Warum KI bei Epilepsie?
Epilepsie gehört mit Migräne und Demenz zu den häufigsten chronischen neurologischen Erkrankungen, etwa einer von 26 Menschen entwickelt in seinem Leben eine Epilepsie – bei vielen Betroffenen bleibt die Erkrankung jedoch unentdeckt und unverstanden. Das liegt auch daran, dass die Diagnose und Therapie oft schwierig und ungenau sind, erklärt Dr. Christian Boßelmann, Oberarzt in der Neurologischen Universitätsklinik.
„Genau da kann die KI helfen“, ist er überzeugt – und forscht daher aktiv in dem Bereich. Die KI kann etwa dabei unterstützen, die große Datenmenge nach einer Untersuchung der elektrischen Aktivität im Hirn (EEG) auszuwerten, Informationen aus der elektronischen Patientenakte zu ziehen, das entstandene Bildmaterial einzuordnen – und ist eventuell sogar besser darin die winzigen Veränderungen darin zu finden als der menschliche Experte.
Epilepsien sind eine große Gruppe unterschiedlicher Erkrankungen. Bei den generalisierten Epilepsien etwa betrifft die epileptische Aktivität von Beginn an beide Gehirnhälften. Fokale Epilepsien entstehen dagegen in einem bestimmten Bereich des Gehirns, etwa infolge eines Traumas, Tumors oder Schlaganfalls.
Je nachdem, um was für eine Epilepsie es sich handelt, sind Diagnose und Behandlung unterschiedlich. Meist wird mit Medikamenten behandelt, bei bestimmten Patienten kann auch eine Operation sinnvoll sein. Genau dafür braucht es sehr genaue Auswertungen von EEG und MRT.
Ein Teil der Epilepsien entsteht zudem aufgrund einer genetischen Komponente, darunter die seltenen, schweren frühkindlichen Epilepsien. Genau hier setzt das Universitätsklinikum einen Schwerpunkt in der Forschung: Mit KI die Auswertung der Genetik – die sogenannte Varianteninterpretation – und das Verständnis der Krankheitsentstehung zu unterstützen, um daraus auf die richtige Behandlung schließen zu können. „Das ist angewandte Präzisionsmedizin“, sagt Dr. Boßelmann.
Wie funktioniert die Zusammenarbeit von Arzt und KI?
Dr. Stefanie Liebe ist Clinician Scientist, also zugleich Ärztin und Forschungsgruppenleiterin am Hertie Institut für Hirnforschung und Hertie AI, u.a., mit einem Fokus auf KI basierte Datenanalyse im Bereich Neurologie und Epileptologie. „Mir ist aufgefallen, dass ich ganz viele Dinge in meinem Alltag als Ärztin mache, die man automatisieren könnte und sollte“, erzählt sie. Jeden Tag verbringe sie Stunden vor EEGs, und die meiste Zeit passiert: nichts. Ihr Traum daher: Ein KI-Agent, der neben ihr sitzt und ihr sagt: Schau hier noch mal hin – aber fundiert und mit einer Erklärung und Referenz, warum, sowie ein Vorschlag zu einem möglichen Befund.
Klar muss aber sein: „Die Entscheidung, was danach mit dem Patienten oder der Patientin passiert, ist immer meine Entscheidung. Wir können uns nicht blind auf KI verlassen.“
Die Idee, KI zur automatisierten Analyse von EEG-Daten zu nutzen, wird bereits seit den 1990er-Jahren erforscht. Obwohl entsprechende Algorithmen inzwischen weit entwickelt sind, werden sie im klinischen Alltag bislang deutlich weniger eingesetzt, als es der Stand der Forschung vermuten ließe.
Kann KI epileptische Anfälle vorhersagen?
„Das wäre natürlich großartig“, sagt Dr. Boßelmann. Er stellt sich vor: Man würde morgens von seiner Fitnessuhr eine Push-Nachricht bekommen, dass heute ein Anfall wahrscheinlich ist und könnte sich entsprechend vorbereiten, planen, vielleicht Zuhause bleiben. „Und damit der Epilepsie ihren Schrecken nehmen“.
Das klingt utopisch, „aber ist in Teilen bereits möglich“, sagt Dr. Boßelmann. Allerdings nicht immer in denselben Intervallen: Bei manchen könne die KI am Tag vorher warnen, bei anderen erst vier Stunden vorher, bei anderen gar nicht. Je mehr eine Epilepsie einem bekannten Rhythmus folgt, desto eher kann auch die KI anschlagen.
Insgesamt sei das noch eine sehr neue Forschungsfrage. „Bis das flächendeckend möglich sein wird, werden noch Jahre vergehen.“ So etwas brauche die nötige Skepsis und klinische Studien, bevor es am Menschen angewendet werden kann. „Dieser Prozess ist lang und da werden einige Produkte scheitern. Aber es ist wichtig, den Weg zu gehen.“
Wo liegen die Grenzen von KI in der klinischen Anwendung?
Viele Technologien mit Künstlicher Intelligenz brauchen noch einen Feinschliff, erklärt Dr. Boßelmann. Dr. Liebe findet: „Wir stehen noch am Anfang, aufgrund vieler bürokratischer und struktureller Hürden.“ Ungeklärt sind zum Beispiel auch Fragen wie: Wem gehört ein gemeinsam mit Kliniken entwickeltes KI-Modell – und wer trägt die datenschutzrechtliche Verantwortung für die Verarbeitung der Patientendaten?
Wenn Ärzte und Ärztinnen die Technologie anwenden wollen, brauchen sie fundierte Kenntnisse, ist Dr. Boßelmann überzeugt. Auch, weil die KI von Vorurteilen geprägt sein kann, die häufig immer noch beim Thema Epilepsie aufkommen. Die Datensätze, mit denen sie trainiert wird, basieren zudem häufig überwiegend auf Europäerinnen und Europäern aus einem ähnlichen sozioökonomischen Umfeld. „Das ist ein bekannter Nachteil“, so Dr. Boßelmann.
Kann KI nur an einem Universitätsklinikum genutzt werden?
KI kann in vielen medizinischen Bereichen von Nutzen sein, ist Dr. Stefanie Liebe überzeugt. „Ich glaube, dass KI bei jeder Erkrankung genutzt werden kann.“ Und das nicht nur beim Auswerten von Ergebnissen aus Technologien wie dem EEG.
Viele Diagnosen, so erklärt Dr. Liebe, beginnen mit langen Textbeschreibungen, der sogenannten Anamnese, der Patientinnen und Patienten. „Diesen Text, der am Anfang sehr umgangssprachlich formuliert ist, wird von uns dann übersetzt in die diagnostische Sprache – das ist auch sehr gut möglich mit generativen Sprachmodellen.“ Der Vorteil: Das hat nicht nur einen konkreten Nutzen in der Universitätsmedizin, sondern in jedem medizinischen Kontext.
Erste Praxen setzen entsprechende Software bereits in ähnlicher Form ein – etwa zur automatisierten Dokumentation von Arzt-Patienten-Gesprächen. Noch fehlen aber die groß angelegten Studien zu Effizienz und Erklärbarkeit, um es flächendeckend einzuführen. Zumal die Hürden, Daten für eine solche Nutzung verwenden zu dürfen, besonders in einem öffentlichen Bereich, sehr hoch sind. Das heißt: KI-Modelle, die aus medizinischen Quellen trainiert werden, sind bislang die Ausnahme – nicht, weil es unmöglich wäre, sondern weil der Zugang zu solchen Daten unter sehr hohen Auflagen steht. „Das ist die große Frage und das große Potential: Wie bekommen wir das hin?“, sagt Dr. Liebe.
