Stellen Sie sich vor, Sie gehen zum Arzt, beschreiben Ihre Beschwerden und kennen nach einer Reihe ergänzender Fragen Ihre Diagnose und Ihren Behandlungsplan. Und das alles, ohne einem Arzt persönlich begegnet zu sein. Auch wenn das unglaublich klingen mag, ist es in Kalifornien bereits Realität. Das Startup Akido Labs beginnt mit seinem ambitionierten Projekt ScopeAI langsam, das Gesundheitswesen zu verändern.
ScopeAI: Der „Arzt in der Box“, der Zeit spart
ScopeAI ist ein System, das große Sprachmodelle wie Llama oder Claude nutzt, um grundlegende medizinische Untersuchungen durchzuführen und Diagnosen zu stellen. In der Praxis sieht das so aus, dass Sie in einer medizinischen Einrichtung zwar auf eine medizinische Assistenzkraft treffen, sämtliche Fragen zu Ihrem Gesundheitszustand sowie die vorgeschlagene Diagnose und Behandlung jedoch von der KI bestimmt werden. Der Arzt bewertet und genehmigt anschließend lediglich die Ergebnisse oder passt sie gegebenenfalls an.
Zu den ersten Patienten, die das neue System testen, gehören Versicherte des Programms Medicaid, das für Einzelpersonen oder Familien mit geringem Einkommen bestimmt ist. Gerade sie sind nämlich häufig von einer unzureichenden medizinischen Versorgung betroffen.
Zugängliche und rechtzeitige Versorgung
Die amerikanische Bevölkerung altert, und die Kürzung der Bundesmittel im Gesundheitswesen verschärft die gesamte Situation zusätzlich. Ein weiteres Problem ist der Ärztemangel, aufgrund dessen nicht alle Menschen rechtzeitig versorgt werden können. ScopeAI soll genau das ändern.
Nach bisherigen Erfahrungen können Ärzte dank KI 4- bis 5-mal mehr Patienten untersuchen als bisher. Hinter der gesteigerten Produktivität steht ScopeAI, das die Symptome analysiert, eine Diagnose stellt und einen Behandlungsplan erstellt. Die Ärzte müssen anschließend nur noch die Ergebnisse bewerten, sparen Zeit bei Routinearbeiten und können sich sofort schweren Erkrankungen oder ärmeren Patienten widmen.
Risiken und rechtliche Hürden
Einige Experten behaupten jedoch, dass der neue „KI-Assistent“ das Problem des Ärztemangels oder der problematischen Gesundheitsversorgung nicht löst. Zudem befürchten sie, dass Ärzte sich zu sehr auf die KI verlassen könnten, was zu Fehldiagnosen führen kann. Dies wirft auch rechtliche Fragen auf.
Künstliche Intelligenz wird nämlich schon heute routinemäßig im Gesundheitswesen eingesetzt. Sie hilft dabei, Krebs bei Vorsorgeuntersuchungen zu erkennen, wird in der Kardiologie und Endokrinologie eingesetzt oder sucht sogar nach Informationen in der Fachliteratur. In all diesen Fällen ersetzt sie jedoch nicht die Ärzte, sondern unterstützt sie lediglich. Das System ScopeAI hat daher aus Sicht einiger Experten keine rechtliche Grundlage und steht im Widerspruch zu den Gesetzen über ärztliche Zulassungen. Diese legen nämlich fest, dass KI Ärzte unterstützen, aber nicht ersetzen darf.
Befürwortern zufolge verfügt ScopeAI jedoch über eine rechtliche Grundlage. Auch wenn die grundlegende Untersuchung ohne Anwesenheit eines Arztes stattfindet (nur mit einer Assistenzkraft), hat weiterhin der Arzt das letzte Wort, und die von der KI gesammelten Informationen sind lediglich ein „Vorschlag“, der anschließend überprüft wird.
KI-Assistent mit einer Erfolgsquote von 92 %
Das Ziel von ScopeAI besteht vor allem darin, die Gesundheitsversorgung günstiger und möglichst vielen Menschen zugänglich zu machen, was bislang gelingt. Auch Ärzte, die mit Obdachlosen arbeiten, loben das System. Mit seiner Hilfe können sie nämlich Medikamente innerhalb von 24 Stunden bereitstellen, was früher undenkbar war.
ScopeAI wurde entwickelt, um Ärzte zu unterstützen, nicht um sie zu ersetzen. Deshalb schlägt das System zu seiner Diagnose stets 2-3 Alternativen vor, und der Arzt beurteilt anschließend selbst, ob das System richtig entschieden hat. Den bisherigen Ergebnissen und Tests mit älteren Daten zufolge erreicht ScopeAI von Akido Labs bereits jetzt eine Erfolgsquote von 92 %.
Obwohl die ersten Reaktionen positiv sind, wurden bislang noch keine größeren klinischen Studien durchgeführt, die zeigen würden, ob die Ergebnisse das Niveau herkömmlicher Untersuchungen erreichen oder sogar übertreffen.
Quelle: MIT Technology Review
