人工智能有时也让医生感到困惑。「我们不太清楚它是如何做到的，但它做得相当好，」安德烈亚斯·施塔尔（Andreas Stahl）表示。作为格赖夫斯瓦尔德大学医学中心（UMG）眼科诊所的负责人，他提到人工智能可通过眼睛的视网膜图像确定一个人的性别。「精度惊人。」这一发现曾让眼科医生感到震惊。
施塔尔承认：「我无法判断这张图像是男性的还是女性的。」但由于性别很容易通过其他方式识别，其实用价值有限。不过，这个例子展示了人工智能的潜力。格赖夫斯瓦尔德的研究人员正试图利用这一潜力。
通过「视网膜年龄」（Retinal Age）项目，他们希望开发一种人工智能系统，能够尽可能精确地通过视网膜照片早期识别慢性疾病或个体健康风险。施塔尔将眼睛描述为「身体的窗口」。许多疾病，尤其是心血管疾病，伴随着血管变化，例如在大脑、肾脏或心脏中。中风或心脏病发作可能是其后果。
图像识别的「巨大飞跃」
「但他们都看不到这些血管。只有在视网膜上，我们才能看到这些最微小的血管。」施塔尔解释说，即使是心脏的磁共振成像（MRI）检查也无法提供相应的分辨率。相比之下，视网膜照片操作简便，有时甚至无需先用滴眼液扩大瞳孔。
施塔尔表示，眼科医生如今不仅关注眼部疾病。有时，他们建议患者在发现异常时咨询心脏病专家或肾脏专家。「为此我们不一定需要人工智能。有些事情我们自己也能看到。」但人工智能可以更精细地分析更多特征。据施塔尔介绍，已有获批的人工智能算法能够识别糖尿病引起的眼部问题。在诊断某些其他眼部疾病时，人工智能也已投入使用。来自格赖夫斯瓦尔德的生物信息学家拉尔斯·卡德拉利（Lars Kaderali）表示，所谓的神经网络非常擅长识别图像中的模式。「在过去的十年中，技术实现了巨大的飞跃。」
通过法律修订获取更多数据
一段时间以来，人工智能训练主要依靠SHIP长期健康研究「波美拉尼亚健康研究」（Study of Health in Pomerania）的数据。施塔尔表示，这些数据大约有3000到4000张图像。「这已经相当不错了。」
然而，得益于新的州级立法，现在可以利用更多数据，包括研究之外患者的常规数据。施塔尔表示，仅在眼科诊所的门诊部，每天就会拍摄30到40张视网膜照片。这些照片可以与UMG对相应患者的其他检查结果结合起来，用于人工智能训练。
梅克伦堡-前波美拉尼亚州信息自由和数据保护专员塞巴斯蒂安·施密特（Sebastian Schmidt）解释说，2024年对州医院法的修订使得这一切成为可能。他表示，作为德国首个联邦州，梅克伦堡-前波美拉尼亚州（MV）引入了一项可行的规定，允许使用患者数据进行人工智能训练。卡德拉利解释说，此前必须主动告知患者并获得其同意，但通常因工作量而失败，因此数据也无法使用。如今实行的是异议规则，即患者必须主动反对数据使用。施密特解释说，新规定包括在明确规定的结构内，对患者数据进行受控的、假名化使用。
伦理与数据保护的预防措施
卡德拉利解释说，「视网膜年龄」项目也必须得到数据保护和伦理委员会的批准。「现在，只要患者没有提出异议，这些数据就可以使用。」
施塔尔表示，一个独立的信托机构管理着用于合并假名数据的密钥。「它可以合并数据，这样我们在十年后仍能知道谁是谁。」在出现异议的情况下，该机构也可以移除数据。卡德拉利和施塔尔估计，通过训练，人工智能可能在几年内变得足够可靠，可以考虑实际应用。为此，还需要克服监管障碍。
「视网膜年龄」并非UMG唯一的AI项目。卡德拉利表示，其他正在进行或计划中的项目包括预测献血需求、急诊床位需求以及改进癌症治疗。
另一个与罗斯托克大学医学中心合作的AI项目旨在更好地早期发现败血症。卡德拉利解释说，败血症是德国医院中最常见的死亡原因之一。如果能及早发现并针对性治疗败血症，相当一部分死亡是可以避免的。人工智能作为救命者——这是人们的希望。
© dpa-infocom
【全文结束】
