Sprechstunde

über alles was uns krank macht

Ärzte waren gestern, heute diagnostizieren neuronale Netze, oder?

with one comment


Der Europäische Röntgenkongress (ECR 2017) in Wien ging vor wenigen Tagen mit einer Rekordbeteiligung von über 21.000 Teilnehmern zu Ende. Unter den 10 am häufigsten online angesehenen Beiträgen auf dem Portal der Tante Minnie zählte ein Artikel, der sich mit einer am ECR präsentierten Studie der Universitätsklinik Zürich beschäftigte, die fand,
dass EDV-basierte Neuronale Netzwerke Mammografien ebenso gut diagnostizieren können wie Radiologen. 

So arg überraschend ist das zwar nicht, schließlich haben das schon spanische Wissenschafter im International Journal of Neural Systems für die PET- und MR-Diagnostik des Morbus Alzheimer oder US-amerikanische und japanische Forscher für die Karzinome in der CT-basierten virtuellen Colonoskopie beschrieben. Ich selbst war schon Ende der 90er fasziniert von den Fähigkeiten der damaligen EDV Befundmuster in anamnestischen und Bilddaten identifizieren zu können und jeder bessere CT bringt heute schon mehr oder weniger überzeugende Algorithmen mit, in denen aus Lungen-CTs kleinste Karzinom-suspekte von nicht suspekten Läsionen gefiltert werden können.
IBM investiert Unsummen in Dr. Watson und verspricht aus dem unstrukturierten Heuhaufen der Big Data Risikoprofile und Diagnosevorschläge destillieren zu können. Und jeder hat vermutlich schon von Google gehört, die von sich behaupten den Beginn einer Grippewelle an Hand der Häufung bestimmter Suchanfragen erkennen zu können und so rechtzeitig den Apothekern die Einlagerung von entsprechenden Produkten empfehlen zu können.

Man braucht gar nicht auf die aktuellen Geheimdienstenthüllungen zu verweisen, welche Gefahren in hochvernetzten, gläsernen Strukturen schlummern. Es reicht sich genauer mit derlei Studien zu beschäftigen, um zu erkennen, dass der Feuchttraum der Gesundheitspolitik, die teuren Ärzte durch schweigende Algorithmen ersetzen zu können, eine gefährliche Science Fiction ist:

Die Forscher unserer Mammografiestudie inkludierten 3,271 Mammografien aus dem Jahr 2012 und identifizierten darunter 143 Krebspatienten. Knapp über 140 Fälle reichten aus, um die Algorithmen so zu „trainieren“, dass sie sich mit erfahrenen Radiologen matchen konnten. Das klingt eigentlich so, als ob sich damit die Forscher selbst wegrationalisiert hätten, denn wer will sich denn mit einem hoch bezahlten Radiologen mit all seinen Urlaubs- und Fortbildungswünschen herumschlagen, wenn er durch ein kleines Computerprogramm ersetzbar ist.
Heuer werden etwa 300 Millonen $ weltweit mit Analysesoftware allein für die medizinische Bildgebung umgesetzt,
bis 2021 wird von Signify Research eine Verdoppelung erwartet.

Liest man den Artikel über die Mammografie jedoch weiter, und ein ähnliches Vorgehen findet man bei den meisten dieser Studien, erfährt man, dass die Forscher natürlich einige Fälle ausgeschlossen haben. Alle Patienten, in denen Narben, oder Blutergüsse von vorausgegangenen Interventionen vorlagen, hat man exkludiert, angeblich um dadurch eine fälschlicherweise hohe diagnostische Performance („da steckt wohl was dahinter“) des Algorithmus zu vermeiden. In Wahrheit offenbart das Vorgehen auch, dass all diese Algorithmen nur in Standardsituationen gut performen.

Vieles Mit-Bewusstes was im Alltag den Diagnoseprozess kennzeichnet (Clinical Decision Making not only for Dummies) lässt sich nur schwer in Algorithmen einbringen, Leitlinien funktionieren im Einzelfall nachweislich schlecht.

Es gibt inzwischen kein Brettspiel mehr, in dem Algorithmen nicht den regierenden Weltmeister demütigen,
aber legen Sie einmal einem Dreijährigen eine rasche Skizze einer einfachen Struktur vor, die er rasch erkennen kann und bestellen Sie dann bei Ihrem Programmierer einen Algorithmus, der Strichzeichnungen von Autos erkennen kann und legend diesem Algorithmus dann irgendeine Muttertagszeichnung eines Dreijährigen vor. Wetten, dass der in manchem Blumenstrauß dann ein Auto findet?

 

Advertisements

Written by medicus58

11. März 2017 um 16:49

Eine Antwort

Subscribe to comments with RSS.

  1. Algorithmen sind Hilfsmittel – wie der Hammer für den Zimmerer – und kein Ersatz. Das sollte wohl allen, die ihren Hausverstand nicht an der Kassa abgegeben haben, klar sein.
    Ich verspreche mir eigentlich auch viel vom „Data Mining“, wie es z.B. Lorenz Grigull aus Hannover versucht – in manchen Bereichen verspreche ich mir von jeder Veränderung nur Verbesserung.
    Aber du hast schon recht: Gesundheitspolitisch Tätige sind eventuell öfter an der Kassa vorbeigekommen.

    Hansi

    11. März 2017 at 17:17


Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s

%d Bloggern gefällt das: