer schönen Zusammenfassung zu mir.“ Die Ergebnisse nähren dieufende Debatte im KI-Feld, ob starke Prüfungsergebnisse in Benchmarks auf sichere, nützliche Leistung in komplexen klinischen realen Umgebungen übertragen werden können.

Die Studie ergab auch, dass diagnostische Prozesse kostengünstiger sind, wenn der Orchestrator die Abklärungen gestaltet, als wenn menschliche Ärzte dies tun – ein bemerkenswertes Ergebnis, da die Anordnung von Tests als bekannter Kostentreiber im Gesundheitswesen gilt. „Wir messen nicht nur die Genauigkeit der Systeme. Wir messen auch, wie umsichtig und sorgfältig es eine diagnostische Abklärung durchläuft“, sagte Harsha Nori, Leiter der KI bei Microsoft AI Health.

Als Nächstes werden die Forscher in Zusammenarbeit mit dem Beth Israel Deaconess Medical Center in Boston die Fähigkeit des Tools testen, Patienten in Wartezimmern von Notaufnahmen zu triagieren. Diese Studie wird zeigen, ob sich die Laborergebnisse im laufenden klinischen Workflow bewähren, wo Triage-Entscheidungen unmittelbare Konsequenzen haben, und jede Bewegung hin zur routinemäßigen klinischen Nutzung würde eine regulatorische Prüfung nach sich ziehen, da KI-Tools, die Diagnosen beeinflussen, in den USA typischerweise der Medizinprodukteaufsicht unterliegen.

— Reuters