Sprechstunde

über alles was uns krank macht

Posts Tagged ‘Algorithmen

Wer nun aller mit dem Leichentuch winkt

leave a comment »


Einer der Gründe, weshalb ich vor über einem Jahrzehnt zu bloggen begonnen habe, war die Frustration miterleben zu müssen, wie ein öffentliches Gesundheitssystem von Außenstehenden zerschossen wurde und der Ärger, dass das diejenigen den Patienten zu erklären haben, deren Warnungen lächerlich gemacht wurden.

Wer auch immer vor den vielen Eingriffen in die Finanzierung, Ausbildung und Rollen einzelner Gesundheitsberufe warnte hörte früher oder später, dass man nicht mehr darauf reinfallen würde, dass wir Ärzte immer mit dem Leichentuch winken würden, um sich gegen Veränderungen zu wehren.

Ich denke, dass es kaum irgendwen in der politisch marginalisierten Ärztekammer gibt, der Ihnen das nicht unter vier Augen berichten würde.

Aber wie heißt es so schön im Lateinbuch:

Quod licet Iovinon licet bovi

Natürlich argumentieren auch in der Covid-19 Pandemie Ärzte, dass diese oder jene Maßnahme zu mehr oder weniger Erkrankten führen wird, doch das Gewinke mit dem Leichentuch wird heute von Politikern, die bürgerliche Rechte über jede Notwendigkeit beschneiden, von Informatikern, die so den Glauben an ihre Algorithmen einfordern, vom Roten Kreuz, das geschmeidig der Politik folgt, und Konzernen gepflogen, die sich um Milliarden an Steuergeld balgen, das in Zukunft dem Gesundheitssystem fehlen wird.

Das Leichentuch wird geschwungen, um die Schulen zu schließen und um sie jetzt doch nicht so schnell aufzusperren, absurderweise von Lehrergewerkschaften und Eltern.

Vergleiche verschiedener viraler Infektionskrankheiten (Influenza und Covid-19) wird durch das erboste Schwingen von Leichentüchern geahndet.

Völlig sinnlose Anzeigen werden mit angeblich verhinderten Leichenbergen begründet.

Eingriffe in das Arbeitsrecht, das Versammlungsrecht, das Persönlichkeitsrecht, wer hier warnt, den erwürgt man sogleich mit einem Leichentuch.

Da frägt man sich doch, weshalb inzwischen jeder mit den Drohungen mit Leichen durchkommt und diejenigen, die vielleicht gelernt haben, wie man sie verhindert, erzeugt oder zumindest diagnostiziert, sich so leicht ins Bockshorn jagen ließen…

Written by medicus58

26. April 2020 at 20:59

Coronavirus: Künstliche Intelligenz vs. Menschenverstand

with 3 comments


Wie schon die Alten Chinesen, nein, nicht unsere gerade stotternde Werkbank, wussten: Wünsche Deinen Feinden sie mögen in interessanten Zeiten leben.

Wir erleben gerade wieder einen gigantischen Selbstversuch, wie sich die Menschheit gegen eine plötzlich auftauchende Gefahr zu wehren versucht.

Waren es in der Antike die Philosophen, während der Pest noch die Priesterkaste, in der Neuzeit die Fachleute, zuletzt die Influenzer, erleben wir augenblicklich, dass wir den Handlungsanweisungen der Algorithmenschmiede der Technik folgen.

Haben Sie sich schon gefragt, warum plötzlich alle wissen, dass eine Reduktion der Sozial-Kontakte um ein Viertel, die Infektionen halbieren? Eben, ein einfacher Algorithmus, der das an einer genügend großen Fall Zahl durchspielt (Monte Carlo, heißt sowas in manchen Bereichen, die nicht einfach linear darstellbar sind).

Ist ja im Prinzip nichts Schlechtes und brachte uns in der Wettervorhersage auch schon viel Nutzen, hat uns aber bei so manchem Börsencrash seine Limits aufgezeigt.

Die Ursachen dafür sind meist in zwei Schwachstellen zu sehen: Einerseits ist es in hoch komplexen Systemen nicht leicht, alle Einflussfaktoren zu modellieren und für jeden Parameter die geeignete Gewichtung zu finden.

Wir probieren aber augenblicklich auch hier das Primat der Algorithmen über den gesunden Menschenverstand aus. Spannende Zeiten eben.

Einfacher ausgedrückt ist es natürlich sinnvoll in den Öffis nicht die Haltegriffe zu berühren, aber je nachdem, wie hoch ich die Viruslast am Haltegriff, die Fähigkeit des Virus auch überzuspringen und den Prozentsatz der Infizierten abschätzen, gleich zu sterben, krank zu werden und in Quarantäne zu gehen oder als Gesunder das Virus weiterzugeben einschätze, kann es am Ende durchaus sein, dass eine Notbremsung mehr Leuten das Genick bricht, als dass sie das Coronavirus zum Niesen bringt.

Link zum Statistik spielen.

Und ein parallel damals erschienene Artikel über die statistischen Unsicherheiten der Prognosen, den ich beim Abfassen meines Textes nicht kannte, der aber gut zum Thema passt:

A fiasco in the making? As the coronavirus pandemic takes hold, we are making decisions without reliable data Link

Warum die 24h-Pflege nicht sobald durch Künstliche Intelligenz ersetzt wird

with 6 comments


Während manche Kammerfunktionärin heute die Medien mobilisiert, damit bei uns auch über 70-Jährige noch ihren Kassenvertrag behalten dürfen (und für die tägliche Arbeit andere einstellen können) 
Mit 70 soll Schluss sein? Das Nachspiel zum Schlusspfiff 
haben in einer aktuellen Umfrage unter 3400 US-amerikanischen Ärzten 7 von 10 angegeben, ihren Familienangehörigen nicht zu raten, auch den Beruf des Arztes anzustreben.

Desillusionierung mit der beruflichen Praxis, Elektronische Gesundheitsakten, Bürokratie und neue Abrechnungssysteme (Pay-for-Performance-Reimbursement) werden als Ursachen für eine zunehmende Verschlechterung der Gesundheitsversorgung und des Patient-Arzt-Verhältnisses genannt. 
61% der Befragten lehnen die elektronische Patientenakte ob ihrer schlechten Funktionalität, Verlässlichkeit und fehlenden Interoperabilität als frustrierend für Patienten und Ärzte ab.

In wenigen Tagen (25.-30.11.) öffnet der RSNA in Chicago wieder seine Hallen. Diese Veranstaltung der Amerikanischen Radiologischen Gesellschaft ist mit (2017) 52.657 Teilnehmern einer der größten Kongresse überhaupt.
Radiologen zählen weltweit zu den am besten honorierten Fachärzten und Einsparungen lassen sich im Dienstleistungsbereich nur durch Personalreduktion realisieren. Kein Wunder, dass jedes Hilfsmittel freudig begrüßt wird, das verspricht Radiologen durch Algorithmen zu ersetzen. 

Über sieben Jahre ist es her, da habe ich mich hier erstmals mit den Pflegehelferinnen aus dem Osten beschäftigt und mich später auch einmal mit den Nutznießern dieses Systems auseinandergesetzt: 
Die Abkassierer der 24-Betreuung sind unter uns 
Während das Brutto-Einkommen von 24h-Pflegerinnen eher knapp am Steuerfreibetrag liegt, verdienen Radiologen in den USA, der Schweiz und Norwegen jenseits der 300.000 $ pro Jahr. 
Zugegeben, bei uns in Österreich ist das deutlich weniger, aber für jeden eingesparten Facharzt kann sich „das Gesundheitssystem“ noch immer mehr als eine handvoll Pflegerinnen leisten. Wen wundert es da, dass gerade am heurigen RSNA die einschlägigen Angebote boomen. Ob man nun als Arzt seinen Angehörigen raten soll eine Pflegerinnenausbildung zu machen oder doch in die IT-Industrie zu wechseln, soll vorerst einmal offen gelassen werden.Für die Patienten scheint es auch Vorteile zu haben, denn  der diagnostische Teil der Medizin bleibt ihnen i.d.R. verborgen. Kongressveranstalter sollten jedenfalls gewarnt sein, denn die 1996 erreichte Traummarke von über 61.000 Teilnehmern beim damaligen RSNA werden sie wohl nie mehr erreichen. Ja, und wer nun glaubt, dass das alles nix mit unserem Gesundheitssystem zu tun hat, der sei auf meinen Artikel vor weniger als einem Jahr erinnert:
Gesundheit: Zwischen den Zeilen des Regierungsprogramms 
Die Digitalisierung und Telemedizin werden dazu verstärkt eingesetzt; eHealth Anwendungen und Angebote erleichtern den Menschen den Zugang und helfen zukünftig, die Gesundheitskompetenz in der Gesellschaft zu erhöhen
 
(AI=Artificial Intelligence= KI) 

Scientific and Educational Presentations

AI algorithm could decrease number of thyroid biopsies 
Sunday, November 25 | 10:55 a.m.-11:05 a.m. | SSA12-02 | Room S406B 
In this presentation, researchers will describe how the use of an artificial intelligence (AI) algorithm could obviate the need for many biopsies performed on thyroid nodules.

Free-text reports boost AI performance in chest x-rays 
Sunday, November 25 | 11:55 a.m.-12:05 p.m. | SSA12-08 | Room S406B 
A team from the U.S. National Institutes of Health will describe how using free-text radiological reports in training an artificial intelligence (AI) framework can improve performance in classifying multiple results on chest radiographs.

AI taps prognostic power of CT lung cancer screening 
Monday, November 26 | 10:30 a.m.-10:40 a.m. | SSC03-01 | Room E451A 
By analyzing CT lung cancer screening exams, an artificial intelligence (AI) algorithm can predict the likelihood of five other major diseases, researchers from California will report in this presentation.

Deep learning elevates mammography CAD performance 
Monday, November 26 | 11:10 a.m.-11:20 a.m. | RC215-13 | Arie Crown Theater 
Mammography computer-aided detection (CAD) software based on deep learning can perform comparably to radiologists in detecting breast cancer and at a higher level than traditional mammography CAD applications, according to Dutch researchers.

AI speeds up DBT reading time, helps find more cancers 
Monday, November 26 | 11:20 a.m.-11:30 a.m. | RC215-14 | Arie Crown Theater 
In this talk, researchers will report that the concurrent use of artificial intelligence (AI) software while interpreting digital breast tomosynthesis (DBT) screening exams leads to higher radiologist accuracy and much faster reading times.

Deep learning can spot findings early on chest x-rays 
Monday, November 26 | 11:40 a.m.-11:50 a.m. | SSC09-08 | Room E450A 
Researchers from artificial intelligence software developer Qure.ai will share how their deep-learning algorithms can identify some abnormalities on chest radiographs even before they can be visualized by radiologists.

Portable automated x-ray system targets tuberculosis 
Monday, November 26 | 11:50 a.m.-12:00 p.m. | SSC09-09 | Room E450A 
In this talk, researchers will present a portable x-ray system and machine-learning image analysis application designed to make it easier to diagnose tuberculosis in developing and underdeveloped nations.

AI enables CT screening for osteoporosis fracture risk 
Monday, November 26 | 3:00 p.m.-3:10 p.m. | SSE14-01 | Room E353C 
Artificial intelligence (AI) algorithms could enable screening for the risk of osteoporosis-attributed bone fracture by analyzing CT scans that are already being performed for other purposes, according to researchers from Switzerland.

Deep learning may yield sharply lower dose from DBT 
Monday, November 26 | 3:00 p.m.-3:10 p.m. | SSE23-01 | Room S502AB 
In this scientific session, a multi-institutional team of researchers will share how deep-learning technology could lead to nearly 80% lower radiation dose to patients from digital breast tomosynthesis (DBT) studies.

Deep learning spots urgent results on radiology reports 
Tuesday, November 27 | 10:30 a.m.-10:40 a.m. | SSG06-01 | Room N230B 
Deep learning and natural language processing can automatically detect urgent findings on free-text radiology reports, U.S. researchers will report in this scientific presentation.

AI can detect 5 conditions on chest x-rays 
Tuesday, November 27 | 10:30 a.m.-10:40 a.m. | SSG13-01 | Room S404AB 
An artificial intelligence (AI) algorithm system can be highly accurate for detecting five specific findings on chest radiography studies, according to South Korean researchers.

Machine learning bests CAD-RADS for risk assessment 
Tuesday, November 27 | 10:40 a.m.-10:50 a.m. | SSG02-02 | Room S104B 
In this talk, researchers will report that machine learning performs better than the Coronary Artery Disease Reporting and Data System (CAD-RADS) for predicting death and coronary events on coronary CT angiography.

AI combs radiology reports for urgent findings 
Tuesday, November 27 | 10:40 a.m.-10:50 a.m. | SSG06-02 | Room N230B 
In this presentation, researchers will share another approach based on artificial intelligence (AI) for automatically flagging radiology results that need to be urgently communicated to referring physicians.

AI algorithm can triage suspected spine fracture cases 
Tuesday, November 27 | 10:50 a.m.-11:00 a.m. | SSG08-03 | Room S102CD 
A team of researchers from California found that an artificial intelligence (AI) algorithm can assess for the presence of spine fractures on CT exams, serving as a triage tool in the acute trauma setting.

Deep-learning algorithms need real-world testing 
Tuesday, November 27 | 11:20 a.m.-11:30 a.m. | RC305-11 | Room S406B 
Researchers from Boston will show why it’s important for deep-learning algorithms to be tested on real-world cases prior to being deployed in clinical practice for image analysis tasks.

AI can prescreen brain MRIs as normal or abnormal 
Tuesday, November 27 | 3:00 p.m.-3:10 p.m. | SSJ18-01 | Room E451B 
Artificial intelligence (AI) can prescreen brain MRI studies and triage abnormal exams for neuroradiologists, according to researchers from New York.

Machine learning reduces MRI scanning times 
Tuesday, November 27 | 3:30 p.m.-3:40 p.m. | SSJ18-04 | Room E451B 
In this presentation, researchers will show how a machine learning-based image reconstruction algorithm can sharply lower scanning times for brain and lumbar MRI studies.

Deep-learning networks help classify breast density 
Wednesday, November 28 | 10:40 a.m.-10:50 a.m. | SSK02-02 | Room E451B 
Deep-learning networks can help classify breast tissue density, according to researchers from NYU Langone Medical Center.

In-house data train breast cancer detection algorithm 
Wednesday, November 28 | 11:20 a.m.-11:30 a.m. | SSK02-06 | Room E451B 
Researchers from California will share how deep-learning algorithms for breast cancer detection can be trained using an in-house image database.

Deep learning bolsters interpretation of chest x-rays 
Wednesday, November 28 | 11:20 a.m.-11:30 a.m. | SSK05-06 | Room N227B 
Researchers from South Korea will present their deep-learning algorithm for the automatic detection of major thoracic abnormalities on chest radiographs.

AI-based CAD can improve breast cancer detection 
Wednesday, November 28 | 11:30 a.m.-11:40 a.m. | SSK02-07 | Room E451B 
Computer-aided detection (CAD) software based on artificial intelligence (AI) can increase radiologist breast cancer detection rates, according to this scientific presentation.

Algorithm accurately detects changes on chest x-rays 
Wednesday, November 28 | 11:40 a.m.-11:50 a.m. | SSK05-08 | Room N227B 
In this talk, researchers will report that a machine-learning algorithm can perform better than radiologists in detecting changes in findings on serial chest radiographs.

AI algorithm can triage routine abdominal CT exams 
Thursday, November 29 | 10:20 a.m.-10:30 a.m. | RC608-07 | Room E451B 
A Swiss team will describe how an artificial intelligence (AI) algorithm can identify acute findings on routine abdominal CT scans, enabling radiologists to prioritize reading of these urgent exams.

Written by medicus58

4. November 2018 at 13:07

Wie verhindern Sie unnötige Zuweisungen? Einfache Fragen statt komplexer Algorithmen

with 4 comments


In einer hier vor 5 Jahren eingestellten und vor 10 Jahren gehaltenen Vorlesung über Clinical Decision Making habe ich mich schon sehr kurz mit den unterschiedlichen Möglichkeiten „ärztlichen Denkens“ beschäftigt:

1. Vorgehen nach Daumenregeln
2. Suchen nach Pathognomonische Symptomen/Kasuistiken
3. Vorgehen nach Persönlicher Erfahrung (Eminence)
4. Lineare – Algorithmische Modelle

Inzwischen hat uns die Informationstechnologie natürlich auch noch nicht-lineare Algorithmen (lernfähige Artificial Intelligence) beschert, die scheinbar uns Ärzte übertreffen:

Babylon AI erreicht Genauigkeit bei Global Healthcare First, die menschlichen Ärzten gleichwertig ist 
Hautkrebs: Computer erkennt besser als Ärzte
Memorial Sloan Kettering Trains IBM Watson to Help Doctors Make Better Cancer Treatment Choices 

Auch wenn derartige Algorithmen wirklich Ärzteposten einsparen könnten und somit bei Ökonomen schon jetzt zu feuchten Tagträumen führen, werden die Kosten für die notwendige Hardware-Infrastruktur und für die beständige Wartung der Programme in der Regel unterschätzt.

13 Symptoma – Symptom für eine falsche Entwicklung der Medizin

Meine persönliche Ressentiments gegen den Zugang liegen aber in der problematischen Schnittstelle in der das vorliegende Problem einmal ausformuliert wird, bzw. wie es dem Algorithmus vorgelegt wird. Jeder in der Anamnese-Erhebung Erfahrene kann auf den ersten Blick einschätzen, ob eine Frage verstanden wird bzw. eine Antwort plausibel ist.
Denken Sie nur an so exemplarische Situationen wie die Frage nach dem aktuellen Alkoholkonsum. Glauben Sie, dass der Betroffene hier dem Algorithmus seine 5 Krügel und drei Schnäpse ehrlich eingibt, wenn er nach der Ursache seiner Übelkeit fahndet?

Auch bei der Kommunikation zwischen den Ärzten im Rahmen der sogenannten Zuweisung werden oft Nicht-Informationen geteilt:

Neben den Klassikern:
DU (=Durchuntersuchung) erbeten
BG (=Begutachtung) + TÜ (=Therapieübernahme)
Kardiale (Endokrinologische, Psychiatrische, Neurologische, … ) Abklärung erbeten

Kommen einem auch oft echter Zuckerln unter:
Hyperlipidämie, erbitte Therapievorschlag
(bei einem Cholesterninwert von 135 mg/dl, nur weil das entsprechende Labor auch einen unteren Normalwert hatte und deshalb das Ergebnis mit einem Sternchen als abnormal markiert hat)
Analpruritus (=Jucken am After), erbitte um Ausschluss einer Schilddrüsenerkrankung
Demenzabklärung
(bei einem multimorbiden, nach mehreren Schlaganfällen an den Rollstuhl gefesselten 92-Jährigen)

Wäre ich in der IT-Industrie würde ich beginnen einen sehr komplexen Algorithmus zu programmieren, um den Zuweiser zu einer minutenlangen Fragebeantwortung zu zwingen, um diese unsinnigen Zuweisungen abzufangen. Meine über Jahrzehnte in der Praxis erprobte, analoge Lösung beinhalten aber nur zwei einfache Fragen:

Was ist Ihre Verdachtsdiagnose?
Wie ändert sich Ihr Vorgehen, wenn die gewünschte Untersuchung positiv ausfällt, wie ändert es sich, wenn der Befund negativ ausfällt?

Natürlich lässt sich das auch programmieren, jedoch bezweifle ich, dass der Algorithmus das nachfolgende Gestottere, das „Muss den Arzt fragen“ der Ordinationshilfe, …
entsprechend gewichtet!

Written by medicus58

2. August 2018 at 17:00

%d Bloggern gefällt das: