Insbesondere bei kardiovaskulären Erkrankungen haben in den vergangenen Dekaden Risikovorhersagemodelle stark an Bedeutung gewonnen. So kann z. B. heute ein 31 Variablen umfassender Risikoscore bei einem ACS die Entscheidung pro oder contra PCI erleichtern. Durch maschinelles Lernen – man könnte es auch KI, also künstliche Intelligenz, nennen – versuchte man, die Vorhersagekraft dieses Scores weiter zu verbessern. Es gelang, und der C-Wert als Maß der Zuverlässigkeit der Komplikationsvorhersage stieg von 0,77 auf 0,81.
Auf der anderen Seite gibt es aber auch immer noch Vorbehalte bei Ärzten gegenüber solchen automatisierten Risikomodellen. Die Intransparenz der Art und Weise, wie die Ergebnisse und Vorhersagen zustande kommen, ist ein Grund dafür. Zudem spielt das in der IT bekannte Phänomen „garbage in, garbage out“ eine Rolle: Jedes Ergebnis kann nur so gut sein wie die Daten, auf denen es basiert.
„I‘ll be back“ raunte der Terminator im Film. Es war als Drohung gemeint. KI in der Medizin sollten wir nicht als Bedrohung, sondern als wertvolle Ergänzung der Möglichkeiten verstehen. CB