Künstliche Intelligenz gegen Pandemie: Wie KI Corona erkennt

Im Kampf gegen die Coronapandemie wird auch auf künstliche Intelligenz gesetzt. So sollen Infizierte anhand der Sprache oder am Husten erkennbar sein.

Ein Roboter untersucht einen Patienten im Krankenbett

Ausgerüstet mit KI und entsprechenden Sensoren könnte auch ein Roboter die Diagnose übernehmen Foto: Mohamed Abd El Ghany/reuters

BERLIN taz | Der Husten klingt so schmerzhaft, dass die eigenen Bronchien schon beim Zuhören wehtun. Dennoch ist die Frage, ob da eine Person mit Covid-19 hustet, eine, die lediglich Sars-CoV-2-positiv ist und keine Symptome spürt, oder eine, die nicht infiziert ist, für Menschen fast nicht zuverlässig zu beantworten. Anders für eine Künstliche Intelligenz (KI), die For­sche­r:in­nen des Massachusetts Institute of Technology (MIT) entwickelt haben: Mithilfe zehntausender Hustensamples von Freiwilligen trainierten sie einen Algorithmus darauf, zwischen dem Husten infizierter und nicht infizierter Personen zu unterscheiden.

Ihre höchste Trefferquote hatte die KI ausgerechnet in einem Punkt, in dem die Unterscheidung ohne einen PCR-Test besonders schwierig ist: bei positiven Personen, die keine Symp­tome verspüren. Hier erkannte die KI die positiven Fälle zu 100 Prozent. Bei Infizierten mit Symptomen waren es immerhin 98,5 Prozent. Die Wis­sen­schaft­ler:innen haben ihre Ergebnisse Ende September im Journal of Engineering in Medicine and Biology veröffentlicht und planen, aus der Anwendung eine App zu machen.

Hustenerkennung ist nicht der einzige Bereich, in dem KI im Kampf gegen Sars-CoV-2 oder die durch das Virus ausgelöste Krankheit Covid-19 helfen soll. Weitere Beispiele: KI soll dabei helfen, große Datenmengen auszuwerten, etwa wenn es um die Vielzahl medizinischer Studien zu dem Thema gibt. KI soll bei bildgebenden Verfahren wie CT-Scans die Lungen von erkrankten und gesunden Pa­ti­en­t:in­nen unterscheiden. Sie soll nicht nur anhand des Hustens, sogar anhand der Sprache erkennen, ob eine Person erkrankt ist. Es gibt eine KI, die das Internet nach Texten über nichtmedizinische Maßnahmen zur Eindämmung der Pandemie durchkämmt und in maschinenlesbarer Form in eine Datenbank einträgt. Und KI wird eingesetzt bei der Suche nach Medikamenten zur Behandlung von Covid-19.

„KI hat in den vergangenen zwei Jahren einen neuen Reifegrad erreicht“, sagt Daniel Sonntag, Professor am Deutschen Forschungszentrum für Künstliche Intelligenz. Die Auswertung und das Kombinieren von Daten gehe immer schneller, und mit der Geschwindigkeit sei auch schneller klar, welche Ansätze und Modelle für einen bestimmten Zweck funktionieren – oder eben nicht. Sonntag sieht derzeit vor allem in zwei Bereichen großes Potenzial: Zum einen bei der automatisierten Auswertung der Vorgeschichte von Patient:innen. So könnte eine KI Patientenakten nach Vorerkrankungen durchforsten und anhand derer eine Prognose für den Verlauf der Covid-19-Erkrankung geben. Die könnte Ärzten helfen, die richtige Therapie zu wählen.

Vielversprechende Zahlen

Zum anderen setzt Sonntag große Hoffnungen in den Bereich, in dem er selbst forscht: die automatisierte Auswertung von CT-Bildern. Im Oktober hat er gemeinsam mit Fach­kol­le­g:in­nen eine Studie dazu veröffentlicht. Die befindet sich noch im Preprint-Stadium, wurde also noch nicht von anderen Wis­sen­schaft­le­r:in­nen begutachtet. Doch die Zahlen sind vielversprechend: Die Erkennungsrate von erkrankten Lungen lag demnach bei 88 Prozent. Sonntag gibt zu, dass das unter Optimalbedingungen stattfand. Mit Bildern in guter Qualität der gleichen Linie von Geräten. „Jetzt wäre es interessant, mit dem System in die Praxis zu gehen und zu schauen, wie sehr sich die Erkennungsrate verschlechtert“, sagt er. Und wie sich da dann nachbessern ließe. Dafür bräuchte es nun ein Nachfolgeprojekt. Doch dafür müsse man üblicherweise mit einem Jahr Vorlauf rechnen, es müssten Anträge geschrieben, gestellt und bewilligt werden.

Die Erkennungsrate von erkrankten Lungen lag demnach bei 88 Prozent

Das System von Sonntag und seinen Kol­le­g:in­nen ist auch deshalb so interessant, weil es den menschlichen Faktor direkt mitdenkt. Denn mitunter wissen selbst die Pro­gram­mie­re­r:in­nen eines selbstlernenden Systems nicht genau, wie genau ihre KI zu einem Ergebnis kommt. Bei der Analyse von CT-Bildern allerdings markiert das System gleich den Bereich, in dem es eine Auffälligkeit gefunden hat. „Das ist ideal, um das Zusammenspiel von Mensch und Maschine zu gestalten“, sagt Sonntag.

Sein größtes Problem derzeit: „Die Verfügbarkeit von Daten.“ Damit meint Sonntag Trainingsdaten, mittels derer die KI lernen kann, was sie lernen soll. Im Fall von Sonntags Projekt also, die CT-Aufnahmen von gesunden Lungen von denen von Pa­ti­en­t:in­nen mit Covid-19 zu unterscheiden. Für ein gutes Training seien in der Regel mindestens 10.000 Aufnahmen nötig. Und das in einen anonymisierten Datensatz in ausreichend guter Aufnahmequalität.

Björn Schuller, Professor am Lehrstuhl für Embedded Intellligence for Health Care and Wellbeing der Universität Augsburg hat es da etwas einfacher. Für seine KI-Anwendungen sind keine CT-Bilder notwendig – die Sprachaufnahmen, die Schuller benötigt, können Pro­ban­d:in­nen selbst mit dem Smartphone erstellen. Schuller forscht schon seit Jahren dazu, wie sich Krankheiten durch Sprachbilder erkennen lassen. Bei Kehlkopfkrebs und Parkinson hat das bereits funktioniert, derzeit arbeitet Schuller an einer Erkennungssoftware für Covid-19.

Ähnlich wie bei der Hustenerkennung kommt auch hier ein selbstlernender Algorithmus zum Einsatz, in Form eines neuronalen Netzes. Der lernt mittels Proben von Erkrankten und von Gesunden, auf welche Merkmale es ankommt, beispielsweise Nuancen von Kurzatmigkeit. Mittlerweile würden mehr als 80 Prozent der Proben korrekt erkannt. Zwar ist die KI noch in der Trainings- und Testphase. Doch Schuller hat zwei konkrete Anwendungen vor Augen: Einerseits eine App, die, beispielsweise in der Notaufnahme, schnell Verdachtsfälle von Nicht-Verdachtsfällen trennen kann. Andererseits eine App, die die Stimme von Nut­ze­r:in­nen über einen längeren Zeitraum analysiert, sie kennenlernt und Alarm schlägt, falls sich Auffälligkeiten wie Kurz­atmigkeit oder häufigeres Husten ergeben. „Technisch ist dies möglich“, sagt Schuller. Jetzt komme es darauf an, geeignete Partner dafür zu finden, um eine reale Anwendung daraus zu machen.

Eine andere KI-Anwendung, die bei der Suche nach Medikamenten zur Behandlung von Covid-19 helfen soll, ist schon im Einsatz. Folding@home heißt das Projekt – übersetzt: zu Hause falten – und ist auf die Mithilfe von Com­pu­ter­nut­ze­r:in­nen angewiesen. Die stellen Rechenleistung zur Verfügung durch die eine Anwendung des Maschinellen Lernens – ein Teilbereich der KI – zum Beispiel simuliert, wie sich verschiedene Wirkstoffe auf das Spike-Protein des Coronavirus auswirken. Dieses Protein nutzt das Virus, um im Menschen an die Zellen anzudocken. Es zu blockieren wäre daher ein vielversprechender Ansatz zur Behandlung von Covid-19.

Die Methode ist keine coronaspezifische Entwicklung. For­sche­r:in­nen suchen mit ihrer Hilfe und der Unterstützung der weltweiten Rechenleistung von Freiwilligen auch nach passenden Medikamenten gegen andere Krankheiten etwa Ebola oder Zika. Mittels KI ein passendes Medikament zu finden, wäre der erste Schritt. Genau wie andere Medikamente auch, müsste es dann klinische Tests in Bezug auf die zu behandelnde Krankheit durchlaufen.

Daniel Sonntag kann sich vorstellen, dass nicht nur die KI den Kampf gegen Corona voranbringt, sondern auch die Pandemie den Umgang mit Künstlicher Intelligenz. „Die zunehmende Digitalisierung, die wir sehen, beschleunigt natürlich auch die Entwicklung von KI-Anwendungen.“ Vor allem deshalb, weil mehr Daten digital und gleichzeitig anonymisierbar zur Verfügung stünden. Er warnt dennoch vor zu hohen Erwartungen an KI-Anwendungen – nicht in Bezug auf Corona, sondern auch darüber hinaus. Bis es realistisch sei, zum Beispiel eine App zu haben, die Bilder der eigenen Haut auf mutmaßlich problematische Veränderungen untersucht – bis dahin sei es noch ein sehr langer Weg.

Einmal zahlen
.

Fehler auf taz.de entdeckt?

Wir freuen uns über eine Mail an fehlerhinweis@taz.de!

Inhaltliches Feedback?

Gerne als Leser*innenkommentar unter dem Text auf taz.de oder über das Kontaktformular.

Bitte registrieren Sie sich und halten Sie sich an unsere Netiquette.

Haben Sie Probleme beim Kommentieren oder Registrieren?

Dann mailen Sie uns bitte an kommune@taz.de.