Generative KI im Gesundheitswesen: Beispiele, Vorteile, Anwendungsfälle

Veröffentlicht: 2023-08-08

Die große Popularität von ChatGPT von OpenAI hat einen Wettlauf um die Integration generativer KI in Anwendungen in der Industrie ausgelöst. Das Gesundheitswesen gehört zu den Spitzenreitern.

Laut McKinsey & Company könnte generative KI im Gesundheitswesen dazu beitragen, einen Teil des nicht realisierten Verbesserungspotenzials in Höhe von 1 Billion US-Dollar in der Branche freizusetzen, indem sie fehleranfällige Arbeit automatisiert, Klinikern in Sekundenschnelle eine Fülle von Daten bereitstellt und die Gesundheitsinfrastruktur modernisiert.

Beispiele für generative KI im Gesundheitswesen

Obwohl Unternehmen im Gesundheitswesen seit Jahren KI-Technologie einsetzen – drei Beispiele hierfür sind die Vorhersage unerwünschter Ereignisse, die Optimierung der OP-Planung und die Verknüpfung von Patientendaten zur Erzielung besserer Ergebnisse –, verspricht KI im Gesundheitswesen einen noch tiefgreifenderen Wandel für die Branche.

Hier sind einige aktuelle Beispiele für KI im Gesundheitswesen:

Amazon Web Services (AWS) kündigte im Juli einen Dienst namens AWS HealthScribe an, der Spracherkennung und generative KI nutzt, um Ärzten durch die Erstellung klinischer Dokumentation Zeit zu sparen.
Laut dem Wall Street Journal testet Google die medizinische Chatbot-Technologie namens Med-PaLM 2 in der May Clinic und anderen Krankenhäusern. Basierend auf der LLM-Technologie (Large Language Model), die Googles eigenem generativen Konversations-KI-Chatbot Bard zugrunde liegt, zielt Med-PaLM 2 darauf ab, medizinische Fragen genauer und sicherer zu beantworten.
Microsoft , einer der Hauptinvestoren von OpenAI, dem Unternehmen hinter ChatGPT, arbeitet mit Epic Systems zusammen, um generative KI-Technologie in seine elektronischen Gesundheitsakten (EHRs) zu integrieren. Die Microsoft-Tochtergesellschaft Nuance Communications kündigte außerdem eine vollständig automatisierte klinische Dokumentationsanwendung an, die Konversations- und Umgebungs-KI mit GPT-4 kombiniert, der neuesten Version des LLM, die ChatGPT unterstützt.

83 % der innovativsten Gesundheitsunternehmen der Welt nutzen SAP-Lösungen.

Nutzung von Daten in einer der datenintensivsten Branchen

Es ist bemerkenswert, eine solche Dynamik im Gesundheitswesen zu beobachten, einer konservativen Branche, die bekanntermaßen eine der letzten ist, die sich neue Technologien zu eigen macht. Dies gilt insbesondere dann, wenn wir bedenken, dass strenge Datenschutzbestimmungen wie der Health Insurance Portability Accountability Act (HIPAA) dazu neigen, die Weitergabe von Daten zu verhindern.

Doch das Gesundheitswesen ist auch eine der datenintensivsten Branchen.

Es heißt, dass ein durchschnittliches Krankenhaus jedes Jahr etwa 50 Petabyte an Daten produziert, was etwa 12,5 Billionen digitalen Kopien der King-James-Bibel entspricht. Darüber hinaus steigt Berichten zufolge die Menge der im Gesundheitswesen generierten Daten jährlich um 47 %, was für jede Branche ein bedeutender Anstieg ist.

Alle diese Daten müssen von jemandem protokolliert werden, was viel Zeit in Anspruch nimmt. Vieles davon könnte äußerst nützlich sein, um die Effizienz von Gesundheitsorganisationen zu verbessern und bedürftigen Patienten zeitnah medizinische Informationen und Ratschläge bereitzustellen.

Eine sinnvolle Nutzung dieser Daten ist jedoch nahezu unmöglich, da sie viel zu groß sind, als dass Menschen und ältere Technologien damit umgehen könnten.

Hier kommt die KI ins Spiel. Durch die Nutzung von Deep-Learning-Algorithmen zur Erstellung neuer Texte, Audioinhalte, Codes und anderer Inhalte können diese für den Datenschutz optimiert und anschließend große Mengen unstrukturierter medizinischer Informationen erfasst werden, um Zeit und Geld zu sparen und gleichzeitig endlose geschäftliche und klinische Möglichkeiten zu erschließen.

Patienteneinbindung im Gesundheitswesen: Stellen Sie sich eine bessere, mutigere Zukunft vor

In den Vereinigten Staaten stehen sowohl Kostenträger als auch Anbieter im Gesundheitswesen vor einer Vielzahl kritischer und dringender Herausforderungen. Bist du vorbereitet?

Personalisierte Medizin, schnellere Diagnosen und mehr

Laut Lynne Dunbrack, Analystin bei IDC Health Insights, sehen Gesundheitsorganisationen dieses Potenzial, was einer der Gründe dafür ist, dass 64,8 % von ihnen generative KI-Szenarien erforschen und 34,9 % bereits in diese investieren.

„Es besteht Bedarf an Technologie, um wichtige Prioritäten zu erfüllen – etwa die Verbesserung des Patientenerlebnisses, die Verbesserung der Gesundheit der Bevölkerung und die Reduzierung von Kosten“, sagt Dunbrack.

Genauer gesagt sagen Analysten, dass generative KI ein wesentlicher Bestandteil für die Erfüllung einer Vielzahl allgemeiner Bedürfnisse in der Gesundheitsbranche werden könnte, darunter:

Personalisierte Medizin : Generative KI kann riesige Mengen an Patientendaten aggregieren und analysieren, um maßgeschneiderte Medikamenten- und Therapieempfehlungen zur Verbesserung der Behandlung zu liefern.
Medizinische Bildanalyse : LLMs zeichnen sich auch durch die Interpretation medizinischer Bilder wie MRTs, CT-Scans und Röntgenaufnahmen aus. Durch die Automatisierung der Bildanalyse könnten Ärzte Probleme schneller und genauer erkennen und so die Diagnose und die allgemeine Pflege verbessern.
Klinische Notizen machen: Eine Reihe von Tools wie HealthScribe von AWS werden wahrscheinlich versuchen, das uralte Problem zu lösen, dass Ärzte zu wenig Zeit haben, um ordnungsgemäße, detaillierte Notizen zu Patientenbesuchen zu machen und diese dann in EHRs eingeben zu müssen. KI-Tools könnten diesen Aufwand lindern, indem sie mithilfe von Spracherkennung und Deep Learning diese Prozesse schnell und effizient automatisieren.
Arzneimittelentdeckung und -entwicklung : Generative KI kann auch zur Beschleunigung der Arzneimittelentdeckung eingesetzt werden, indem molekulare Wechselwirkungen simuliert und mögliche Arzneimittelkandidaten vorhergesagt werden. Es wird auch genutzt, um die Zulassung von Arzneimitteln zu beschleunigen. Insilico Medicine sagt beispielsweise, dass es nicht nur seine eigene KI-Plattform verwendet hat, um eine Behandlung für idiopathische Lungenfibrose, eine häufig auftretende Atemwegserkrankung, zu finden, sondern es auch auf jeden Schritt des präklinischen Arzneimittelentwicklungsprozesses angewendet hat. Laut Insilico wäre es normalerweise ein Aufwand von mehr als 400 Millionen US-Dollar, dies mit traditionellen Methoden zu erreichen, aber man geht davon aus, dass dies mit generativer KI bei etwa einem Zehntel dieser Kosten erreicht werden kann.
Virtuelle Gesundheitsassistenten : Viele der ersten generativen KI-Chatbots für das Gesundheitswesen werden sich darauf konzentrieren, rund um die Uhr schnellere und bessere Antworten auf Patientenfragen zu geben. UNC Health nutzt beispielsweise die generativen KI-Tools von Epic, um überforderten Klinikern bei der Bewältigung der Flut an Nachrichten zu helfen, die auf sie zukommen.
Rationalisierung von Versicherungsansprüchen : Generative KI trägt auch dazu bei, Krankenversicherungsansprüche von Patienten (oder Vorabgenehmigungsanfragen von Arztpraxen) zu rationalisieren, indem sie die Extraktion und Verarbeitung von Patientenakten automatisiert und so den Druck auf das Callcenter-Personal verringert. Darüber hinaus kann es dazu beitragen, die Prüfung von Ansprüchen zu beschleunigen und gleichzeitig potenziell betrügerische Einreichungen zu identifizieren, indem verdächtige Muster und Anomalien erkannt werden.

Generative KI als Technologie steckt trotz aller anfänglichen Hypes noch in den Kinderschuhen, sodass es nicht vorhersehbar ist, ob der aktuelle Fokus auf das Gesundheitswesen anhalten wird. Eines ist jedoch klar: Da so viele Milliarden Dollar in diesen Bereich fließen, wird der Trend nicht so schnell nachlassen.