ChatGPT (Chat Generative Pre-trained Transformer) weckt weltweit in der Medizinbranche sowohl Hoffnung als auch Bedenken. Experten betonen sein revolutionäres Potenzial für den Gesundheitssektor, mahnen aber gleichzeitig zu einer durchdachten Einführung und kritischen Nutzung, um Risiken zu vermeiden. Parallel dazu spielt die Künstliche Intelligenz (KI) eine zunehmend wichtige Rolle in der kardiovaskulären Medizin, insbesondere bei der Segmentierung bildgebender Verfahren. Ein Vergleich innerhalb der Medizin zeigt, dass sich bis Januar 2023 am meisten FDA (Food and Drug Administration in der USA, ähnlich wie Swissmedic in der Schweiz) -zugelassene Algorithmen in der Radiologie und der Kardiologie etabliert haben. Daher ist die kardiovaskuläre Bildgebung eines der wichtigsten Gebiete für die Anwendung von KI.

ChatGPT (Chat Generative Pre-trained Transformer) is raising both hopes and concerns in the medical industry worldwide. Experts emphasize its revolutionary potential for the healthcare sector, but at the same time urge thoughtful introduction and critical use in order to avoid risks. At the same time, artificial intelligence (AI) is playing an increasingly important role in cardiovascular medicine, particularly in the segmentation of imaging procedures. A comparison within medicine shows that by January 2023, the most FDA (Food and Drug Administration in the USA, similar to Swissmedic in Switzerland) -approved algorithms will have been established in radiology and cardiology. Cardiovascular imaging is therefore one of the most important areas for the application of AI.
Keywords: Chat GPT, Artificial intelligence (AI), Cardiovascular imaging

ChatGPT, entwickelt von OpenAI, einem Unternehmen mit Sitz in Kalifornien, erfreut sich grosser Beliebtheit und findet bereits im Alltag vielfältige Anwendung, beispielsweise im Bereich Kundenservice und Support, als Assistent für E-Mail und Präsentationserstellung, in sozialen Medien, bei der Programmierung und Software­entwicklung sowie in der Bildung und Lehre.

Was ist eigentlich ChatGPT?

ChatGPT ist ein fortschrittliches Sprachmodell (Large Language Model), das auf der Transformer-Architektur basiert. Es wurde durch die Analyse einer riesigen Menge an Textdaten trainiert, um Sprachmuster, Grammatik und Stil zu erkennen. Der Chatbot wurde mit einem umfangreichen Textdatenkorpus trainiert, der etwa 570 GB an Datensätzen umfasst, einschliesslich Webseiten, Büchern und weiteren Quellen. Dies klingt zwar nach einer sehr grossen Datenmenge, doch da es sich um reine Textdaten handelt und das Modell die Daten nicht selbst speichert, sondern nur auf deren Basis trainiert wurde, ist der tatsächliche Speicherbedarf relativ gering. Das Sprachmodell kann bereits 50 Sprachen und verarbeitet ca. 10 Millionen Anfragen pro Tag von 100 Millionen wöchentlichen Nutzern. Dieses Training ermöglicht es ChatGPT, Texte zu generieren, die in Struktur und Inhalt menschenähnlich sind. Bei der Verarbeitung einer Benutzereingabe zerlegt ChatGPT den Text in kleinere Einheiten, sogenannte Tokens, und generiert daraufhin eine Antwort, indem es das nächste wahrscheinliche Token basierend auf dem Kontext der vorherigen Tokens vorhersagt. Anders gesagt, wenn ich dem System ein Wort eingebe, ermit­telt es anhand statistischer Wahrscheinlichkeiten, welches Wort wahrscheinlich folgen wird. Dieser Prozess ermöglicht es ChatGPT, kohärente und kontextbezogene Antworten zu formulieren. Darüber hinaus kann ChatGPT für spezifische Aufgaben oder Richtlinien feinabgestimmt werden, um bestimmten ethischen oder praktischen Standards zu entsprechen.

In der Praxis kann ChatGPT eine breite Palette von Aufgaben bewältigen, die ein Verständnis natürlicher Sprache erfordern, von der Beantwortung von Fragen bis hin zur Textgenerierung, indem es auf sein umfangreiches Training und seine Fähigkeit, den Kontext zu verstehen, zurückgreift. Also, zusammengefasst, besitzt das Modell kein intrinsisches Wissen, sondern stützt sich auf statistische Analysen. Es ist momentan nicht angebracht, zu behaupten, dass dies der menschlichen Intelligenz in irgendeinem Aspekt gleichkommt. Trotzdem eröffnet es schon jetzt zahlreiche Anwendungsbereiche, einschliesslich in der Herz-Gefässmedizin. Es ist wichtig zu betonen, dass ChatGPT und ähnliche KI-Tools die fachliche Expertise und Urteilskraft von medizinischem Personal nicht ersetzen können.

Einsatz von ChatGPT in der Herz-­Gefässmedizin

Ärzte können ChatGPT für verschiedene Aufgaben nutzen, darunter Informationsrecherche zu medizinischen Themen, Unterstützung bei der Patientenkommunikation durch Generierung verständlicher Erklärungen medizinischer Sachverhalte und Übersetzungen in alle Sprachen, Hilfe bei der Ausbildung und Weiterbildung durch Bereitstellung von Lehrmaterialien und als Hilfsmittel zur Ideenfindung für Forschungsprojekte. Andererseits wird ChatGPT bereits von vielen Patienten genutzt, um bestimmte Diagnosen und Vorschläge selbst zu erforschen. In einer kürzlich veröffentlichten Studie schnitt sogar ChatGPT besser ab als Fachpersonen, wenn es darum geht, auf Online-Medizinforen zu beraten. Die Studie, durchgeführt auf der Plattform AskDocs mit ca. 452 000 Mitgliedern, die es Menschen ermöglicht, medizinische Fragen zu stellen, die von verifizierten Gesundheitsfachkräften beantwortet werden, sammelte insgesamt 195 Dialoge. In dieser Studie, bei der Patientenfragen aus dem AskDocs-Subreddit von Reddit gesammelt und sowohl von Ärzten als auch von ChatGPT beantwortet wurden, wurden die Antworten von ChatGPT als deutlich besser gewertet. Im Detail wurde die Studie wie folgt durchgeführt: Die ursprünglichen Fragen wurden anschliessend ChatGPT gestellt, dessen Antworten von einem Gremium aus drei lizenzierten Ärzten bewertet wurden. Die Ärzte verglichen die Antworten hinsichtlich Informationsqualität und Einfühlungsvermögen. Jede Bewertung erfolgte auf einer fünfstufigen Skala von «sehr schlecht» bis «sehr gut» für die Qualität bzw. von «nicht empathisch» bis «sehr empathisch» für das Einfühlungsvermögen. In 78,6 % der 585 abgeschlossenen Bewertungen bevorzugte das Gremium die Antworten von ChatGPT gegenüber denen der Ärzte. Die Antworten von ChatGPT waren mit 168 bis 245 Wörtern auch länger als die der Ärzte, die zwischen 17 und 62 Wörtern lagen. Die Antworten der KI wurden zudem signifikant höher sowohl in Bezug auf Qualität als auch Empathie bewertet. Im Durchschnitt erzielten ChatGPTs Antworten eine 4 in Qualität und eine 4,67 in Empathie. Im Vergleich dazu erreichten die Antworten der Ärzte eine 3,33 in Qualität und 2,33 in Empathie. Insgesamt hatte ChatGPT 3,6-mal mehr qualitativ hochwertige Antworten und 9,8-mal mehr empathische Antworten als die Ärzte. Also, KI scheint nicht nur akkurater, sondern auch empathischer zu sein.

Weitere Sprachmodelle

Eine weitere Applikation hat Google entwickelt mit «Google Gemini», vormals bekannt als «Google Bard». Dies widerspiegelt eine revolutionäre Software, die das Potenzial hat, die medizinische Suche und Forschung zu transformieren. Diese KI-basierte Anwendung bietet ähnliche Funktionen wie ChatGPT, ist jedoch speziell darauf ausgerichtet, medizinischen Fachkräften und Patienten massgeschneiderte Unterstützung zu bieten. Gemini ermöglicht es, individuelle Antworten auf komplexe medizinische Fragen zu generieren, fachspezifische Texte zu verfassen und zu bearbeiten sowie bei der medizinischen Forschung und Programmierung von gesundheitsbezogenen Anwendungen zu assistieren. Ein besonderer Vorteil von Gemini ist seine Fähigkeit, selbst in der kostenlosen Version, mit den neuesten medizinischen Informationen zu arbeiten. Neben Gemini hat Google mit Med-PaLM, kurz für «Medical Pre-trained Attention-based Language Model», ein medizinspezifisches Modell präsentiert. Im Gegensatz zu ChatGPT, (KI für allgemeine Zwecke), wurde Med-PaLM speziell für den Einsatz im medizinischen Bereich konzipiert und basiert auf 540 Milliarden Parametern. Ein in Nature veröffentlichter Bericht zeigt, dass die von Med-PaLM erzeugten Antworten «sich sehr akkurat mit den Antworten von Klinikern vergleichen lassen.» Dieser spezial­isierte Ansatz von Google zeigt eine gezielte Bemühung, KI in die Gesundheitssysteme zu integrieren.

Risiken von Sprachmodellen

Obwohl diese neuen Tools in Zukunft nicht mehr wegzudenken sind, ist es auch wichtig, dass man sich der Limitationen und Risiken von solchen KI-gesteuerten Systemen bewusst ist. Anwender, die nicht mit den zugrundeliegenden Prozessen vertraut sind, übersehen leicht, dass auch fortschrittliche KI-Systeme im Kern auf Mustererkennung beruhen und Sätze generieren, die lediglich auf Wahrscheinlichkeitsanalysen basieren. Somit repräsentieren sie, entgegen der durch den Namen implizierten Annahme, keine Intelligenz im herkömmlichen Verständnis. Die Nutzung von ChatGPT in der Medizin birgt Risiken, darunter die Genauigkeit der Informationen, Datenschutzbedenken und die potenzielle Abhängigkeit von KI-gesteuerten Entscheidungen. Fehlinformationen können zu fehlerhaften Diagnosen oder Behandlungsempfehlungen führen. Die Haftung und wer dafür verantwortlich wäre in einem solchen Fall ist nicht geklärt, und ob ein solches System als Medizinprodukt zuerst geprüft und zugelassen werden muss, sind alles offene Fragen. Datenschutz ist ebenfalls kritisch, da sensible Patientendaten geschützt werden müssen. Zudem könnte eine übermässige Abhängigkeit vom KI-System die klinische Urteilsfähigkeit beeinträchtigen. Eine sorgfältige Überwachung und regulative Massnahmen sind notwendig, um diese Risiken zu minimieren. Deshalb ist es wichtig, trotz des enormen revolutionären Potenzials von KI, diese Bedenken bezüglich der Systeme von ChatGPT und Co. ernst zu nehmen und nicht blind den neuen Systemen zu vertrauen, ohne diese zu hinterfragen.

Revolution in der Kardiovaskulären Bildgebung – KI-gesteuerte Diagnostik und Analyse

Künstliche Intelligenz spielt eine zunehmend wichtige Rolle in der kardiovaskulären Medizin, insbesondere bei der Segmentierung bildgebender Verfahren. Ein Vergleich innerhalb der Medizin zeigt, dass sich bis Januar 2023 am meisten FDA (Food and Drug Administration in den USA, ähnlich wie Swissmedic in der Schweiz) -zugelassene Algorithmen in der Radiologie und der Kardiologie etabliert haben. Daher ist die kardiovaskuläre Bildgebung eines der wichtigsten Gebiete für die Anwendung von KI. Algorithmen des maschinellen Lernens (ML) und des Deep Learnings (DL) ermöglichen es insbesondere, Strukturen wie die Herzkammern, den Herzmuskel sowie die Aorta und die Koronargefässe in Echokardiographien, kardiovaskuläre CT- und MRI schnell und akkurat zu identifizieren-, segmentieren- und zu analysieren. Diese Technologie ermöglicht es, die Herzfunktion wie die systolische linksventrikuläre Ejektionsfraktion und den Myokard-Strain innerhalb von Sekunden mit hoher Genauigkeit zu berechnen. Darüber hinaus unterstützt KI bei der Erkennung pathologischer Veränderungen, wie z.B. bei der Diagnose von Herzmuskelerkrankungen oder der Beurteilung von Atherosklerose in den Koronararterien.

Manche Ansätze, die ursprünglich nur für Forschungszwecke entwickelt wurden, haben später ihren Weg in kommerzielle Produkte gefunden und sind bereits im klinischen Alltag im Einsatz. Ein Beispiel für eine bereits eingesetzte Methode ist die automatische Erkennung der Koronarverkalkung im nativen CT, um den Kalziumscore automatisch zu berechnen. Hier werden Voxel, die eine Abschwächung von 130 Hounsfield Units oder mehr aufweisen, automatisch markiert und dem korrekten Koronargefäss zugeordnet. Am Ende wird der Kalziumscore automatisch berechnet und in Relation gesetzt zu den Perzentilen gemäss Alter und Geschlecht (Abb. 2). Dies dient der schnellen Risikostratifizierung, insbesondere von Patienten, bei denen die Entscheidung bezüglich einer Statintherapie aufgrund der Laborwerte und klinischen Daten allein ungenügend ist.

Eine andere Anwendung von KI ist im Bereich des Herz-MRIs. Bei einer Herz-MRI-Untersuchung werden circa 1000 Bilder in verschiedenen Ebenen und mit unterschiedlichen Sequenzen aufgenommen, die viele Atemanhaltekommandos erfordern. Die Planung dieser Untersuchung ist komplex und nur für speziell ausgebildete und erfahrene Ärzte und Radiologiefachpersonen möglich (Abb. 3). Eine schnellere Untersuchungszeit wäre hier natürlich wünschenswert. Der neue Algorithmus von Heart Vista soll nun Abhilfe schaffen und dabei helfen, Herz-MRI-Untersuchungen mit weniger Fachkenntnissen und deutlich schneller durchzuführen. Dies wird unter dem Slogan «One Click MRI» beworben, wobei das neue Produkt bis zu sechsmal schneller ist als wenn ein Mensch die MRI Untersuchung durchführt, zudem weniger oder sogar keine Atemkommandos benötigt und deutlich weniger Artefakte, insbesondere bei Arrhythmien aufweist. Ein weiteres Herz-MRI-Beispiel ist die automatische Segmentierung des Endokards und Epikards in der Diastole sowie in der Systole. Normalerweise ist dies zeitintensiv, da jede Schicht und jede Phase (typischerweise wird das Herz in 10–14 Schichten zu je 8 mm gescannt, in ca. 25–30 Phasen) bearbeitet werden muss. Dies führt einerseits zu einem erheblichen Aufwand und andererseits zu Unterschieden in den Messwerten zwischen verschiedenen Untersuchern (Interrater-Variabilität) sowie auch innerhalb des gleichen Untersuchers (Intrarater-Variabilität), wenn die gleiche Person den gleichen Patienten später nochmals analysiert. Diese automatische Konturerkennung erfolgt innerhalb von Sekunden und ist sehr genau und hilft diese Messwertunterschiede zu minimieren.

Ein weiteres Produkt für die kardiale Bildgebung kommt von der Firma Caption AI, welches eine innovative Technologie für die Echokardiographie bietet, die medizinisches Personal durch Live-Anleitungen unterstützt, um qualitativ hochwertige Ultraschallbilder zu erfassen. Ein Qualitätsmesser beurteilt live die diagnostische Qualität der Bilder und die Software gibt Anleitungen, wie der Schallkopf gedreht oder gekippt werden soll, um die Bildqualität zu verbessern. Die Anzeige färbt sich grün, sobald die optimale Bildqualität erreicht ist und gleichzeitig werden die Messungen automatisch erhoben. Zudem speichert das System automatisch nur die besten Bilder jeder Scansitzung, was auch Nicht-Experten ermöglicht, am Schluss einen Datensatz an diagnostisch auswertbaren Bildern zu gewinnen.

Eine weitere Firma, US.ai aus Singapur, bietet eine Technologie an, die während der Echokardiographie alle Messwerte laufend generiert und zudem direkt einen Bericht inklusive der Wahrscheinlichkeitsbewertung der Diagnose erzeugt. Dies wird ein enormer Zeitgewinn sein für die Kardiologen/-innen und wird auch helfen, schnell zu entscheiden, welche weiteren Abklärungen indiziert sind.

KI-Technologien zur Segmentierung und Erkennung von Herz-Gefässerkrankungen werden in Zukunft nicht nur dazu beitragen, Diagnosen präziser, personalisierter und schneller zu stellen, aber auch zunehmend ganzheitliche Rollen zu übernehmen. Diese umfassen korrekte Diagnosestellung und den Vorschlag zur individualisierten Therapie, beispielsweise bei der Aortenklappen Stenose durch optimale Klappenselektion (Grösse der Klappe, Zugang minimalinvasiv oder chirurgisch) oder wie eine medikamentöse Therapie aussehen soll (z.B. bei der kardialen Amyloidose oder Entschied einer Defibrillator Implantation bei der hypertrophen Kardiomyopathie) oder Empfehlungen zum weiteren Patienten Monitoring (z.B. wie man kardiale Sarkoidose Patienten nachkontrollieren soll). In dieser Zukunft werden Ärztinnen und Ärzte hauptsächlich eine überwachende und bestätigende Experten Rolle einnehmen, anstatt die Analysen und Berechnungen direkt selber durchzuführen.

(Dieser Text wurde von ChatGPT 4.0 auf Grammatik und Stil korrigiert.)

Zweitabdruck aus info@herz+gefäss 01/24 und 02/24

Copyright Aerzteverlag medinfo AG