Wenn sich Säuglinge entwickeln, empfehlen wir ihnen, ihnen Zeit auf dem Bauch zu geben, da dies dabei hilft, ihre Nacken-, Schulter- und Armmuskulatur zu stärken und ihre motorischen Fähigkeiten zu fördern, um sie auf kommende Meilensteine wie Krabbeln und Aufsetzen vorzubereiten. Genauer gesagt sind wir Menschen aus einem einfachen Grund darauf ausgelegt, vor dem Gehen zu kriechen: um propriozeptive Informationen zu erhalten, um unser Gehirn und unsere neuronalen Netzwerke darüber zu trainieren, wie die Physik der Außenwelt funktioniert. In ähnlicher Weise spielt die KI eine entscheidende Rolle bei der professionellen Gestaltung des Fachwissens und des Situationsbewusstseins von Klinikern, wenn diese beginnen, sie in der klinischen Praxis immer stärker einzusetzen.
Wenn mein Auto während der Fahrt über die durchgezogene Linie auf dem Bürgersteig fährt, erhalte ich einen hörbaren Piepton, als wollte ich sagen: „Sind Sie sicher, dass Sie das tun möchten?“ KI kann Echtzeit-Feedback geben, um das Bewusstsein und die Entscheidungsfindung zu unterstützen, während wir uns in der Welt bewegen. Ebenso steht die Art und Weise, wie Ärzte arbeiten, vor einem radikalen Wandel. Klinische Entscheidungsunterstützung wird in vielen Anwendungen vorhanden und allgegenwärtig sein, von komplexen Instrumenten für chirurgische Eingriffe bis hin zu einfachen, routinemäßigen Instrumenten wie dem Stethoskop. Das Außergewöhnliche an der KI der Zukunft ist, dass sie über die Funktion eines Gesundheitsprüfers hinausgehen wird. Es wird als zweites Augenpaar fungieren und sogar eine unsichtbare Perspektive bieten. Es verbindet die Punkte mit Datenpunkten, an die sich der menschliche Arzt nicht erinnern kann. Es wird sie auf neue Informationen aus der neuesten Forschung aufmerksam machen und den verfügbaren Input-Korpus bereichern, um eine schnellere und präzisere klinische Entscheidungsfindung zu ermöglichen.
Und obwohl die KI nicht alle Antworten hat und deterministisch sagt: „Hier ist die genaue Diagnose“, wird sie zumindest einen kontextualisierten probabilistischen Rahmen bereitstellen, der auf ausgefeilten Überlegungen basiert, um zu sagen: „Hier sind die Optionen, was es sein könnte und warum.“ Mit anderen Worten: Es handelt sich nicht um einen Validierungsmechanismus. Während der Mensch auf dem Laufenden ist, werden Modelle trainiert, um Vorschläge für Differenzialdiagnosen zusammen mit der Begründung ihres Verdachts zu geben. Sie sehen, KI arbeitet mit Wahrscheinlichkeiten und nutzt Muster, die aus den Daten gelernt wurden. Es funktioniert nicht in absoluten Zahlen. Gesundheitsdaten sind komplex und eignen sich daher am besten dazu, die klinische Entscheidungsfindung mit Menschen und deren differenziertem Verständnis der Welt zu ergänzen und nicht zu ersetzen. Es ist kaum möglich, praktische Szenarien zu identifizieren, in denen der menschliche Kliniker nicht der letzte Schiedsrichter über die Patientenversorgung ist. Das bedeutet auch, dass Kliniker, die zunehmend auf KI setzen, auch neue Fähigkeiten entwickeln müssen, insbesondere im Hinblick auf die kritische Interpretation von KI-generierten Erkenntnissen, um deren Potenzial in der Patientenversorgung voll auszuschöpfen.
Das stille Summen der KI im Hintergrund kann der vestibuläre Input sein, den unser Nervensystem benötigt, um die Umwelt um uns herum immer besser wahrzunehmen. Für die Menschen ist es schwierig anzuerkennen, dass die von Menschen geleitete klinische Entscheidungsfindung und Navigation bereits zutiefst voreingenommen und fehlerhaft ist, da sie unglaublich subjektiv ist und sich vor allem an der Erfahrung des jeweiligen Arztes orientiert. Das Spannende an der KI ist, dass sie es einem einzelnen menschlichen Kliniker ermöglicht, auf die Erfahrung und Weisheit einer Vielzahl erfahrener Kliniker zuzugreifen. Es wird eher auf das klinische Ergebnis als auf das Übungsmuster abgestimmt sein. Es wird geklärt sein, welche Therapien besonders geeignet sind, um für Patienten wie den Patienten, vor dem sie stehen, wirksam zu sein, und für diejenigen, bei denen dies nicht der Fall ist. Da die KI immer mehr Erkenntnisse zum Point-of-Care bringt, wird sie die Möglichkeiten der Ärzte erweitern, größere Möglichkeiten in Betracht zu ziehen und noch besser in der Lage zu sein, umfassendere, evidenzbasierte Entscheidungen zu treffen. In gewisser Weise schafft KI eine Chance für die adaptive Intelligenz des Menschen.
Die Arbeitsweise der Ärzte wird sich radikal ändern. So wie unsere physischen Sinne unsere Wahrnehmung in der realen Welt erweitern und eine sensorische Integration und kognitive Kartierung ermöglichen, wird auch die KI grundsätzlich bidirektional funktionieren, als Teil eines breiteren sensorischen Systems, um es Ärzten zu ermöglichen, ihre Entscheidungen entsprechend anzupassen und zu verfeinern . KI wird der Anstoß sein und sagen: „Sind Sie sicher? Haben Sie über X nachgedacht?“ die Ärzte dynamisch mit umfassenderen medizinischen Erkenntnissen für eine präzisere und individuellere Versorgung integriert. Ausgefeiltere klinische Arbeitsabläufe werden eine synergistische Zusammenarbeit zwischen Mensch und KI ermöglichen und sorgfältig synthetisierte kollektive Intelligenz nutzen, um Klinikern eine größere Interpretationsschärfe und Sicherheit zu bieten. Sie werden besser auf die breitere klinische Landschaft eingestellt, was den Pflegestandard verbessern kann. Da KI darüber hinaus in der Lage ist, Gesundheitsdaten sowohl auf Bevölkerungs- als auch auf individueller Ebene zu analysieren, kann sie ein zweischichtiges Entscheidungsparadigma ermöglichen, das die Fähigkeit der Kliniker stärkt, sowohl umfassende als auch spezifische Empfehlungen und Entscheidungen zu treffen. Als Bindeglied zwischen theoretischem Wissen und praktischer Anwendung wird KI ein anpassungsfähigeres und belastbareres Gesundheitsversorgungsmodell fördern, da sich die Standards medizinischer Exzellenz ständig weiterentwickeln.
Foto: Metamorworks, Getty Images
Emily Lewis, MS, CPDHTS, ist eine versierte Führungspersönlichkeit in den Bereichen digitale Gesundheit und KI. Mit fast zwei Jahrzehnten Erfahrung hat sie bedeutende Beiträge zu klinischen Entscheidungsunterstützungssystemen geleistet und maschinelles Lernen eingesetzt, um die Behandlungszeiten von Patienten zu verkürzen. Emily hat die Integration großer Sprachmodelle in elektronische Gesundheitsakten vorangetrieben, um den klinischen Arbeitsaufwand zu reduzieren, und leitete die Entwicklung eines Software-as-a-Medical-Device (SaMD)-Tools, das jetzt von der FDA und der EMA anerkannt ist und in mehreren Gesundheitssystemen weit verbreitet ist.
Emily ist eine starke Befürworterin der Interpretierbarkeit und Transparenz von KI und hat Frameworks und Best Practices entwickelt, die die Einhaltung internationaler Vorschriften gewährleisten. Sie hat zur Weiterentwicklung der Überwachungsstandards nach dem Inverkehrbringen beigetragen und Systeme für die kontinuierliche Überwachung der KI-Leistung entwickelt. Emily ist dafür bekannt, branchenübergreifende Kooperationen zu fördern und hat Partnerschaften zwischen Pharmaunternehmen, Gesundheitsdienstleistern und KI-Startups vorangetrieben. Sie hat außerdem Bildungsprogramme ins Leben gerufen, um die KI-Kompetenz im Gesundheitswesen bei Ärzten und Branchenexperten zu verbessern. Sie hat multidisziplinäre Teams geleitet und die KI-Strategie und Datenverwaltung von Unternehmen geprägt. Durch ihre Vordenkerrolle, Vorträge und Veröffentlichungen bleibt Emily an der Spitze der Innovation im Gesundheitswesen.
Dieser Beitrag erscheint über das MedCity Influencers-Programm. Über MedCity Influencer kann jeder seine Sicht auf Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um herauszufinden, wie.
