5.2 Personalisierte Medizin Flashcards
Medizin Vor der digitalen Transformation
medizinische Praxis beruhte auf Beobachtungen:
* häufige Krankheiten haben gemeinsame Merkmale
* die meisten Personen sprechen gut auf gängige Heilmittel an
Medizin Vor der digitalen Transformation - Problem
bei statistischen Ausreißern auf beiden Seiten der Normalverteilungskurve:
* verordneten Behandlungen unwirksam
* verordneten Behandlungen negative Folgen
Digitales Gesundheitsmanagement - Säulen
- Früherkennung
- Personalisierung
- Präzisionsmedizin
- Evidenzbasierte versus erfahrungsbasierte Ansätze
Digitales Gesundheitsmanagement - Früherkennung
- führt zur Prävention
- Ziel: anbahnende Krankheit frühzeitig erkennen und verhindern
- Erkennungsmechanismen mit Datenpunkten auf Bildern im Nano-Bereich
- Unterstützung durch Methoden der Mustererkennung durch KI und maschinelles Lernen
Digitales Gesundheitsmanagement - Personalisierung
- lehnt allgemeines Behandlungsregime für alle Patienten ab
- alle Menschen sind, zumindest auf genetischer Ebene, unterschiedlich
- können von stärker personalisierten Behandlungsansatz profitieren
-> Es gibt keine Pauschallösung für alle
Digitales Gesundheitsmanagement - Präzisionsmedizin
berücksichtigt:
* genetische Veranlagung
* Umfeld
* Lebensstil
Mustererkennung und maschinelles Lernen verbessern medizinisches Urteilsvermögen
-> größerer Präzision
Digitales Gesundheitsmanagement - Evidenzbasierte versus erfahrungsbasierte Ansätze
- medizinischer Praxis zu Beginn des letzten Jahrhunderts:
basierte auf mühsamen und langsamen Methode von Versuch und Irrtum - heutige medizinische Praxis:
klinische Studien in Kombination mit Erfahrung führen zu guten Entscheidungen
Beleg für „schwache“ künstliche Intelligenz in der Präzisionsmedizin
- Fähigkeiten im Bereich der biomedizinischen Bildgebung
- Dermatologie: Systeme zur Erkennung von Hautveränderungen
- Radiologie: Analyse und Beurteilung von computertomographischen Bilddaten
- In manchen Bereichen erzielt die KI dabei schon bessere Ergebnisse als Menschen
- Vier-Augen-Prinzip: Mensch + Maschine
-> schneller und manchmal auch besser reagieren
KI - weitere Anwendungen
- Arzneimittel stärker personalisiert
- Roboteroperationen
- Schwachstellen in Finanzierung des Gesundheitssystems aufdecken und beseitigen
Unternehmen, die Künstliche Intelligenz im Gesundheitswesen und in der Medizin einsetzen
- DeepMind
- Verily
- IBM Watson
- Motognosis
- Insitro
- OmicEra Diagnostics
- Zephyr Health
- Enlitic
- Arterys
- Atomwise
- Deep Genomica
Präzisionsmedizin - Vorteile
- Identifizierung von Behandlungsoptionen
- Patientensensoren
- kostengünstige Genomsequenzierung
- digitale Krankengeschichte
- IBM-Programm „Medical Sieve“
IBM-Programm „Medical Sieve“
kognitiver Assistent nutzt:
* persönliche medizinische Daten
* unstrukturierte klinische Informationen (Notizen, radiologische Bilder)
-> begründete Behandlungsoptionen
Argumentationsfähigkeiten zur Formulierung von Behandlungsoptionen
Präzisionsmedizin - Haftungsrecht
- Frage, ob und inwieweit Ärzte für Fehler haften, die das KI-System gemacht hat
- klären, inwieweit nicht-medizinisches Personal Systeme nutzen und Entscheidungen treffen darf
Präzisionsmedizin - weitere Folgen
- durch Automatisierung bestimmter standardisierter Laborarbeiten medizinisches Personals ersetzen
- Erfordert Entwicklung weiterer Arten an Präzisionstests
technologische Umwälzungen - Folgen
fast immer Gewinner und Verlierer:
* Menschen, deren Qualifikationen nicht mehr gebraucht werden
* durch Menschen mit neuen Qualifikationen ersetzt
-> ethische Fragen
