Mit großen Weissagungen ist das immer so eine Sache. Geoffrey E. Hinton, ein britischer Informatiker und Kognitionspsychologe, sagte 2016 den Radiologen ihren beruflichen Untergang voraus. In den medizinischen Disziplinen, die mit der Deutung von Bildern beschäftigt sind, werden Computer das Ruder übernehmen. Mit künstlicher Intelligenz lassen sich Myriaden von Datensätzen in Sekundenschnelle erfassen. Die Programme suchen nach Mustern, die die krank machenden Entwicklungen in Organen erkennen und früher als das menschliche Auge bemerken.

Je mehr Daten, umso treffsicherer werden die Ergebnisse werden. Vielleicht kann eines Tages auf den Bildern an Gewebestrukturen auch abgelesen werden, ob eine Therapie überhaupt wirken wird. So die Vision. Überall dort in der Medizin, wo bildgebende Verfahren die tragende Rolle spielen, werden Computer immer mehr Deutungshoheit übernehmen. Allen voran in der Radiologie. Aber auch in der Augenheilkunde spielt "Deep Learning", also die Auswertung von Daten mittels künstlicher Intelligenz, eine immer wichtigere Rolle.

"Deep Learning"

Man kann es aber auch positiv sehen: "Das maschinelle Lernen wird Radiologen von mühsamen Aufgaben befreien, sodass sie mehr und anspruchsvollere Aufgaben erledigen können", sagt Polina Golland, Professorin für Elektronik und Informatik am Massachusetts Institute of Technology im Rahmen des Europäischen Radiologenkongresses in Wien. Warum sie trotzdem skeptisch ist? Organe wie Leber und Lunge sind bei jedem Menschen unterschiedlich, Variabilität ist dafür der Fachbegriff. "Der größte Teil dieser Variabilität ist nicht mit einer Krankheit verbunden", sagt auch Georg Langs vom Institut für biomedizinische Bildgebung der Med-Uni Wien. Allerdings könnte "Deep Learning" auch unerwartete Wendungen in der Forschung bringen. Und das ist auch ein Orakel, anders als jenes von Geoffrey Hinton. (Karin Pollack, CURE, 13.5.2019)