Bestimmen künftig der Computer oder die smarte digitale App die Diagnose und Therapie in Medizin und Zahnmedizin? Wie verlässlich ist die Technik und welche Rolle spielt der Mensch dabei? Mehr als 60 Teilnehmer kamen Anfang dieses Jahres zum ersten internationalen Konsensus-Meeting für Künstliche Intelligenz (KI beziehungsweise englisch „artificial intelligence“, AI) in der Zahnmedizin im Estrel Hotel Berlin zusammen, um sich über diese und viele weitere Fragen auszutauschen. In elf Vorträgen von Zahnmedizinern, Medizinern, Geschäftsführern und Entwicklungsleitern von Unternehmen der Dentalindustrie beziehungsweise KI-Start-ups wurde nicht nur der Stand der Technik diskutiert, sondern auch ethische und regulatorische Fragen zum Einsatz von KI in der Zahnmedizin besprochen.
Was ist Künstliche Intelligenz?
Kaplan und Haenlein (2018) definieren Künstliche Intelligenz (KI) als „die Fähigkeit eines Systems, externe Daten korrekt zu interpretieren, aus diesen Daten zu lernen und diese zu nutzen, um bestimmte Ziele und Aufgaben durch flexible Anpassung zu erreichen"[1].
KI ist eine spezielle Disziplin in der Informatik, bei der künstliche neuronale Netze verwendet werden, die von biologischen neuronalen Netzen wie dem visuellen Cortex, inspiriert sind. Solche Systeme lernen Aufgaben durch die Betrachtung von Beispielen und verbessern so schrittweise ihre Leistung – in der Regel ohne aufgabenspezifische Programmierung.
Abb. 1: KI kommt im Spurhalteassistenten und der Straßenschilderkennung moderner Fahrzeuge zum Einsatz. (Bildquelle: wikipedia2; CC BY-SA 4.0)
KI-Systeme stecken schon heute in einer Vielzahl von Anwendungen, zum Beispiel in der Gesichtserkennung des iPhones und den Programmen der US-Einwanderungsbehörde, in Spurhalteassistenten moderner Fahrzeuge oder in der Zuordnung von Anfragen an Behörden und Versicherungen (Abb. 1).
Mittelfristig werden KI-Systeme in nahezu jedem Wirtschaftszweig Prozesse automatisieren und somit neue unverzichtbare Services/Anwendungen bereitstellen. Prinzipiell ist jede Arbeit ersetzbar, bei der Daten und Bilder bearbeitet, verglichen, analysiert und bewertet werden müssen (zum Beispiel die Prüfung der Steuererklärung).
Künstliche Intelligenz im Gesundheitswesen
Besonders großes Potenzial für KI wird im Gesundheitswesen gesehen. Schon heute erkennen KI-Systeme zum Beispiel Metastasen in Gewebeschnitten von Lymphknoten besser als erfahrene Pathologen (Bejnordi et al. 2017), oder unterstützen Radiologen bei der Diagnostik von Lungenkarzinomen [4]. Dabei wird das aktuell zu bewertende Bild mit tausenden weiteren Bildern verglichen. Bei Röntgenaufnahmen werden Form und Grautöne unterschiedlicher Bereiche analysiert und nach Übereinstimmungen mit Bildern von Tumoren oder Zysten gesucht.
Abb. 2: Der „Tipping Point“ beim Einsatz von KI in der Zahnmedizin ist erreicht. (Bildquelle: Quintessence Publishing)
Durch den Anstieg der Rechenleistung ist es erst seit einigen Jahren möglich, KI-Systeme in großem Maßstab zu verwenden. So sind wir heute an einem Punkt angekommen, an dem die Technik kein Hindernis mehr darstellt (Abb. 2). Tatsächlich ist es eher eine Frage der Kreativität, der notwendigen Datenbasis und der Finanzierung.
KI in der Zahnmedizin
Viele Unternehmen in der Zahnmedizin beschäftigen sich schon seit einigen Jahren mit KI-Anwendungen. Und so war das erste Ziel des „1st Consensus Meeting on AI in Dentistry“, mit den eingeladenen Unternehmen den Stand der Technik in den unterschiedlichen Bereichen der Zahnmedizin zu erheben (Abb. 3).
Abb 3: Ziele des Meetings. Beginnend bei „Demand and Possibilities for AI in the Future” (Bildquelle: Quintessence Publishing)
Unbestritten werden KI-Anwendungen zunehmend die tägliche Arbeit von Zahnmedizinern unterstützen und mittelfristig einige Arbeiten auch ersetzen. Dabei erstreckt sich der potenzielle Einsatz von der Diagnose anhand von Risikofaktoren und der Anamnese des Patienten, über die automatische Auswertung von Röntgenbildern, die assistierte Planung von zum Beispiel Implantatpositionen bis hin zur Abrechnung mit Versicherungen.
Dabei können maschinelle Lernalgorithmen mehr Informationen verarbeiten und mehr Muster erkennen als der Mensch. Die bereits auf dem Markt etablierte System der ada Health GmbH (Deutschland) liefert durch Abfrage von Symptomen und weiteren Fragen mögliche Diagnosen. Im System sind nahezu alle bekannten Krankheiten mit ihren entsprechenden Symptomen und Prävalenzen hinterlegt. Im Gegensatz hierzu kennt ein Arzt im Normalfall ein paar hundert bis tausend Krankheiten.
Hier wird deutlich: Eine KI vergleicht mehr Symptome und Risikofaktoren als ein einzelner Mensch. Darüber hinaus ist die KI weniger anfällig für Verzerrungen und besser in der Beurteilung von Wahrscheinlichkeiten. Während Menschen gegebenenfalls die Möglichkeit vernachlässigen würden, dass ein Patient an einer sehr seltenen Krankheit leidet, berechnet die Maschine lediglich die Wahrscheinlichkeit. Wenn die Gesundheitsparameter zu dieser Krankheit passen, kommt es zu einer Diagnoseempfehlung. Tatsächlich hat die Firma ada erste Anzeichen dafür gefunden, dass diese „seltenen" Krankheiten häufiger als gedacht auftreten.
KI in der klinischen Anwendung
Entscheidend für die Anwendung von KI in der Zahnmedizin ist der Grad an Digitalisierung des Behandlungsablaufs. Dies beinhaltet zum einen eine digitale, als Datenbank erfasste Krankengeschichte des Patienten. Zum anderen erfordert es im Bereich der zahnärztlichen Therapie digitale Arbeitsabläufe, die durch KI-Prozesse unterstützt werden können. In diesem Zusammenhang zeigte Prof. Dr. Dr. Bernd Stadlinger (Universität Zürich) den aktuellen Grad an Digitalisierung in der Implantologie und Oralchirurgie auf. In Intraoralscan- und DVT-basierten Implantatplanungen können Entscheidungsfindungsprozesse in Bezug auf die Anatomie sowie die gewählte Implanatversorgung durch KI-Prozesse unterstützt werden. Durch die Einbindung der Krankengeschichte können patientenspezifische, systemische Faktoren wie Grunderkrankungen und die Medikation zusätzlich in solche KI-basierten Entscheidungspfade integriert werden. Ziel muss es sein, KI-basierte Prozesse zum Wohl des Patienten zu nutzen, um eine bessere und sicherere Therapie zu ermöglichen.
Ähnliche Abläufe zeigen sich auf dem Gebiet der Endodontie. Dr. Jörg Schröder (Berlin) zeigte in einem klinisch geprägten Vortrag die Möglichkeiten auf, die Behandlungsabläufe in der modernen Endodontie abzubilden. Solche auf DVT-Basis erstellten Behandlungsplanungen bei komplexen anatomischen Verhältnissen können ebenso durch KI-Systeme sinnvoll unterstützt werden.
KI erkennt Karies besser als der Mensch
Jaroslav Bláha (Fa. CellmatiQ, Deutschland) berichtete, dass eine Gruppe von Zahnärzten nur etwa 50 Prozent der Kariesfälle in Röntgenaufnahmen im Vergleich zur KI fand (Abb. 4). Er konnte auch zeigen, dass die KI besser als der Mensch in der Lage ist, kieferorthopädische Landmarken auf Röntgenaufnahmen zu detektieren.
Abb. 4: Karieserkennung mittels KI (Fa. CellmatiQ). Zahnmediziner erkennen nur etwas mehr als die Hälfte der Kariesfälle, welche die KI entdeckt.
In einigen Fällen übertreffen KI-Systeme also bereits den Menschen. Und selbst wenn die KI qualitativ nur so gut wäre wie der Mensch, so ist ihre Geschwindigkeit schon heute deutlich höher. Allein durch die Zeitersparnis und die damit verbundene Kostensenkung werden KI-Systeme in der Zahnmedizin zukünftig eine immer wichtigere Rolle spielen.
Einen Einblick in die Möglichkeiten und den Stand von KI-Anwendungen in der Zahnmedizin gibt Jaroslav Bláha (Fa. CellmatiQ, Deutschland) im Videointerview mit Quintessence News.
Die Verwendung von KI-Systemen regulieren
Daher beschäftigte sich der zweite große Themenschwerpunkt des Meetings mit Fragen zur Regulierung solcher KI-Anwendungen. Welche Mindeststandards muss eine KI erfüllen, um zum Beispiel ein Bild analysieren zu dürfen? Braucht sie eine Medizinproduktezulassung? Wie muss die Empfehlung einer KI deklariert sein?
Bei diesen Fragen handelt es sich um Themen, die bei jedem neuen Medizinprodukt eine Rolle spielen und analysiert werden. Sie lassen sich im Wesentlichen mit etablierten Methoden und Prozessen beantworten. Dazu berichtete Prof. Dr. Dr. Schmalz ausführlich. Er legte dabei einen Schwerpunkt auf die Normierung von Prozessen durch die ISO. Das Fazit: Ohne einen Wettbewerb von Unternehmen zur Lösung bestimmter Fragestellungen mittels einer neuen Technologie kann es keinen Konsens geben und somit auch keine Normierung. Neue Normen müssen von den Firmen beim ISO in Auftrag gegeben werden. Letztlich profitieren hiervon später alle Beteiligten.
Kurz wurde auch auf das Thema Kostenübernahme von KI durch Krankenkassen eingegangen. Dabei kam man schnell zu dem Schluss, dass, ähnlich wie bei anderen Technologien, die dem Zahnarzt Arbeit einsparen, eine Erstattung nötig sein wird und möglich ist.
Entscheidungshoheit in der Praxis
Bei der Verwendung von KI-Anwendungen in der Praxis kommt jedoch eine ganz neue Fragestellung hinzu. Wer hat die Hoheit bei der Erstellung von Diagnosen in der Praxis, wer stellt sie infrage? So wurden im Meeting unter anderem folgende Fragen gestellt: Wohin entwickelt sich die Zahnmedizin, wenn künstliche Intelligenz mit Zahnärzten um Kompetenz und Erfahrung konkurriert? Wird KI ein nützlicher Helfer für den Zahnarzt sein? Oder wird der Zahnarzt eher der Erfüllungsgehilfe der KI werden?
Jaroslav Bláha, CellmatiQ, Deutschland (Foto: Quintessence Publishing)
Diese Entwicklungen werden das gesamte System des medizinischen und zahnmedizinischen Gesundheitswesens verändern – von der Ausbildung, über die Behandlung bis hin zur Abrechnung und Versicherung des Patienten. So beantwortete Bláha (CellmatiQ) die Frage aus dem Publikum: „Ist es ethisch vertretbar, auf die Diagnostik einer KI zurückzugreifen?“ umgedreht mit einer Gegenfrage „Ist es überhaupt noch vertretbar, nicht auf eine KI-Unterstützung zurückzugreifen, wenn man doch weiß, dass sie in vielen Fällen der menschlichen Einschätzung überlegen ist?“
KI-Kompetenz im Zahnmedizinstudium
Viele Teilnehmer waren der Meinung, dass in Zukunft im Zahnmedizinstudium neben dem Erwerb von Faktenwissen über Erkrankungen auch ein starker Fokus auf den Umgang mit KI-Systemen zur Entscheidungsunterstützung gelegt werden müsste. Dabei sollte es darum gehen, die kommende Generation der Zahnmediziner darin zu schulen, Grundlagen über die Arbeitsweise von Entscheidungsunterstützungssystemen zu erlernen, um deren Entscheidungen nachvollziehen zu können und sich, wenn medizinisch indiziert, dagegenzustellen. Ein Impuls zu dieser Diskussion entsprang einer Videodokumentation des „Center for Precision Dental Medicine“ der Columbia University.
Quintessence Publishing und KI
Die Frage, was Quintessence Publishing dazu veranlasst hat, zu einem AI-Meeting einzuladen, wurde gleich zu Beginn beantwortet: KI-Anwendungen sind lediglich ein anderes Medium beziehungsweise ein anderes Format der Sammlung und Übermittlung von Wissen, also letztlich der Fortbildung von Zahnmedizinern. Mit dem Forschungsprojekt „SimpleAnno“ wurde dafür in den vergangenen drei Jahren die Grundlage geschaffen, um Inhalte des Verlags für automatische Entscheidungsunterstützungssysteme verwendbar zu machen (mehr dazu im Video).
Rege Diskussionen der Beiträge und Präsentationen auf dem KI-Meeting in Berlin (Foto: Quintessence Publishing)
Darstellung von KI-Empfehlungen
Die Präsentation der ada Health App löste eine rege Diskussion aus. So wurde zum Beispiel die Darstellung der möglichen Diagnosen hinterfragt. Die Befürchtung eines Teilnehmers man würde dem Patienten hier zu leichtfertig eine mögliche Diagnose aufzeigen, wurde diskutiert. Die von ada gewählte Darstellung der statistischen Beschreibung „5 von 10 Personen mit den gleichen Symptomen haben diese Erkrankung“, erlauben dem Patienten eine statistische Einordnung des Ergebnisses. Ada ist als Medizinprodukt der Klasse 1 zugelassen. Die Notwendigkeit von FDA Zulassungen wurde diskutiert. Besonders positiv wurde die Visualisierung der Entscheidungsgrundlage für eine Diagnose bewertet. Diese erlaubt es dem Nutzer nachzuvollziehen, wie sein Ergebnis zustande kam.
Generieren ausreichender Datenbestände
Weitere Vorträge setzen sich mit der Frage auseinander, wie große Datenmengen systematisiert aufbereitet und sortiert werden können. Bis eine KI automatisch ein bestimmtes Muster auf einem Bild einer Diagnose zuordnen kann, muss sie mit einer hohen Zahl von Bildern der gleichen Erkrankung „gefüttert“ werden. Insbesondere für seltene Erkrankungen, bei denen eine Unterstützung des Behandlers besonders sinnvoll wäre, steht eine solche Datenbasis aktuell, wenn überhaupt, für sehr wenige Erkrankungen zur Verfügung.
Sameh Talaat aus der Arbeitsgruppe „Orale Technology“ (Prof. Bourauel, Universität Bonn) präsentierte hierzu ein Konzept zur Klassifizierung von Bildern aus großen Bilddatenbanken. Das vorgestellte System DigiBrain ist demnach in der Lage zu erkennen, ob es sich bei einer Datei um eine intraorale Röntgenaufnahme des seitlichen Oberkiefers oder zum Beispiel um eine extraorale Aufnahme des Schädels handelt. Außerdem unterscheidet das System zwischen normalen und pathologischen Diagnosen. Tragen diese Bilder dann noch Information mit sich (in den sogenannten Metadaten), zum Beispiel um welche Erkrankung es sich handelt, lässt sich eine Datenbank mit vielen tausenden Bildern zu den unterschiedlichsten Pathologien beziehungsweise Diagnosen aufbauen.
An diesem Punkt setzt das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Kooperationsprojekt zwischen Quintessence Publishing, dem Software Unternehmen [j]karef und dem IMISE der Uniklinik Leipzig an. Das im Projekt „SimpleAnno“ entwickelte System extrahiert relevante Begriffe aus medizinischen Texten, schlägt diese in einer im Projekt entwickelten Ontologie von Behandlungsschritten nach und schreibt diese Begriffe in die Metadaten der Bilder des medizinischen Falls. Kombiniert man nun beide Systeme, erhält man optisch ähnliche Bilder, die einen bestimmten Behandlungsschritt oder ein Symptom einer Erkrankung darstellen.
Es geht nicht ohne den Menschen
Doch bei aller Euphorie über die Chancen und Möglichkeiten, die der technische Fortschritt bietet, und trotz der schon erreichten Automatisierung, bleibt nach wie vor der Mensch die wichtigste Variable der Gleichung. Ohne zahlreiche geschulte Augenpaare, die eindeutig bestätigen, um was es sich bei jedem Bild handelt, geht es nicht. „Wir lassen jedes Bild von bis zu zehn Experten diagnostizieren. Schon wenige falsch diagnostizierte Bilder verursachen Fehler in den selbstlernenden Algorithmen, die sich später potenzieren können und dann gravierende Auswirkungen haben“, so Blahá.
Mehrere Referenten fassten dies in ihren Vorträgen mit dem Satz zusammen „If you put garbage in, you get garbage out.“ Dieses Bespiel macht deutlich, wie durch die Beeinflussung von wenigen Anfangsparametern das Ergebnis einer KI verfälscht werden kann.
Beinflussbarkeit der Algorithmen
Alle Teilnehmer waren sich einig, dass in der möglichen Beeinflussung von Algorithmen eine große Gefahr für das Gesundheitswesen besteht. Wie die KI zu einer Entscheidung kommt, und auf welcher Datenbasis ein System eine Handlungsempfehlung ausspricht, ist in vielen Fällen nicht mehr ersichtlich. So gibt es eine ernstzunehmende Gefahr der Manipulation. Wer sitzt an den Stellschrauben der Algorithmen zu Systemen der medizinischen Entscheidungsunterstützung? Ein Implantathersteller oder der Hersteller von Endodontie-Geräten? Die Krankenkasse oder die Zahnärzteschaft?
Positionen der Experten zu KI in der Zahnmedizin
Ausgehend vom Vortrag von Jörg Haist (Dentsply-Sirona) zu Beginn des Meetings und den darin vorgeschlagenen sieben Positionen, wurden am Ende des Meetings die folgenden gemeinsamen Standpunkte formuliert:
- Die Verwendung von KI zur diagnostischen Unterstützung hat das Potenzial, zahnmedizinische Diagnosen zu präzisieren und zu vervollständigen. Insofern ist die diagnostische Unterstützung durch KI positiv.
- Die letztliche Verantwortung für die jeweilige Diagnose muss beim Zahnarzt liegen. Die KI kann ihn nur unterstützen.
- Diagnosegestützte Systeme sollten in einem standardisierten und unabhängigen Verfahren getestet werden. Geeignete Validierungsmethoden, die zu einem „Gütesiegel" führen, sollten definiert und entwickelt werden. Die zuständigen Stellen sollten durch Konsens von Universitäten, Fachverbänden und Industrie definiert werden.
- (Öffentliche) unabhängige Finanzierung der Forschung ist notwendig. Es wäre sinnvoll, finanzierte Forschungskooperationen zwischen Universitäten, Zahnarztpraxen und Industriepartnern einzurichten.
- Die KI in der Zahnmedizin versteht sich als Teil der internationalen AI-Initiativen und Strategien. In Deutschland ist sie Teil der „Strategie Künstliche Intelligenz" der Bundesregierung, um Deutschland zu einem führenden KI-Standort zu machen (siehe [3]). In zahlreichen anderen Ländern gibt es vergleichbare öffentliche Förderprojekte.
- Die Machbarkeit eines auf Freiwilligkeit basierenden Zentralregisters von anonymisierten Gesundheitsdaten zwecks Erforschung und Entwicklung von AI-Anwendungen muss geprüft werden.
- Die Allgemeine Datenschutzgrundverordnung (EU-DSGVO) regelt ausreichend die Verarbeitung personenbezogener Daten und gewährleistet den Schutz personenbezogener Daten innerhalb der Europäischen Union. Außerhalb der EU regelt das jeweilige nationale Recht den Datenschutz.
Ausblick
Viele der teilnehmenden Wissenschaftler und Vertreter der Industrie begrüßten die Idee der Gründung einer Gesellschaft zum Thema KI in der Zahnmedizin. Es wird beabsichtigt, sich zeitnah weiter zu dem Thema auszutauschen.Die Teilnehmer hoffen auf ein weiteres Meeting im Jahr 2020, mit noch größerer Teilnehmerzahl und noch größerem Umfang.
Dr. Fabian Langenbach, Berlin
Literatur
- Kaplan X, Haenlein Y. Siri, Siri, in my hand: Who’s the fair-est in the land? On the interpretations, illustrations, and implications of artificial intelligence (2018) Business Horizons Volume 62, Issue 1, January–February 2019, Pages 15-25
- https://de.wikipedia.org/wiki/Spurhalteassistent#/media/File:Verkehrszeichenerkennung_IMG_6859.JPG
- Bundesregierung (Hrsg.). Strategie Künstliche Intelligenz. Stand 16. Nov 2018. https://www.bmbf.de/de/bundesregierung-beschliesst-strategie-kuenstliche-intelligenz-7337.html
- Ehteshami Bejnordi B, Veta M, Johannes van Diest P, et al. Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer. JAMA.2017;318(22):2199–2210. doi:10.1001/jama.2017.14585
