Künstliche Intelligenz in der Frauenheilkunde

Unter künstlicher Intelligenz (KI bzw. „Artificial Intelligence“ = AI) sind datenbasierte, computerunterstützte Verfahren zu verstehen, die in großen Datenmengen Muster erkennen und daraus Klassifikationen, Prognosen und andere Formen der Entscheidungsunterstützung ableiten; sie haben sich in den vergangenen Jahren zu einem der maßgeblichen Innovationsmotoren auch in der Medizin entwickelt.

Im Unterschied zu klassischen, regelbasierten Programmen beruhen viele dieser Systeme auf Machine Learning (ML). Dabei werden Modelle nicht explizit programmiert, sondern lernen aus Trainingsdaten, indem sie ihre internen Parameter iterativ anpassen. Eine besonders leistungsfähige Ausprägung stellt das Deep Learning (DL) dar. Es nutzt mehrschichtige neuronale Netze, um hochdimensionale Daten wie Bildinformationen, Sprachsignale oder auch Biosignale mit bislang unerreichter Präzision zu verarbeiten. Viele DL-Modelle bleiben in ihrer Entscheidungsfindung allerdings nur eingeschränkt nachvollziehbar, was nicht zuletzt auch Fragen der ärztlichen Verantwortung aufwirft.

KI denkt nicht, KI versteht nicht …

… sie erkennt nur Muster und errechnet Wahrscheinlichkeiten.
Eine weitere, derzeit besonders verbreitete Anwendungsform ist die generative KI. Diese meist auf DL-Architekturen basierenden Modelle sind in der Lage, eigenständig neue Inhalte – etwa Texte oder Bilder – zu erzeugen. Sie erweitern damit das Spektrum klassischer KI-Anwendungen um kreative und kommunikative Dimensionen.

Medizinische Anwendung: Möglichkeiten und Limitationen

In der Medizin eröffnen diese Technologien ein breites Anwendungsspektrum.^{1, 2} Es reicht u. a. von der automatisierten Analyse longitudinaler klinischer Daten über die Auswertung von bildgebenden Verfahren bis hin zur Unterstützung therapeutischer Entscheidungen. Entscheidend in diesem Kontext ist allerdings ihre klare Einordnung als Assistenzsysteme. Der Nutzen solcher Initiativen hängt maßgeblich von der Qualität der zugrunde liegenden Daten, einer methodisch sauberen Validierung sowie der strukturellen Integration in bereits bestehende klinische Abläufe ab.
Durch Explainable AI (XAI) werden Entscheidungen von KI-Systemen nachvollziehbarer gemacht. In der medizinischen Bildanalyse kann dies beispielsweise durch Heatmaps erfolgen, die jene Bildbereiche hervorheben, die maßgeblich zur Klassifikation als unauffällig oder pathologisch beigetragen haben. XAI erhöht damit die Transparenz komplexer Modelle und unterstützt Nutzer:innen dabei, Entscheidungen der KI besser zu verstehen und kritisch zu bewerten. Eine vollständige Offenlegung der internen Entscheidungslogik kann jedoch nicht immer erreicht werden. Der EU AI Act verlangt insbesondere bei Hochrisiko-KI-Systemen ein ausreichendes Maß an Transparenz, Dokumentation und Nachvollziehbarkeit, schreibt jedoch keine konkreten XAI-Verfahren vor.

KI in der Frauenheilkunde

Auch in der Frauenheilkunde ergibt sich eine Vielzahl neuer Perspektiven. Die Voraussetzung für die verantwortbare klinische Anwendung sind jedoch entsprechende klinische Studien, externe Validierungen sowie die regulatorische Einordnung des jeweiligen Verfahrens als Medizinprodukt im Sinne geltender Rahmenbedingungen.
Zu den derzeit am weitesten verbreiteten dialogorientierten Anwendungen generativer KI gehören sog. Chatbots („Chat und Robot“), die häufig auf LLM basieren. Diese mit umfangreichen Textkorpora trainierten Sprachmodelle generieren Antworten in natürlicher Sprache und können so Informationen vor allem für Patient:innen, aber auch für medizinisches Fachpersonal bereitstellen. Strukturell fehlt ihnen jedoch die integrierte Prüfung auf Evidenz, auf Kontextangemessenheit und auch auf Aktualität. Unzutreffende, verkürzte oder auch sogenannte „halluzinierte“, also faktisch falsche Inhalte sind systembedingt möglich, entsprechend dürfen diese Systeme im medizinischen Kontext nur als Informationsquelle dienen, nicht jedoch als Grundlage für medizinische Entscheidungen.

Pränatalmedizin und Geburtshilfe

KI-gestützte Verfahren eröffnen eine Vielzahl neuer Perspektiven in Bezug auf eine individualisierte Betreuung während der Schwangerschaft und unter der Geburt. Dabei können sowohl prädiktive Modelle zur Risikoeinschätzung z. B. bezüglich der Tendenz zu hypertensiven Zustandsbildern, zu Gestationsdiabetes oder HELLP-Syndrom als auch bildverarbeitende Systeme in der US-Diagnostik zum Einsatz kommen; auch eine Frühgeburtsbestrebung kann frühzeitig identifiziert werden. Durch sogenannte Wearables– also kleine, mobile und vernetzte Computersysteme mit drahtloser Kommunikationsfunktion, die von der Schwangeren am Körper getragen werden – kann im Risikofall außerdem die kontinuierliche Überwachung der Vitalparameter von Mutter und Kind erfolgen. Studienergebnisse zeigten, dass häusliches Telemonitoring eine mit der stationären Betreuung vergleichbare Sicherheit bietet, Krankenhausaufenthalte reduziert und die Zufriedenheit der Schwangeren erhöht. Von der Charité Berlin wurde beispielhaft die PreFree-App („PreFree: for a safer pregnancy“) entwickelt, ein KI-basiertes häusliches Monitoring zur Identifikation von Schwangeren mit Risiko für Präeklampsie.

KI und US-Bildanalyse: Eine hochwertige Qualität der Ergebnisse für die manuelle Fetometrie und das Erkennen komplexer Fehlbildungen erfordern, wie auch die Bestimmung anderer US-Parameter in der Schwangerschaft, so z. B. die Messung der Nackentransparenz und der Fruchtwassermenge, entsprechende Expertise und sind zeitaufwändig. Vor diesem Hintergrund kann ein automatisierter Workflow die diagnostische Genauigkeit verbessern und gleichzeitig die Untersuchungszeit verkürzen. KI-gestützte US-Messungen, so z. B. Auto OB Measurements (OB steht für Obstetrics), sind z. B. innovative Algorithmen, welche die sechs standardmäßig zu bestimmenden Hauptstrukturen des Fetus (CRL, BPD, HL, AC und FL) erkennen und biometrische Messungen vornehmen. Dadurch lässt sich die Untersuchungszeit deutlich verkürzen und die Effizienz steigern. Der automatischen Bildanalyse zugrunde liegt ein datenbankgestütztes Segmentierungsmodell, das den fachlich korrekten Abgrenzungen der fetalen anatomischen Strukturen dient.

Einsatz von KI im Kreißsaal: Randomisierte Studien zeigten, dass bislang die CTG-Auswertung mittels KI bei Vergleich mit einer Kontrollgruppe ohne KI-Auswertung keine signifikanten Vorteile in Bezug auf die neonatologischen Ergebnisse erbrachte. Auch war keine messbare Reduktion von schwerwiegenden fetalen Komplikationen bzw. der Rate an operativen Geburtsbeendigungen zu verifizieren.

KI in der Reproduktionsmedizin

Die Behandlung des unerfüllten Kinderwunsches hat in den letzten Jahrzehnten große Fortschritte verzeichnet, allerdings hat sich in Bezug auf die Erfolgsraten zuletzt ein gewisses „Plateau“ eingestellt.³ Durch Einbeziehung der KI ergibt sich nun aktuell die Möglichkeit für eine personalisierte Wahl des Behandlungsprotokolls unter Berücksichtigung des Lebensalters, der Anzahl der antralen Follikeln, des Anti-Müller-Hormon-Spiegels, der Anamnese und der Indikation zur Behandlung. Im Übrigen bietet die KI Hilfestellung sowohl in Bezug auf eine möglichst geringe Dosierung der Gonadotropinmedikation zur Vermeidung eines Überstimulationssyndroms als auch durch automatisierte Auswertung von Ultraschallbildern in Bezug auf die Bestimmung des optimalen Punktionszeitpunktes. Weiters kann der Einsatz von KI zur Auswahl entwicklungsfähiger Embryonen erfolgen und außerdem zur Erfolgsprädiktion der extrakorporalen Befruchtung beitragen.

KI in der Prävention

KI zeigt u. a. großes Potenzial im Bereich von Screening und Früherkennung, so z. B. in Bezug auf bildbasierte Verfahren wie Mammografie und zytologische Zervixkarzinomvorsorge; einerseits durch Verbesserung der diagnostischen Qualität und andererseits durch Reduktion der Arbeitsbelastung des Fachpersonals. Auch in Bezug auf die sonografische Beurteilung von Ovarialtumoren ergibt sich durch den Einsatz von KI ein gewisser Nutzen; eine große Studie mit simulierter Triage durch KI-Unterstützung ergab eine Reduktion unnötiger Überweisungen um 63 % und eine Senkung der Fehldiagnosen um 18 %.⁴ Diese Beispiele zeigen, dass KI insbesondere dort sinnvoll eingesetzt werden kann, wo es um standardisierte, bildbasierte Daten geht.

KI in der gynäkologischen Onkologie

In der gynäkologischen Onkologie besteht in mehrfacher Hinsicht großes Potenzial durch Einsatz von KI zur Umsetzung von personalisierten Therapiestrategien. Ein zentrales Anwendungsfeld besteht im Rahmen der Diagnostik durch KI-gestützte Auswertung molekularer Tumorprofile („digitale Pathologie“)⁵ und konsekutiv für die Erarbeitung von individuellen Behandlungsoptionen. So wurde in einer Studie, die strukturierte Tumordaten mit evidenzbasierter Literatur und klinischen Richtlinien verknüpft, nachgewiesen, dass Therapieempfehlungen von KI-Prozessen eine 94,7%ige Übereinstimmung mit den Entscheidungen von molekularen Tumor-Boards aufwiesen.⁶

KI-unterstützte Systeme können also in der Onkologie in vielfältiger Weise bei der Auswahl von geeigneten Therapieoptionen helfen, diese sind allerdings stets ärztlich zu validieren.

KI in der operativen Gynäkologie

In der roboterassistierten Chirurgie setzt das Da-Vinci-5-System neue Maßstäbe. Mit Hilfe von KI werden Daten des Systems, kinematische Bewegungen und Videos bewertet. Operateur:innen erhalten auf diese Weise objektive Einblicke in ihr operatives Vorgehen, was zu einer kontinuierlichen Verbesserung der Qualität von hochpräzisen, minimalinvasiven Eingriffen im Bauch-bereich beiträgt. Der nächste Schritt ist in der Entwicklung von KI-unterstützten autonomen operativen Eingriffen zu sehen.

Chatbots – die aufgeklärte Patientin

Die Nutzung von KI in Form von Chatbots ermöglicht der Patientin eine niederschwellige fachliche Beratung, unabhängig von Ort und Zeit, womit sie ihren Informationsstand zu medizinischen Fragen wesentlich verbessern kann. Die ständige Verfügbarkeit und die verständliche Kommunikation medizinischer Informationen dient außerdem einer besseren Vorbereitung auf Arztbesuche. Chatbots sind eine unterstützende, also eine zusätzliche Ressource, sie ersetzen jedoch keinesfalls die ärztliche Beratung. So überzeugend Sprachmodelle auch formulieren, so wenig verstehen sie ihre eigenen Inhalte– genau daraus wächst die ärztliche Verantwortung.⁷

Resümee

Zusammenfassend lässt sich sagen, dass es eine Reihe von vielversprechenden Möglichkeiten für den Einsatz von KI in der Frauenheilkunde gibt. KI hat das Potenzial, durch präzise Datenanalyse und neue Formen der Entscheidungsunterstützung die Qualität der Betreuung der Patientinnen noch weiter zu verbessern. Zweifellos erfordert nicht zuletzt der Umgang mit sensiblen Gesundheitsdaten strikte datenschutzrechtliche und ethische Rahmenbedingungen, die KI bleibt ein Instrument ohne eigenes Urteilsvermögen, ihre Stärke liegt im Erkennen von Mustern, ihre Grenze verbleibt in der Verantwortung beim Menschen.