AWS & KI im Gesundheitswesen: JetBase Fallstudie

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) erleben derzeit einen erheblichen globalen Hype, insbesondere seit der Einführung generativer KI-Modelle wie ChatGPT im Jahr 2022. Mit diesem wachsenden Hype rücken ethische Überlegungen in den Vordergrund, insbesondere im medizinischen Bereich, wo die menschliche Gesundheit und das Wohlbefinden von größter Bedeutung sind.

Obwohl es neun generative KI-Modelle im Gesundheitswesen und 24 verschiedene KI-Anwendungen gibt, wie zum Beispiel die Bereitstellung gesundheitsbezogener Erkenntnisse und die Unterstützung bei der Krankheitsdiagnose und -prognose, bleiben erhebliche Herausforderungen bestehen. Dazu gehören die Generierung ungenauer oder fiktiver Inhalte, Unsicherheiten bezüglich der Informationsquellen und eine verringerte Genauigkeit bei der Beantwortung von Anfragen.

Laut McKinsey könnten künstliche Intelligenz, traditionelles maschinelles Lernen und Deep Learning zu Nettoeinsparungen von 200 bis 360 Milliarden US-Dollar bei den Gesundheitsausgaben führen. Dieses Potenzial kann jedoch nur realisiert werden, wenn Vertrauen bei medizinischem Fachpersonal und Patienten aufgebaut wird und KI präzise und intelligent eingesetzt wird.

Anwendungen von KI und maschinellem Lernen bieten zahlreiche Vorteile, nicht nur finanzieller Art. Sie tragen auch zu einer besseren Gesundheitsversorgung, einem verbesserten Zugang zur Versorgung und einer höheren Zufriedenheit bei Patienten und Ärzten bei.

Hier sind die Anwendungen des maschinellen Lernens (ML) als Untertyp der Künstlichen Intelligenz (KI), die im Gesundheitswesen an Popularität gewinnen:

• Patientenanamnese genau erfassen und Familienanamnese bereitstellen
• Gesundheitsdienstleistungen und betriebliche Effizienz verbessern
• Behandlungsprozesse und diagnostische Genauigkeit erhöhen
• Robotische Operationen und bildgeführte Therapien ermöglichen
• Nachrichtenwarnungen automatisieren
• Diabetes und andere Gesundheitsprobleme erkennen
• Zeitnahe Entscheidungsfindung unterstützen
• Online-Terminplanung und Gesundheitsinformatik verwalten
• Patientendaten analysieren und klinische Studien verbessern
• Medikamentenentwicklung in der Frühphase und klinische Studien erleichtern
• Bei psychischen Schwierigkeiten, Patientendiagnose und Therapie unterstützen
• Medikamentenentwicklung und Radiologie vorantreiben
• Neue medizinische Verfahren entwickeln
• Krankheiten vorhersagen und kleinste Defekte erkennen
• Bei der Behandlung von Blutkrebs helfen
• Gesundheitssysteme und -qualität verbessern
• Risiken effektiv managen

Die Anwendung von maschinellem Lernen (ML) verbessert die organisatorischen Aspekte der Branche, indem sie Prozesse wie die Schadenbearbeitung und das Umsatzzyklusmanagement optimiert. Es hat auch das Potenzial, die klinische Dokumentation und die Verwaltung von Patientenakten zu automatisieren. Unternehmensanwendungsfälle für ML machen zunehmend Schlagzeilen und unterstreichen sein enormes Potenzial und seine Fortschritte im Gesundheitswesen.

Da der Zugang von Patienten zu Medikamenten und ihre Zufriedenheit mit medizinischen Dienstleistungen im Gesundheitswesen von entscheidender Bedeutung sind, legen viele Organisationen Wert darauf, in Technologien zu investieren, die diese Bereiche verbessern können. In Anbetracht des hohen Investitionspotenzials von KI, maschinellem Lernen und generativen KI-Technologien können wir uns vorstellen, wie die Kombination und Integration dieser Technologien in den kommenden Jahren vielversprechend sein wird.

Laut dem McKinsey-Bericht "Digitale Transformation: Investitionsprioritäten von Gesundheitssystemen" sind virtuelle Gesundheit und digitale Front-Ends die Top-Investitionsbereiche für 70 Prozent der Gesundheitsmanager, die erwarten, dass diese Bereiche den größten Einfluss haben werden. Zusätzlich erkennen 88 Prozent der Befragten ein hohes potenzielles Auswirkungen von KI.

Eine effektive Kommunikation zwischen Ärzten und Patienten ist entscheidend. Wie die WHO feststellt: „Während Technologie und Innovationen die Fähigkeiten von Gesundheitsdiensten verbessern können, bleibt menschliche Interaktion ein Schlüsselelement des Patientenwohls.“ Es ist für medizinisches Fachpersonal und Organisationen unerlässlich, auch bei der Nutzung technologischer Fortschritte einen menschlichen Bezug zu bewahren.

Hier sind einige Bereiche, in denen KI und maschinelles Lernen im digitalen Front-End des Gesundheitswesens implementiert werden können:

• Virtuelle Gesundheitsassistenten
• Telemedizinische Plattformen
• Terminplanung und -verwaltung
• Patienten-Triage und Symptom-Checker
• Personalisierte Gesundheitsempfehlungen
• Fernüberwachung von Patienten
• Patientenengagement und -aufklärung
• Prädiktive Analysen für Patientenergebnisse
• Automatisierte Dokumentation und Workflow-Management

Im digitalen Bereich ist es entscheidend, die menschliche Interaktion zu erhalten, während man Technologie nutzt. Da Anrufe zwischen Ärzten und Patienten ein Schlüsselbestandteil des digitalen Front-Ends im Gesundheitswesen sind, haben wir bei JetBase KI implementiert, um die Lücke zwischen ihnen zu schließen, Zeit zu sparen und die Zufriedenheit zu erhöhen. Wir möchten unseren Anwendungsfall zur KI-Implementierung detaillierter mit Ihnen besprechen.

Unsere Integration geht über reine Arzt-Patienten-Interaktionen hinaus; sie umfasst auch Workflow- und Datenmanagement. Wir implementieren kontinuierlich neue Funktionen von KI-Anbietern. Lesen Sie weiter, um zu erfahren, wie KI und maschinelles Lernen in realen Gesundheitsszenarien angewendet werden können.

In unserem Gesundheitsentwicklungsprojekt, das Daten von medizinischen Geräten nutzt, können Patienten und Ärzte Gespräche führen, die von wenigen Minuten bis zu mehreren Stunden dauern können. Für Patienten bleibt das Erlebnis nahtlos – Ärzte sind aufmerksam und für Konsultationen verfügbar.

Für medizinisches Fachpersonal sind die Vorteile jedoch erheblich. Angesichts zahlreicher Patienten und Interaktionen kann es schwierig sein, alle Details im Blick zu behalten. Hier kommen KI-Technologien zur Rettung. Durch die Analyse von Schlüsselpunkten jeder Interaktion hilft KI, die Datenflut zu reduzieren und das Informationsmanagement zu optimieren. Um zu veranschaulichen, wie dies funktioniert, werden wir Beispiele aus unserer Gesundheits-Fallstudie geben.

In unserem Gesundheitsentwicklungsprojekt haben wir AWS KI-Dienste integriert. Diese Integration hat es uns ermöglicht, Erkenntnisse aus Daten zu gewinnen und die täglichen Routinen von medizinischem Fachpersonal zu automatisieren.

Amazon Bedrock

Amazon Bedrock bietet über eine einheitliche API Zugang zu einer breiten Palette von Basismodellen (FMs) führender KI-Startups und von Amazon. Es gewährleistet umfassende Sicherheit und Datenschutz und erleichtert gleichzeitig das Experimentieren und die Evaluierung erstklassiger Modelle. Mit Funktionen wie Fine-Tuning, Retrieval Augmented Generation (RAG) und der Möglichkeit, Agenten zu erstellen, die mit Ihren Unternehmenssystemen interagieren, unterstützt Amazon Bedrock die Anpassung und effiziente Datenverarbeitung.

Wir verwenden Amazon Bedrock seit 2-3 Monaten, um Prompts aus medizinischen Gerätedaten zu generieren. Ärzte agieren in diesem KI-Ökosystem als Agenten und wenden spezifische Parameter auf diese Prompts an. Die verarbeiteten Prompts werden an den Dienst zurückgesendet, der gebrauchsfertige Kommentare liefert, die Ärzte bei Bedarf bearbeiten können.

Amazon Transcribe

Amazon Transcribe ist ein Dienst zur automatischen Spracherkennung, der Audio mithilfe von maschinellem Lernen in Text umwandelt. Er kann eigenständig oder in Anwendungen für Sprach-zu-Text-Funktionen integriert werden. Er bietet Sprachanpassung für verbesserte Genauigkeit, Inhaltsfilterung für den Datenschutz, Mehrkanal-Audioanalyse und Sprechersegmentierung. Sie können Medien in Echtzeit (Streaming) oder aus Dateien, die in einem Amazon S3-Bucket gespeichert sind (Batch), transkribieren.

Seit 6 Monaten nutzen wir die Batch-Transkriptionsoption. Wir bewerten Gespräche auch anhand von drei Kategorien: zufrieden, nicht zufrieden und neutral. Wir haben eine Option hinzugefügt, um diese Bewertungen mit Emojis zu visualisieren, um bessere Benutzereinblicke zu ermöglichen.

AWS HealthScribe

AWS HealthScribe ist ein HIPAA-konformer Dienst, der generative KI-Funktionen integriert, ohne dass die Verwaltung der zugrunde liegenden ML-Infrastruktur oder das Training von gesundheitsspezifischen großen Sprachmodellen (LLMs) erforderlich ist. Er unterstützt die Erkennung medizinischer Sprache zur Automatisierung der vorläufigen klinischen Dokumentation. Mit einer einzigen API identifiziert AWS HealthScribe Sprecherrollen, klassifiziert Dialoge, extrahiert medizinische Begriffe und generiert detaillierte vorläufige klinische Transkripte und Notizen, wodurch die Implementierung durch den Wegfall der Notwendigkeit separater KI-Dienste beschleunigt wird. Dieser Dienst wurde Anfang 2024 eingeführt, und wir stellen derzeit nach mehrmonatiger Nutzung von Amazon Transcribe auf ihn um.

Amazon Forecast

Amazon Forecast ist ein weiterer AWS-Dienst, der bei intelligenten Entscheidungen mithilfe von maschinellem Lernen (ML) hilft. Er vereinfacht die Nutzung verschiedener Datenebenen für die Analyse von Geschäftsmetriken.

Wir sind noch dabei, Amazon Forecast in unsere Geschäftsprozesse innerhalb unserer Gesundheitsanwendung zu implementieren und werden Sie über unsere Fortschritte auf dem Laufenden halten.

Sie fragen sich vielleicht, was erforderlich ist, um KI-Dienste in Ihrer Gesundheitsanwendung mit AWS zu implementieren. Der Vorteil von AWS ist, dass es ein Team von Experten und KI-Partnern bietet. Aus unserer Sicht benötigten wir lediglich klare Daten und einen KI-Experten, um den Implementierungsprozess zu steuern und spezifische Herausforderungen anzugehen.

Klare Daten

In unserem KI-Anwendungsfall verwalten wir derzeit 20-30 Millionen Datenpunkte aus medizinischen Gerätemessungen. Diese Daten ermöglichen es uns, Algorithmen zu trainieren und prädiktive Analysen einzusetzen. Eines unserer Ziele ist es, diese Daten zur Umsatzprognose für Kliniken und andere am Projekt beteiligte Gesundheitseinrichtungen zu nutzen sowie die Patientenbindung zu verbessern. Während Datenfilter helfen können, Eingabedaten zu bereinigen, erfordert die Arbeit mit großen Datensätzen immer noch erheblichen Zeit- und Personalaufwand.

Es gibt nicht so etwas wie zu viele Daten im maschinellen Lernen. Wichtiger ist es, klare, gut organisierte Daten zu haben.

KI-Experten und menschliche Beteiligung

Die Auswahl und Vorbereitung von Daten für maschinelles Lernen ist eine zeitaufwändige Aufgabe, die einen engagierten menschlichen Einsatz erfordert. Sie benötigen ein Team, bestehend aus einem KI-Ingenieur, Ärzten und Medizinwissenschaftlern, um Daten zu filtern, Algorithmen zu testen und Daten systematisch zu labeln.

KI und maschinelles Lernen im Gesundheitswesen sind vielversprechende Bereiche, die ein Potenzial für erhebliche Fortschritte von KI-Ingenieuren und medizinischen Experten sowie beträchtliche Investitionen bergen. Wir erfahren weiterhin mehr über die Fähigkeiten der KI und technologische Innovationen in der Medizin, die medizinische Arbeitsabläufe verbessern, Patientenerfahrungen optimieren und den Zugang zur Gesundheitsversorgung weltweit erweitern können.

Bei JetBase verlassen wir uns derzeit auf AWS-Dienste für unser Gesundheitsprojekt, wodurch die Notwendigkeit entfällt, eigene KI-Lösungen und ein maschinelles Lern-Ökosystem zu entwickeln. Diese Dienste haben sich bereits als wertvoll erwiesen, um Arzt-Patienten-Gespräche zu transkribieren und Prompts aus umfangreichen medizinischen Gerätedaten zu erstellen. Wir bleiben jedoch offen, unser Projekt basierend auf seinen Zielen und den Kundenbedürfnissen zu vertiefen. Wir sind bestrebt, innovative technologische Ideen umzusetzen, um sowohl Ärzten als auch Patienten zugutezukommen.

Wir hoffen, dass unsere Einblicke in KI und maschinelles Lernen im Gesundheitswesen Sie inspiriert und Ihnen neue Ideen für Ihren eigenen Anwendungsfall gegeben haben. Wenn Sie Expertise in AWS-Diensten und der Webentwicklung für die Gesundheitsbranche benötigen, zögern Sie nicht, JetBase zu kontaktieren für eine kostenlose Beratung.