Integration von Künstlicher Intelligenz in die medizinische Praxis bei CAIMed

Künstliche Intelligenz in der Medizin: Einblicke in die Arbeit von CAIMed

Die Integration künstlicher Intelligenz (KI) in den medizinischen Sektor verspricht eine Transformation der Diagnostik und Therapie. Das niedersächsische Zentrum für Künstliche Intelligenz und Kausale Methoden in der Medizin, kurz CAIMed, steht an der Spitze dieser Entwicklung, indem es KI-Forschung, medizinische Forschung und deren praktische Anwendung zusammenführt. Dieses Zentrum, eine Kooperation der Medizinischen Hochschule Hannover, der Universitätsmedizin Göttingen, des Helmholtz-Zentrums für Infektionsforschung in Braunschweig sowie der KI-Forschungszentren L3S in Hannover und CIDAS in Göttingen, zielt darauf ab, innovative KI-Methoden für eine verbesserte Gesundheitsversorgung zu entwickeln und in die klinische Praxis zu überführen.

Personalisierte Medizin als Leitgedanke

Ein zentrales Anliegen von CAIMed ist die Förderung der personalisierten Medizin. Im Gegensatz zu generischen Behandlungsansätzen, die oft als "Schrotflinten-Methode" beschrieben werden, strebt die personalisierte Medizin maßgeschneiderte Diagnostik und Therapieoptionen an. Diese Ausrichtung ist besonders relevant für die Bewältigung weit verbreiteter Krankheiten, die als medizinische Schwerpunkte identifiziert wurden: die Onkologie, die Herz-Kreislauf- und Lungenmedizin sowie die Infektionsmedizin.

Die Vision ist es, Patientenbehandlungen präziser auf individuelle Bedürfnisse abzustimmen. Dies beinhaltet die Nutzung von KI zur Erkennung genetischer Variationen und zur Auswertung komplexer Bilddaten, um Ärzten eine fundiertere Entscheidungsfindung zu ermöglichen.

Praktische Anwendungen und konkrete Projekte

Die Arbeit von CAIMed manifestiert sich in verschiedenen konkreten Projekten, die das Potenzial der KI in der Medizin aufzeigen:

• Vorsorge von Gebärmutterhalskrebs: Hier wird eine KI-basierte Zytologie eingesetzt, bei der digitalisierte Abstriche von einer KI auf Auffälligkeiten untersucht werden. Dieser Ansatz kann die manuelle Untersuchung durch Pathologen erheblich entlasten und zu einer Zeitersparnis führen.
• Vorhersage nosokomialer Sepsis bei Kindern: Ein KI-Modell wird entwickelt, um eine im Krankenhaus erworbene Blutvergiftung (Sepsis) sechs bis zwölf Stunden vor ihrem Ausbruch zu erkennen. Eine frühzeitige Diagnose ist entscheidend für den Behandlungserfolg und kann das klinische Personal signifikant entlasten.
• Biomedizinische Bilderkennung: Die Forschungsgruppe in diesem Bereich konzentriert sich auf maschinelles Lernen für medizinische Bild- und Sensordaten. Dazu gehören selbstüberwachte Lernmethoden zur Extraktion relevanter Marker, die Verbesserung der Robustheit gegenüber Domänenverschiebungen und kreuzmodale Lernmethoden, die Bilddaten mit Sensordaten oder textuellen Befunden kombinieren.

Datenbasis und der "Hybride-KI-Ansatz"

Für das Training leistungsfähiger KI-Modelle sind umfangreiche und diverse Datensätze unerlässlich. In Deutschland wird die Datenlage als gut bewertet, wobei Initiativen wie die Medizin-Informatik-Initiative eine wichtige Rolle spielen. Die Herausforderung besteht darin, eine ausgewogene Balance zwischen Datenschutz und der Nutzung dieser wertvollen "Datenschätze" zu finden.

CAIMed verfolgt einen "Hybriden-KI-Ansatz", um die Nachvollziehbarkeit der KI-Systeme zu gewährleisten. Dieser Ansatz kombiniert datengestützte Modelle, wie große Sprachmodelle, mit abgesicherten Wissensdatenbanken. Hierbei kommen "Retrieval Augmented Generation Ansätze" zum Einsatz, bei denen Sprachmodelle mit zuverlässigen Datenquellen wie Krankenhausinformationssystemen verknüpft werden. Dies soll sicherstellen, dass die KI-Systeme nicht nur Ergebnisse liefern, sondern diese auch auf fundiertes medizinisches Wissen zurückführen können.

Ein weiteres Anwendungsfeld ist die Unterstützung bei der Diagnose von schwer fassbaren Krankheiten wie Long-Covid. Hier können KI-Modelle Muster identifizieren, die für das menschliche Auge schwer erkennbar sind, und somit zur Entdeckung von "Nadeln im Heuhaufen" beitragen.

Die Rolle des Menschen in der KI-gestützten Medizin

Trotz des enormen Potenzials der KI betont CAIMed die Rolle der Technologie als "Unterstützungssystem" und "digitaler Assistent" für medizinisches Fachpersonal. Es wird ausdrücklich vor einem "De-Skilling" gewarnt, also dem Verlust von Fähigkeiten, wenn junge Ärztinnen und Ärzte sich zu stark auf die Technologie verlassen.

Die Entwicklung von KI-Kompetenzen wird als entscheidend angesehen. Daher legt CAIMed großen Wert auf interdisziplinäre Zusammenarbeit. In sogenannten Use Cases arbeiten Mediziner, KI-Forschende und Ethiker von Anfang an gemeinsam an Lösungen. Dieser integrierte Ansatz stellt sicher, dass die entwickelten Werkzeuge den tatsächlichen Bedürfnissen der klinischen Praxis entsprechen und ethische Aspekte berücksichtigt werden. Die letzte Verantwortung für Diagnosen und Therapien verbleibt stets beim menschlichen Fachpersonal.

Die Implementierung von KI-Systemen in die klinische Routine erfordert zudem eine sorgfältige Validierung und Zertifizierung. KI-Anwendungen, die in Kliniken oder Arztpraxen eingesetzt werden, unterliegen dem Medizinproduktegesetz, um Sicherheit und Zuverlässigkeit zu gewährleisten.

Die Kombination aus künstlicher und menschlicher Intelligenz ermöglicht eine effizientere, präzisere und sicherere Arbeitsweise. KI-Systeme, die an großen Datensätzen trainiert wurden, können Ärzten, insbesondere im niedergelassenen Bereich, bei der Diagnose seltener Krankheiten helfen, für die sie möglicherweise wenig eigene Erfahrung haben.

Zukunftsausblick

Die Zukunft der KI in der Medizin ist vielversprechend, birgt jedoch auch Herausforderungen. Die direkte Implementierung von KI in medizinische Produkte erfordert eine sorgfältige Evaluation, um Akzeptanz und Vertrauen bei den Nutzern zu schaffen. Initiativen wie CAIMed spielen eine zentrale Rolle dabei, Forschungsergebnisse in die klinische Praxis zu übertragen und die Patientenversorgung nachhaltig zu verbessern. Es gilt, diese Technologien verantwortungsvoll und unter Berücksichtigung ethischer und rechtlicher Rahmenbedingungen zu nutzen, um ihr volles Potenzial auszuschöpfen.

Bibliography: - Heise Online. (2025). KI-Update Deep-Dive: Wie CAIMed Diagnosen verbessern will. Verfügbar unter: https://www.heise.de/news/KI-Update-Deep-Dive-Wie-CAIMed-Diagnosen-verbessern-will-11067457.html - CAIMed – Niedersächsisches Zentrum für KI und Kausale Methoden in der Medizin. (n.d.). Biomedizinische Bilderkennung. Verfügbar unter: https://caimed.de/en/forschung/ki-signale/biomedizinische-bilderkennung/ - CAIMed – Niedersächsisches Zentrum für KI und Kausale Methoden in der Medizin. (n.d.). Klinische Entscheidungsunterstützung. Verfügbar unter: https://caimed.de/en/forschung/ki-entscheidungen/klinische-entscheidungsunterstuetzung/ - CAIMed – Niedersächsisches Zentrum für KI und Kausale Methoden in der Medizin. (2024). CAIMed beim Leaders Dialog Digital Transformation: KI und Kausale Methoden für eine verbesserte Gesundheitsversorgung. Verfügbar unter: https://caimed.de/en/caimed-beim-leaders-dialog-digital-transformation-ki-und-kausale-methode-fuer-eine-verbesserte-gesundheitsversorgung/ - CAIMed – Niedersächsisches Zentrum für KI und Kausale Methoden in der Medizin. (n.d.). Home. Verfügbar unter: https://caimed.de/en/ - CAIMed – Niedersächsisches Zentrum für KI und Kausale Methoden in der Medizin. (2025). KI und Klinische Entscheidungsunterstützung. Verfügbar unter: https://caimed.de/caimed-talks/ki-und-entscheidungsunterstuetzungssysteme/ - Science.apa.at. (2025). Wie KI die medizinische Diagnose und Therapie verbessert. Verfügbar unter: https://science.apa.at/mehrzumthema/wie-ki-die-medizinische-diagnose-und-therapie-verbessert/