KI-gestützte Ansätze für eine individualisierte Gesundheitsversorgung
Die schnelle und genaue Diagnose von Krankheiten ist von entscheidender Bedeutung für die Gesundheit von Einzelpersonen und die Gesundheit der Bevölkerung. Dies gilt insbesondere für behandelbare Erkrankungen wie Diabetes, Schlaganfall und Erkrankungen der Herzkranzgefäße. Das vom Europäischen Forschungsrat(öffnet in neuem Fenster) geförderte Projekt AI-PREVENT wollte dieses Ziel durch den Einsatz künstlicher Intelligenz (KI) unterstützen. Zu diesem Zweck wurden Gesundheitsdaten der finnischen Bevölkerung sowie eine Reihe weiterer Informationen erhoben. „Diese Daten wurden im Rahmen der Initiative FinRegistry(öffnet in neuem Fenster) zusammengetragen“, erläutert Andrea Ganna, Projektkoordinatorin von AI-PREVENT an der Universität Helsinki(öffnet in neuem Fenster). „Dieser Datensatz beinhaltet Gesundheitsdaten sowie eine Vielzahl weiterer Informationen wie Krankenhausaufenthalte, Diagnosen, familiäre Risiken und soziodemografischer Status.“
Gesundheitliche und andere Risikofaktoren modellieren
Mithilfe dieser wertvollen Datenquelle konnte im Rahmen des Projekts ein neuartiger KI-Ansatz entwickelt und angewendet werden, um mögliche Gesundheitsverläufe im Hinblick auf Herz-Kreislauf-Erkrankungen zu modellieren. Das Ziel bestand darin, neue Wege zur Modellierung der komplexen Zusammenhänge zwischen Gesundheit und verschiedenen anderen Risikofaktoren zu finden. „Man kann sich diesen Datensatz als eine Art Lebenschronik aller finnischen Bürgerinnen und Bürger vorstellen“ erklärt Ganna. „Jeder Einzelne ist ein Satz in diesem Buch. Alle diese Sätze sind durch Beziehungen und generationenübergreifende Elemente miteinander verbunden.“ Durch den Einsatz von KI-Tools konnten Ganna und sein Team jeden Satz im jeweiligen Kontext untersuchen und Prognosen für die Zukunft erstellen. „Wir können versuchen, die mögliche Entwicklung dieser einzelnen Geschichten zu verfolgen“, erklärt er.
Verknüpfung sozioökonomischer Daten mit Gesundheitsdaten
Die KI-generierten Modelle erwiesen sich in der Tat als leistungsstarke Instrumente zur Erkennung bestimmter Personen, die gefährdet sind und präventive Maßnahmen benötigen. Mögliche Anwendungsbereiche könnten die Krebsvorsorge oder die Erkennung von Personen sein, die eine kardiovaskuläre Untersuchung benötigen. „Diese Art der Sortierung erfolgt normalerweise nur anhand von Schlüsselkriterien wie Alter und Geschlecht“, ergänzt Ganna. „Durch den Einsatz von KI-Tools in einem umfangreichen Datenregister können wir Personen besser überprüfen. Dieser individuellere Ansatz könnte dazu beitragen, dass Menschen länger leben, und wäre für das Gesundheitswesen kosteneffizienter.“ Das Projekt befasste sich außerdem mit dem Konzept der Fairness. Ganna wollte herausfinden, ob KI-Modelle für alle Gesellschaftsgruppen gleichermaßen zutreffend sind oder ob sie möglicherweise bestimmte Gruppen, wie etwa wohlhabende Personen, begünstigen. „Wir wollten herausfinden, ob die Verknüpfung sozioökonomischer Daten mit Gesundheitsdaten zu objektiven Indikatoren führt“, erklärt er. „Dieser Ansatz wirft ferner die Frage auf, ob wir als Gesellschaft Daten überhaupt auf diese Weise nutzen wollen. Wenn ein KI-System anhand komplexer Daten entscheidet, wer einen Impfstoff zuerst erhalten soll, werden die Menschen dies akzeptieren?“
KI-Modelle allgemeiner anwendbar machen
Ein bedeutender nächster Schritt wird darin bestehen, diese Maßnahme auf mehrere europäische Länder auszuweiten. Ganna merkt an, dass die im März 2025 in Kraft getretene europäische Verordnung über den Gesundheitsdatenraum(öffnet in neuem Fenster) weitgehend mit den finnischen Rechtsvorschriften übereinstimmt, die das Projekt AI-PREVENT ermöglicht haben. „Dieses Projekt hat die Bedeutung des Zugangs zu Daten deutlich gemacht”, sagt er. „Dies ist das Herzstück all unserer Aktivitäten. Wir können beispielsweise die faire Anwendung von KI-Tools nur dann beurteilen, wenn wir über tatsächliche Daten verfügen, die wir verwenden können. Die Forschung im Bereich der präzisen öffentlichen Gesundheit ist ohne diese Grundlagenarbeit nicht möglich.” Die Anwendung von KI in weiteren EU-Ländern würde dazu beitragen, dass Gannas Modelle allgemeiner anwendbar werden und Unterschiede zwischen einzelnen Ländern besser berücksichtigt werden können, glaubt er. Er beabsichtigt außerdem, seine KI-Modelle anhand genetischer Daten zu schulen, um die Gesundheitsvorsorge in Europa weiter zu stärken. Diese gezielten Ansätze sollten dazu beitragen, die Behandlungsergebnisse zu verbessern und die Laborarbeit effektiver und effizienter zu gestalten.