Künstliche Intelligenz, medizinische Bildgebung und Workflow-Automatisierung

In den letzten zehn Jahren muss eine der beliebtesten Technologien in der Informatik die künstliche Intelligenz gewesen sein.

Online-Verhaltensanalysen, Big-Data-Vorhersagen, Meteorologie, autonomes Fahren oder Sprachkennung basieren alle auf Technologien, die in unterschiedlichem Maße künstliche Intelligenz verwenden. Aber was ist genau diese ‘künstliche Intelligenz’? Wie intelligent ist sie tatsächlich? Und last but not least, sollten wir sie fürchten?

Was ist also künstliche Intelligenz?

Traditionell, wenn ein Entwickler ein Stück Code schreibt, sagen wir mal eine Java-App, führt sie normalerweise eine Reihe von Berechnungen durch oder bietet eine Funktionalität und die Art und Weise, wie sie dies tut, ist sehr sorgfältig im Programm beschrieben, das letztendlich dafür sorgt, dass es funktioniert. Die Effizienz, mit der die App arbeitet, hängt von den verfügbaren Ressourcen ab, aber zwei identische Apps, die auf zwei identischen Servern gehostet werden, werden immer gleich funktionieren und das wird sich im Laufe der Zeit nicht ändern, wenn die zugrunde liegenden Ressourcen ebenfalls konstant sind.

Hier kommt der interessante Teil mit der künstlichen Intelligenz (wir nennen sie kurz KI) – je mehr Daten Sie ihr geben, desto besser wird sie im Laufe der Zeit darin, die anfängliche Aufgabe zu lösen, die ihr gegeben wurde.

Wann wird sie intelligenter sein als Menschen?

Wahrscheinlich nie. Nicht in dieser Form jedenfalls. Angenommen, Sie haben einen Algorithmus, der Straßenlaternen an Kreuzungen erkennen muss. Zunächst müssten Sie ihm alle möglichen Bilder mit klar beschrifteten Straßenlaternen ‚Straßenlaternen‘ oder ‚keine Straßenlaternen‘ füttern, die der Algorithmus verwenden wird, um zu ‚lernen‘, wie eine Straßenlaterne tatsächlich aussieht und wie sie an Kreuzungen positioniert ist, wie sie sich von Bäumen oder anderen Objekten im Hintergrund unterscheidet und so weiter.

Wenn diese Menge an Bildern groß genug wird und der Algorithmus Zehntausende oder vielleicht Hunderte von Tausenden von beschrifteten Bildern mit Straßenlaternen gesehen hat, wird er in der Lage sein, den Prozess umzukehren und so, wenn ihm unbezeichnete Fotos aller Art von Straßen gegeben werden, wird er in der Lage sein zu erkennen, welche Kreuzungen Straßenlaternen haben und welche nicht. Die Fähigkeit, sich im Laufe der Zeit zu ‚entwickeln‘ oder bei der jeweils gegebenen Aufgabe effizienter zu werden, indem genügend Datenmengen zur Verfügung stehen, von denen er ‚lernen‘ kann, hat dazu geführt, dass diese Art von Technologie als ‚intelligent‘ bezeichnet wird.

Sicher, nach einer Weile wird sie effizienter darin sein, Straßenlaternen an Kreuzungen zu erkennen, als Sie und ich, aber das bedeutet nicht, dass sie in naher Zukunft intelligenter sein wird als einer von uns.

Ist der Tag des Gerichts eine echte Bedrohung?

Nun, nicht genau. Erstens wird KI verwendet, um Probleme zu lösen, für die sie ursprünglich trainiert wurde. Das bedeutet, dass sie Anfangsdaten benötigt, die qualitativ beschriftet werden müssen (‚Straßenlaterne‘ oder ‚keine Straßenlaterne‘, richtig?) und dann als Feedback an den Algorithmus zurückgeführt werden. Letztendlich wird der Algorithmus also nur in der Lage sein, Straßenlaternen zu erkennen, aber mehr auch nicht.

Sie haben wahrscheinlich von ‚maschinellem Lernen‘ gehört, aber das klingt nur beängstigender, es ist im Grunde dasselbe – es ist einfach ein Stück Software, das gut darin ist, Muster aller Art zu erkennen. Es gibt noch viel mehr zu tun, bis künstliche Intelligenz eine Bedrohung für die Menschheit darstellen kann, falls das überhaupt passiert.

Einige der größten Köpfe und Unternehmer der Welt haben sich bereits intensiv mit dem Thema beschäftigt und sogar einen offenen Brief verfasst, der vor den Gefahren warnt, denen wir möglicherweise gegenüberstehen, aber an diesem Punkt gibt es wirklich keinen unmittelbaren Grund zur Besorgnis. https://futureoflife.org/ai-open-letter

Automatisierung der Radiologe-Workflows mit künstlicher Intelligenz

Erinnern Sie sich, wie gut die künstliche Intelligenz darin war, Muster in Bildern zu erkennen? Diese Technologie wird in selbstfahrenden Autos, in Software zur Gesichtserkennung oder in Smartphone-Apps verwendet, die Objekte in Fotos treffend identifizieren. Bei Medicai, setzen wir die Software auf sehr ähnliche Weise ein, wir nutzen sie zur Identifizierung von Mustern in MRT-, CT- oder PET-CT-Scans. Zum Beispiel ist eine Möglichkeit, wie unsere Forscher diese Technologie nutzen, die Organsegmentierung (oder um einzelne Organe vom Hintergrund oder Vordergrund zu unterscheiden).

Stellen Sie sich vor, Sie haben einen Brustkorb MRI und müssen die Entwicklung eines möglicherweise tumorösen Bereichs verfolgen. Was Sie benötigen, ist ein Radiologe, der manuell die MRT-Untersuchung analysiert und versucht, den Tumor von den Hintergrund- und Vordergrundelementen zu unterscheiden. Danach benötigt er eine effiziente Möglichkeit, sein Volumen zu berechnen, damit er einen Ausgangspunkt zur Verfolgung seiner Entwicklung hat. Und um dies zu tun, müsste er den gesamten Prozess erneut mit einer Nachuntersuchung der MRT durchführen, bei der er all diese Aufgaben zur Vergleichbarkeit wiederholen müsste. Hier kommt die Technologie ins Spiel – wir haben einen Algorithmus entwickelt, der MRT-Scans analysiert und automatisch in der Lage ist, Organe zu segmentieren (oder sie vom Hintergrund zu unterscheiden) und sogar ihr Volumen zu berechnen.

Die Automatisierung dieses Teils des Workflows eines Radiologen hat einen großen Einfluss auf das Wohlbefinden der Patienten – Radiologen müssen keine Zeit mehr mit manuellen Aufgaben verschwenden und haben somit ein weitaus präziseres Mittel zur Verfügung, um die Evolution des Gewebes direkt in den Händen zu haben. Einfach die neuen Tests durchführen, die Software ausführen und den Unterschied zwischen den Volumina sehen. Das bedeutet mehr Zeit für die Patienten und Effizienz, wo es wirklich darauf ankommt – bei der Bereitstellung der bestmöglichen Behandlung für die Patienten.