Künstliche Intelligenz sagt Herzanfälle zuverlässiger voraus als Ärzte

[HWL News Bot]

Künstliche Intelligenz ist aktuell ein komplexes Thema: Immer mehrUnternehmen wie Amazon, Google und Samsung bedienen sich künstlicherIntelligenz mit Alexa, dem Google Assistant und Bixby, um ihre Geräteaufzupeppen. Doch es handelt sich jeweils...

... weiterlesen

 

[DragonTear]

Big Data (notwendige Daten) und KI werden noch eine riesige Zukunft haben!

Bei nur 83 Tausend Patientendaten ist auch noch gewiss nicht das Ende der Fahnenstange in Sachen Genauigkeit/Zuverlässigkeit erreicht. Google's Bilderkennungssystem z.B. wurde mit etlichen Millionen Bildern zum Einlernen gefüttert.

 

[Shevchen]

Das Problem an der Sache ist, dass es nicht nur zur Diagnose entwickelt wird, sondern Krankenkassen aktiv das Leben der Menschen zur Kostenoptimierung beeinflussen wollen.

Sie haben das Wochenende über ne Party gefeiert und dabei Alkohol getrunken. Na - das wird aber teuer...

Generell finde ich diese Technologie gut, sofern sie nicht missbraucht wird. Die Krankenkassen (zu mindest in den USA) haben aber jetzt schon ne "Parameterliste" zur Kostenerhöhung.

Und eines darf man bei diesen Geräten nie vergessen: Kausalität und Korrelation sind zwei unterschiedliche Dinge. Ne Maschine die nach Algos arbeitet kann nur das - aber keine Zusammenhänge erkennen.

 

[DragonTear]

Wäre das denn wirklich "missbrauch"?
Die Idee von allgemeinen Krankenkassen ist naürlich dass Unglück des einzelnen abgefangen wird - aber doch nicht dass alle für diejenigen zahlen, die ihren Körper mutwillig zerstören.
Natürlich muss das Grenzen haben aber grade das bewirkt dann der Konkurenzdruck.

Was Zusammenhänge angeht - sofern die Maschine die Daten hat, kann sie genau das - Zusammenhänge erkennen und zwar viel komplexere als eben ein Arzt könnte.
Neuronale Netzwerke sind übrigens genau darum ein ganz eigenes Feld und nur bedingt ein klassischer Algorithmus. Es hat z.B. keinen State den ein Mensch begreifen bzw. nachvollziehen könnte, was bei üblichen, logischen Algorithmen meistens der Fall ist.

 

[Shevchen]

Wäre das denn wirklich "missbrauch"?
Die Idee von allgemeinen Krankenkassen ist naürlich dass Unglück des einzelnen abgefangen wird - aber doch nicht dass alle für diejenigen zahlen, die ihren Körper mutwillig zerstören.

Ich versuche mal ein einfaches Beispiel zu geben:

Du findest einen Job in einer deutschen Großstadt und ziehst dort hin. Der allgemeine Sensor stellt fest, dass die Feinstaubbelastung deines Körpers ein Level erreich, dass es schon fast mit einem Raucher vergleichbar ist. Was nun? 200 € Prämie zahlen, weil du nen Job angenommen hast, der unglücklicherweise im Industriegebiet liegt? Job ablehnen, weils "ungesund" ist?

Das kannst du jetzt auch auf Dinge übertragen wie Wasserhärte, Umgebungslärm, Essgewohnheiten, Schlafgewohnheiten, Hobbies etc...

Das Beispiel ist natürlich etwas überspitzt, aber es zeigt, dass Firmen aus unterschiedlichen Bereichen Einfluss auf dein Leben nehmen können. (Nennen wir es "Karotte vor deinem Gesicht")
Obwohl das zu einem gewissen Grad (Gesundheitsbewusstsein) recht förderlich für die allg. Gesundheitssituation sein kann, ist die Manipulationsmöglichkeit solcher Methoden extrem - und Krankenkassen haben ein direktes Interesse daran Menschen einen gewissen Lebensstil aufzuprägen (hier der profitabelste, nicht unbedingt der gesündeste)

Natürlich muss das Grenzen haben aber grade das bewirkt dann der Konkurenzdruck.

Wie bei der Pharmaindustrie? Mein Vertrauen in die "unsichtbare Hand des Marktes" ist nicht gerade sehr hoch.

Was Zusammenhänge angeht - sofern die Maschine die Daten hat, kann sie genau das - Zusammenhänge erkennen und zwar viel komplexere als eben ein Arzt könnte.

Nein, eben nicht. Wenn ich einen Störgeräuschalgo baue, der Rauschen von Signal trennen soll, kann der nur das. Ich kann ihn mit neuronalen Netzen trainieren, ich kann noch 8 weitere mikrofone dranklatschen und ne Desktop-CPU ins Hörgerät einbauen, aber dieser Algo wird auf ewig nur Rauschen unterdrücken.

Maschinen-Lern-Verfahren sind super wenn es darum geht auf ein definiertes Ziel zu optimieren. Sie können aber keine Zusammenhänge erfassen. Ob der gesündeste Mensch der Welt grad vom Klavier erschlagen wurde, von einem besoffenem Autofahrer umgekachelt wurde oder doch nicht der gesündeste Mensch war, kann der Algo nicht bewerten. Der benutzt Massendaten, die für das Individuum in 99% der Fälle nicht zutreffen, weil die Physiologie in Menschen sehr stark streut. Natürlich kann der Algo dann Filter einbauen, wie "Alter, Geschlecht etc" und immer weiter individualisiert werden - trifft aber trotzdem keine Kausalität, sondern nur Korrelation.

Und genau hierfür ist dann ein Arzt zuständig. Der sieht die Daten vom Algo, bekommt einen *Vorschlag* und der Doc kann entscheiden, ob die Diagnose Bullshit ist oder nicht.

Beispiel: Der Sensor an deinem Körper registriert plötzlich einen massiven Blut und Gewichtsverlust mit einhergehenden extremen Stresshormonen, die ausgeschüttet werden. Was kann das sein? Hat dir grad Freddy Krüger einen Arm abgehackt, oder hat deine Frau grad ein Kind zur Welt gebracht und alles ist i.O.?

Neuronale Netzwerke sind übrigens genau darum ein ganz eigenes Feld und nur bedingt ein klassischer Algorithmus.

Nein, ich arbeite in dem Bereich und kann dir sagen, dass NN zur Verbesserung der (klassischen) Algos benutzt werden. NN an sich sind strunz doof. Sie können vieles berechnen, viele Korrelationen erkennen und einfache Erkennungsmechanismen stark verbessern. Bei komplexen Problemen versagen die Teile aber, weil sie keine Kausalität kennen. Btw, ein NN IST ein Algo. Der Grund warum die miteinander verwoben werden, ist weil du damit enorme Datenmengen MIT einer Basiskausalität verbinden kannst.

Es hat z.B. keinen State den ein Mensch begreifen bzw. nachvollziehen könnte, was bei üblichen, logischen Algorithmen meistens der Fall ist.

Es geht hier nicht nur um Parameteroptimierung oder Mustererkennung, es geht darum aus möglicherweise unbekannten Variablen trotzdem noch ein richtiges Ergebnis abzuleiten. Wenn eine Maschine diese Unbekannte nicht kennt, lernt sie durch "Fehler" - also erstmal 100 Menschen sterben lassen, bevor der Algo langsam merkt, dass es vielleicht einen weiteren Einflussfaktor gibt.

Das Beispiel mit dem Herzanfall ist ziemlich böse. Denn hier wird dem Algo gesagt: "Optimiere auf Wahrscheinlichkeit für Herzanfall" und das wird mit dem Arzt verglichen. Aber so ein Patient kommt nicht in die Klinik und fragt "Hab ich einen Herzanfall?" sondern "Ich fühl mich schlecht und brauche Hilfe". Im schlimmsten Fall lautet die Diagnose "Schnupfen" und nach ner Kleinstadt aus Todesopfern fängt der Algo dann langsam an zuverlässiger zu werden - für Alltagskrankheiten.

Sobald du was exotisches hast, weil du ne genetische Mutation besitzt, kannst du das NN knicken. Unbekannte Parameter mag so ein NN nämlich gar nicht - vor allem wenn sie gegen die Grundannahmen verstoßen, wie "jeder Mensch ist gleich" - was die Voraussetzung für ein statistisches Mittelungsverfahren über eine Kohorte ist.

edit:
Ich will nicht die Vorteile von NN schmälern. Ich benutze sie auf Arbeit selbst. Aber genau deswegen bin ich mir auch über deren Schwächen bewusst. Es wird durch die IT-Branche gejagt, als ob es keinen Morgen mehr gibt und ja, viele Bereiche können NN durchaus mal gebrauchen. Es ist aber keine Lösung für Problemstellungen mit Unbekannten.

Du kannst morphen, adaptieren, erweitern und Heuristiken anwenden. Ein NN/Algo wird dir aber nie etwas vorschlagen, das "neu" ist. Das kann nur der logische Verstand.

 

[oooverclocker]

Tatsächlich prognostizierte die K. I. dann nach einem statistischen Index namens AUC mit einer Punktzahl von 0.745 bis 0.764 korrekt. Dabei steht 1.0 für zu 100 % korrekte Aussagen. Menschen, die nach amerikanischen Standard für Ärzte gearbeitet hatten, kamen nur auf eine Punktzahl von 0.728.

Einerseits ist es natürlich zu begrüßen, wenn die KI eventuell mehr Menschen ihren Herzanfall voraussagen kann... Andererseits funktioniert wohl die Erkennung durch die Ärzte auch schon verdammt gut, wenn die Voraussagen nur um 3% besser wurden.

So wirklich groß, dass es nicht in die statistische Ungenauigkeit fallen könnte, ist der Vorteil also nicht. Eine automatisierte Beurteilung ruft bei mir also auch eher Bedenken hervor, wie Shevchen sie geäußert hat: Fitnesstracker haben meistens in den Nutzungsbedingungen das Recht verankert, die Daten über das Netz zu speichern und auszuwerten. Wenn diese Daten verkauft werden, könnten in Zukunft Leute aussortiert werden, die höhere Risiken haben, für Krankenkassen teuer zu werden.

 

[Snake7]

also schonmal jetzt anfangen mit fake-daten-erstellung.