KI im Klinikalltag: Von Code zu Diagnose

Wie schafft es künstliche Intelligenz (KI) in die Klinik? Professor Jens Kleesiek, Direktor vom Institut für Künstliche Intelligenz in der Medizin (IKIM) an der Universitätsmedizin Essen, erklärt wie rasant sich KI-Modelle in der medizinischen Praxis etablieren – und warum Cloud-Lösungen dabei eine Schlüsselrolle spielen könnten. Was ist die Rolle der Ärzteschaft? Die Ärztin oder der Arzt der Zukunft sucht weniger Daten – und interpretiert mehr.

Jens Kleesiek ist Professor für Translationale Bildgestützte Onkologie und Direktor vom Institut für Künstliche Intelligenz in der Medizin (IKIM) an der Universitätsmedizin Essen. Er entwickelt KI-Methoden, die Muster in medizinischen Daten erkennen und dabei Bildgebung, Laborwerte sowie klinische Informationen miteinander verknüpfen. Ziel ist es, Ärztinnen und Ärzte im Klinikalltag bei fundierten, datenbasierten Entscheidungen zu unterstützen.

Ein Patient, zwei Systeme, eine Entscheidung

«Stellen Sie sich vor», sagt Kleesiek, «der Tumorschnitt eines 58-jährigen Patienten wird digitalisiert und am Bildschirm aufgerufen. Sekunden später markiert die KI verdächtige Zellbereiche, zählt Tumorzellen und liefert statistische Auswertungen.» Die Pathologin überprüfe das, validiere und ergänze die Ergebnisse – eine Kombination aus menschlicher Expertise und maschineller Präzision, welche die Diagnostik beschleunigt und direkt den Patientinnen und Patienten zugutekomme. Die aus den Bilddaten gewonnenen Muster dienen als Grundlage für weitere Prognosen. Die KI erfasst nicht nur, wo sich Tumorzellen befinden und wie zahlreich sie sind. Sie berechnet auch Rückfallwahrscheinlichkeiten, Komplikationsrisiken und mögliche Therapieerfolge.

Vieles noch in der Pilotphase

«Maschinelles Lernen hält Einzug in die Medizin», sagt Kleesiek. «Es verändert, wie wir Krankheiten erkennen und behandeln». Besonders in der Krebsversorgung, wo viele Fachrichtungen zusammenarbeiten, kann künstliche Intelligenz Prozesse unterstützen, und zudem reproduzierbar und kostengünstig arbeiten.

Aktuell laufen KI-Projekte meist noch in Test- oder Pilotphasen oder werden lokal in einzelnen Kliniken eingesetzt. «In Kliniken und Forschungseinrichtungen ist das Interesse an KI hoch, zugleich gibt es Bedenken bei Zuverlässigkeit, Genauigkeit und Datenschutz», sagt Kleesiek. Er ist überzeugt, dass Mensch und Algorithmus bald Hand in Hand arbeiten und Entscheidungen treffen, die vor wenigen Jahren noch undenkbar gewesen wären.

Standards als stille Revolution

Doch was passiert im Hintergrund, wenn künstliche Intelligenz in der Klinik zum Einsatz kommt? «Dass technische Standards wie FHIR (Fast Healthcare Interoperability Resources) und DICOM (Digital Imaging and Communications in Medicine) von immer mehr Herstellern und Krankenhäusern genutzt werden, zeigt, wie wichtig Interoperabilität ist – also die Fähigkeit unterschiedlicher IT-Systeme, Daten einheitlich auszutauschen und gemeinsam zu nutzen», erklärt Kleesiek. Die Kürzel sind nicht jedem bekannt: DICOM sorgt dafür, dass medizinische Bilddaten – etwa MRT-Aufnahmen oder digitale Tumorschnitte – überall im gleichen Format gespeichert und gelesen werden können. FHIR wiederum regelt, wie diese Bilder zusammen mit anderen Patientendaten, etwa Laborwerten oder Befunden, strukturiert übermittelt werden.

So kann eine Pathologin in Berlin auf dieselben Bild- und Laborinformationen zugreifen wie ein Kollege in Zürich – und die KI daraus verlässliche Prognosen ableiten. «Die standardisierte Datenbasis erleichtert Analyse, Austausch und Integration multimodaler Daten», erklärt Kleesiek, der Medizin und Bioinformatik studiert hat. «Ohne solche Standards bleibt KI im Krankenhaus fragmentiert.»

Cloud-Plattformen statt Hochleistungsserver im Keller

KI-Modelle brauchen Rechenleistung – sehr viel Rechenleistung. «Wenn die lokale Hardware nicht ausreicht, können Krankenhäuser mit Cloud-Lösungen arbeiten», schlägt Kleesiek vor. Er und sein Team haben eine Infrastruktur entwickelt, die sich sowohl lokal als auch in der Cloud installieren lässt.

Die Cloud bringt Kliniken dabei mehrere konkrete Vorteile: Sie können Rechenleistung flexibel je nach Bedarf skalieren – etwa für das Training grosser Modelle oder die Auswertung umfangreicher Bilddatensätze – ohne eigene Hochleistungsserver anschaffen und warten zu müssen. Investitionskosten für Hardware entfallen oder werden in planbare Betriebskosten umgewandelt. Zudem ermöglichen Cloud-Plattformen eine schnelle Bereitstellung neuer Anwendungen, automatische Updates sowie hohe Ausfallsicherheit durch redundante Systeme. Auch die standortübergreifende Zusammenarbeit wird erleichtert: Forschende und Kliniker können sicher auf gemeinsame Daten- und Modellumgebungen zugreifen, was Entwicklungszyklen verkürzt und Innovation beschleunigt.

Aber die Cloud ist kein Freifahrtschein: Gesundheitsdaten sind hochsensibel, Vertrauen die Währung digitaler Medizin. Kleesieks Ansatz kombiniert Pseudonymisierung, Zugriffsbeschränkungen, regulatorische Compliance und die technische Trennung von Trainings- und Anwendungssystemen. So gehen Innovation und Datenschutz Hand in Hand.

Wie sieht das Spital 2035 aus?

Fragt man den Mediziner nach dem Spital der Zukunft, entwirft er folgendes Bild: KI-gestützte Systeme überwachen kontinuierlich die Vitalparameter von Patientinnen und Patienten, Frühwarnalgorithmen erkennen Komplikationen, noch bevor erste Symptome auftreten. Roboter entlasten die Pflegenden und ärztliche Entscheidungen stützen sich auf Echtzeit-Prognosen aus KI-Modellen, die Bilddaten, Laborwerte und klinische Informationen miteinander verknüpfen.

Die Ärztin oder der Arzt der Zukunft sucht weniger Daten – und interpretiert mehr. Pflegekräfte tragen weniger – und koordinieren mehr. KI wird nicht dominieren. Sie wird selbstverständlich sein, ist Kleesiek überzeugt. Vorausgesetzt –, so der Forscher, regulatorische Hürden bremsen den Fortschritt nicht aus.

Zur Person:

Prof. Dr. Jens Kleesiek, ist Inhaber des Lehrstuhls für Translationale bildgestützte Onkologie und Direktor des Instituts für Künstliche Intelligenz in der Medizin (IKIM) der Universitätsmedizin Essen (UME). Er studierte Medizin in Heidelberg und Bioinformatik in Hamburg, wo er 2012 in Informatik promovierte. Nach der Ausbildung am Universitätsklinikum Heidelberg und am Deutschen Krebsforschungszentrum (DKFZ) erlangte er die Facharztreife in Radiologie, die Habilitation und die Zusatzweiterbildung in der Medizinischen Informatik.

Text: Marita Fuchs

Foto: zVg