Embedded-KI im Gesundheitswesen Künstliche Intelligenz, die zur Heilung beiträgt

Anbieter zum Thema

KUMAVISION AG

Codialist GmbH

KI wird nie den Menschen ersetzen. Das soll sie auch nicht. Aber sie verbessert die Behandlungsergebnisse und wirkt dem Personalengpass und menschlichen Fehlern entgegen. Sie verschafft den Behandelnden mehr Zeit für die Patienten. Medizinischen Geräte in Arztpraxen, Krankenhaus und Operationssaal wird Embedded-KI eine Intelligenz verleihen, damit sie mit dem Benutzer und Patienten auf funktionaler und kollaborativer Ebene interagieren. Natürlich ausgerichtet nach rechtlichen Vorgaben.

Sinnvolle Datenverknüpfung und -Analyse auf großen, applikativen Ressourcen mit entsprechend „großer“ KI schafft eine Menge an neuen Möglichkeiten. Sie minimiert menschliche Fehler und gibt behandelnden Ärzten und Schwestern tiefere und vollumfänglichere Einblicke in den Gesundheitszustand von Patienten. Durch die Datenanalysen mittels KI wird es in der Zukunft sogar möglich sein, die Eintrittswahrscheinlichkeit von bestimmten Krankheiten und Genesungsprozesse in einem noch höheren Ausmaß vorherzusagen.

Das alles braucht eine fundierte Datenbasis, die zentral (Server, Cloud, externe Digitalanbieter) gespeichert und ausgewertet wird und das wiederum führt zu vielen Hürden der Regulatorik und des Datenschutzes. Die Lösung heißt dezentrale KI, die tiefe Analysen schnell und selbstständig durchführt, ohne rohe Patientendaten auf Server oder gar im Netzwerk zu akkumulieren. Damit ist das Thema Datenschutz durch die lokale Autarkie bei Embedded-KI gelöst und die spezialisierte Auswertungstiefe noch besser.

Bildergalerie

Warum Embedded-KI?

Als Embedded-KI werden Elektroniksysteme bezeichnet, in denen KI autark und lokal wirkt. KI ist nun im Device selbst praktizierbar ohne Einsatz sicherheitskritischen Cloudanbindung oder größeren, teureren Zentralelementen wie PCs oder lokalen Server-Workstations. Embedded-KI ermöglicht das, was die Medizintechnik seit Jahren als Herausforderung sah, aber aufgrund technischer Beschränkungen bis vor drei Jahren nicht realisieren konnte. Wesentliche Trendtreiber dieser Technologie sind ihre Kerneigenschaften: Embedded-KI ist sicher abgekapselt, ressourcensparend und kostengünstig im Sinne der nicht benötigten Netzwerkanbindung. Gleichzeitig fungiert sie in Echtzeit, liefert also Ergebnisse und Entscheidungen innerhalb von Millisekunden.

Die AITAD GmbH aus Offenburg im Schwarzwald beschäftigt sich seit dem Jahr 2018 mit Embedded-KI, der neuesten Entwicklungsstufe im Bereich der künstlichen Intelligenz, diese ist seit knapp drei Jahren dem reinen Forschungsstadium entwachsen. Diese Technologie unterscheidet sich elementar von den verbreiteteren Cloud- und Edge-Lösungen am Markt, was unter anderem dadurch deutlich wird, dass keine Netzwerkanbindung mehr notwendig ist und die Funktion der Anwendung auch im autarken Zustand gewährleistet ist. So können neue Funktionen in Medtech-Geräten implementiert, Prozesse in Medizingeräten optimiert oder die Ausfallsicherheit in medizinischen Produkten verbessert werden. Im Wesentlichen handelt es sich also um zentimetergroße Sensoren, auf denen die KI selbstständig wirkt. Dabei spielt es keine Rolle, ob es ein Kamerasensor, ein Vibrationssensor oder ein Lidar oder Spektrometer ist.

Einsatzgebiete

Die Bandbreite reicht von Personal Health über OP-Ausrüstung bis hin in die Patientenversorgung und -pflege. Embedded-KI in Medizin-Devices entlastet und unterstützt das Personal bei täglichen Aufgaben, verbessert den Umgang mit Patienten und ermöglicht verbesserte oder neuartige Hauptfunktionen, wie die genannte Programmanpassung je nach erkannter OP-Situation durch die Beleuchtung oder Haltung von Medizininstrumenten. Zudem kann es gefährliche Situationen beim Bedienen erkennen oder Vorschläge für Verbesserungen liefern.

Krankenbetten können beispielsweise durch Lidar- oder Drucksensoren die Lage des Patienten dokumentieren oder anhand seiner Gestik und Rufen das Krankenpersonal informieren. Ein anderes Beispiel ist ein Heimanwender-Atemgerät oder eine Prothese, die sich durch Sprache oder Nutzungsprofil (Bewegung, Atemfluss) an den Nutzer anpasst bzw. automatisch ihre Funktion ändert. Oder Schnarch-Therapiegeräte, die Anomalien bei Verrohrung durch redundante kalorimetrische Sensoren erkennen und auf Leck oder sich verändernde Atemintensität hinweisen.

Embedded-KI lässt sich selbst dafür einsetzen, um zuvor nicht erfassbare, irrationale beziehungsweise empirische Zustände, beispielsweise Gefühlszustände respektive Psyche anhand von Stimmlage und Sprachklang, besser einzuschätzen.

Innovative Entwicklungen in drei Kernbereichen

User Interaction: Beispiele sind die Interaktion durch Geste, Haltung des Handstücks oder Rufwörter (wie z.B. „Gerätename, Start Behandlungsschritt 3!“) mit einem Medizingerät. So kann der Chirurg das OP-Lasergerät oder -Endoskop mit der Stimme steuern, es wird keine nicht-sterile Krankenschwester mehr benötigt. Oder das Gerät merkt selbst, wozu es gerade angewendet wird, und adaptiert sich der Situation intelligent selbst.

Funktionale Innovationen stellen dagegen den Einsatz von Embedded-KI in kundenspezifischen Use Cases dar: Ein Beispiel hierfür wäre eine automatische Anpassung einer OP-Leuchte mit Lichtstärke und Farbe ans durch günstige Sensorik erfasste Operationsfeld. Oder eine Zahnbürste, die den Zahnstatus durch Vibrationsanalyse selbstständig analysiert.

Vorausschauende Wartung (Predictive/Preventive Maintenance) bedeutet, Ausfälle bestimmter Hauptausfallskomponenten innerhalb eines Geräts (z.B. Aufsätze, Pumpen, Motoren, Filter, Lüfter, etc.) frühzeitig und planbar vorherzusagen. Dies trägt nicht nur der Sicherheit in der Medizin bei, sondern eröffnet durch Planbarkeit und Personalunabhängigkeit den Raum für wiederum neue, servicebezogene Geschäftsmodelle wie Leasing, Abonnement-Service, etc.

Wie ein Embedded-KI-fähiges Medizingerät entsteht

Jeder Hersteller, der aktuell auf Embedded-KI setzt, verfügt über einen USP, da die Technologie noch neu am Markt ist. Zudem fällt die regulatorische Datenschutzthematik und Abhängigkeit von großen Digitalplayern mehr in den Hintergrund. Gerade mittelständische Unternehmen stehen vor der Herausforderung, rechtzeitig entsprechende Lösungen zu finden oder Ressourcen zu schaffen und Knowhow zu entwickeln. Wichtig ist auf Individuallösungen zu setzen, die geschützt sind und kein anderer einfach so verwenden kann. Externe Berater und Entwickler, die sich auf Embedded-KI spezialisiert haben, können die Produkte testen und Vorschläge unterbreiten, welche Embedded-KI mit welchem Nutzen für die Anwender zu welchen Kosten für den Hersteller realisierbar ist und vom Prototyp bis zur Serienreife begleiten.

Erster Prototyp nach sechs Monaten

Meistens kann schon nach maximal sechs Monaten und wenigen Hunderttausend Euro Budget ein Proof-of-Concept mit dem ersten Prototyp und damit gutem ROI (Return-on-Investment) abgeschlossen werden. Der Embedded-KI-Prozess durchläuft bis hin zur Serienentwicklung die folgenden Stufen: Zuerst erfolgt die Konzeptionierung, gefolgt vom Daten sammeln mit diversen Sensoren und Positionen. Anhand der aufbereiteten und angereicherten Daten bauen Datenexperten ein Machine-Learning-Modell. Embedded-Softwareentwickler wandeln dieses in ausführbaren, hardwarenahen Code um, mitsamt allen Sensor- und Interfaceanforderungen.

Dieser Schritt erfordert eine hohe Kompetenz, da hier Standardtools zumeist nicht weiterführen. Bei diesem Entwicklungsschritt zeigt sich, wie die Endkomponente aufgrund der Modellgröße und des passenden Halbleiters aussehen wird. Die Embedded-Hardware mit möglichst dann nur noch einem ausgewählten Sensor (wie z. B. Mikrofon für Spracherkennung) wird hier also individuell mitentwickelt. Danach ist das System reif für die Praxistests. Zum Serienlaunch gehört der Zertifizierungsprozess des Gesamtprodukts, aber auch Umgebungs- und Lebensdauertests. So können Medizingeräte bereits heute mit umfangreichen, innovativen Embedded-KI-Lösungen ausgestattet werden, die Unternehmen weitere Geschäftsfelder ermöglichen und das Gesundheitswesen unterstützen.

Warum ein KI-Verbot der Medizin mehr schadet als nützt

Was oft übersehen wird: Es ist wichtig zwischen generativer KI und diskriminativen KI zu unterscheiden. Bei dem oft erwähnten Chatbot ChatGPT handelt es sich um ein generatives KI-Intelligenzsystem. Damit beschreibt man jede Art von künstlicher Intelligenz, mit der neue Texte, Bilder, Videos, Audios, Codes oder synthetische Daten erstellt werden können. Im Gegensatz dazu gibt es auch die diskriminativen KI-Modelle, die keinen Content erzeugen, sondern vielmehr darauf spezialisiert sind, bestehende Datensätze zu beschreiben und in der Folge auszuwerten und zu interpretieren. Darunter fallen auch die vorher beschriebenen Anwendungsfelder.

Die KI benötigt zur Auswertung dieser Daten deutlich weniger Zeit als der Mensch und ist in dieser Beziehung als unterstützender, nicht als erzeugender Faktor tätig. Ein KI-Moratorium würde die generative und die diskriminative KI in gleichem Maße treffen, obwohl die beiden Arten grundsätzlich unterschiedliche Auswirkungen auf ihre Umwelt haben. Konkret könnten die Auswirkungen eines KI-Verbots Innovationshemmung und Wettbewerbsnachteile sein. Es würde die deutsche KI-Branche schwächen und dem asiatischen Wettbewerb in die Hände spielen. Vor allem die diskriminativen KI-Modelle sollten vor einem Entwicklungsverbot geschützt werden, da sie das Leben der Menschen ohne negative Nebenwirkungen erleichtern und einen deutlichen Mehrwert, auch im Health-Segment, bieten.

Der Autor: Viacheslav Gromov ist Gründer und Geschäftsführer des deutschen Embedded-KI-Anbieters AITAD.

Dieser Artikel ist zuerst erschienen auf unserem Schwesterportal www.healthcare-digital.de.

(ID:49611774)