Vor Kurzem wurde das 4. Hong Kong Clinical-driven Robotics and Embodied AI TEchnology Symposium (CREATE Symposium), veranstaltet vom Hong Kong Innovation Institute of the Chinese Academy of Sciences – Innovation Center for Artificial Intelligence and Robotics (CAIR) und mit Unterstützung der Hong Kong Science and Technology Parks Corporation, feierlich im Charles K. Kao Conference Centre im Hong Kong Science Park abgehalten.
Als bedeutende internationale Austauschplattform, die klinische Medizin mit Spitzentechnologie verbindet, stand dieses Forum unter dem Thema „医疗 AI 商业化之路“ (Der Weg zur Kommerzialisierung von medizinischer KI) und vereinte nahezu 300 Experten und Wissenschaftler, Krankenhausmanager, angesehene Kliniker sowie Vertreter von Industriekapital. Die Veranstaltung griff die klinischen Schmerzpunkte der Fachbereiche pulmonale Intervention, HNO-Heilkunde, Ultraschallbildgebung, Schlafmedizin und anderer Spezialisierungen auf und bot vielfältige Formate wie Vorstellungen neuester Technologien, Rundtischgespräche mit Klinikdirektoren, eine Venture-Capital-Pitch-Sektion, thematische Gruppenworkshops, eine Ausstellung wissenschaftlicher und technischer Errungenschaften sowie eine Erkundung von Szenarien für KI-gestützte Operationsräume mit verkörpeter Intelligenz, um die kollaborative Innovation von Medizin, Forschung, Industrie und Investoren zu beschleunigen und der Umsetzung von Forschungsergebnissen in die medizinische Praxis starken Schwung zu verleihen.
Bei der Eröffnungszeremonie hielten nacheinander CAIR-Direktor Prof. Liu Hongbin, der CEO der Hong Kong Science and Technology Parks Corporation, Wong Ping-shiu, der Generalsmanager von China Resources Health und Präsident von China Resources Medical, Zhang Chuang, der geschäftsführende Direktor des Hong Kong Innovation Institute der Chinesischen Akademie der Wissenschaften, Hao Yinxing, die stellvertretende Direktorin des Instituts für Automatisierung der Chinesischen Akademie der Wissenschaften, Prof. Lü Pin, sowie der CEO der Shenzhen MGI Tech Co., Ltd., Liu Jian, ihre Begrüßungsreden.
Auf diesem Forum gab CAIR die feierliche Veröffentlichung des selbst entwickelten multimodalen klinischen Agentensystems CARES 4.0 bekannt. Das System basiert auf dem Harness-Agentenframework und ist in der untersten Ebene mit einem selbst entwickelten multimodalen medizinischen Basismodell für CT, MRT, Ultraschall, Endoskopie und EEG ausgestattet; es überwindet die Grenzen herkömmlicher einzelner medizinischer KI-Modelle, ist tief in den klinischen Arbeitsablauf von Krankenhäusern eingebettet und fungiert als intelligenter Partner des Arztes, der die gesamte Kette von Diagnostik und Behandlung, Abteilungsmanagement und medizinischer Forschung abdeckt.
Im Bereich der klinischen Anwendung wurde CARES 4.0 bereits in mehreren Krankenhäusern der höchsten Versorgungsstufe (Grade-A-Tertiärkrankenhäusern) erprobt. In Diagnose- und Behandlungsszenarien ermöglicht es eine unterstützte Diagnostik über den gesamten Prozess – von der Anamnese des Patienten über bildgebende Untersuchungen und pathologische Bewertungen bis zur endgültigen Diagnose; im Abteilungsmanagement unterstützt es Abfragen in natürlicher Sprache, fasst automatisch Informationen wie Geräteauslastung und Krankheitsverteilung zusammen und erstellt Berichte zum Abteilungsbetrieb per Knopfdruck; in Szenarien der medizinischen Forschung können mehrdimensionale statistische Analysen klinischer Spezialdatensätze durchgeführt, einfache Machine-Learning-Modelle trainiert und Analyseberichte ausgegeben werden, die direkt für die Einreichung von Fachartikeln überarbeitet werden können. Das System verfügt über eine Plattform zur Aufbereitung klinischer hochwertiger Daten, die automatisch die Bereinigung, Qualitätsprüfung und strukturierte Speicherung multiquellenbezogener Daten im Krankenhaus übernimmt und so das Fundament für die kontinuierliche KI-Iteration festigt.
Die offizielle Website von CARES 4.0 ist mittlerweile online, das Framework und das universelle Toolkit sind veröffentlicht, und das medizinische Toolkit wird nach und nach verfügbar gemacht. Auch die selbst entwickelten Open-Source-Modelle des Zentrums für Ultraschall und Operationsvideos werden auf der Plattform eingeführt und der Öffentlichkeit kostenlos zur Verfügung gestellt.
Der CAIR-Forscher Yi Dong stellte CARES 4.0 vor.
Angesichts der realen Herausforderungen, dass KI tief in das Gesundheitssystem integriert wird und den Weg in die klinische Praxis findet, richtete dieses Forum eigens ein Rundtischgespräch der Klinikdirektoren aus Hongkong und Shenzhen aus, zu dem Manager zahlreicher medizinischer Einrichtungen eingeladen waren, darunter Tsang Hing-lim, Regional Chief Executive Officer von IHH Healthcare (North Asia) und Executive Director des Gleneagles Hospital Hong Kong, Zhang Wenzhi, Direktor der University of Hong Kong-Shenzhen Hospital, Chung Kin-lai, Chief Executive Officer der Chinese University of Hong Kong Medical Centre, Cai Linbo, Direktor des Guangdong Sanjiu Brain Hospital, Xiong Yi, geschäftsführender Direktor der Shenzhen Luohu People's Hospital, Hu Xiquan, Vorsitzender des Verwaltungskomitees des Lingnan Hospital der Dritten Affiliated Hospital der Sun Yat-sen University, sowie Lam Yu-hang, Assistenzdekan (Lehre und technologische Innovation) der Fakultät für Zahnmedizin der University of Hong Kong.
Die Rundtischgäste äußerten ihre jeweiligen Ansichten: Private Gesundheitseinrichtungen müssten bei der Einführung hochwertiger medizinischer KI-Systeme die Investitionsrendite bewerten und Betriebliche Nachhaltigkeit mit dem Wert für die öffentliche Gesundheit in Einklang bringen; grenzüberschreitende medizinische KI-Anwendungen müssten die Compliance-Grenzen strikt einhalten, den Datenaustausch im rechtlichen Rahmen erkunden und Sicherheit, Compliance und Betriebseffizienz zusammenführen; der Aufbau smarter Krankenhäuser liege vor allem in der Neustrukturierung von Geschäftsprozessen, um KI in die gesamte Kette von Diagnostik, Pflege und Management zu integrieren; die klinische Umsetzung von KI hänge von hochwertigen Daten und der Zusammenarbeit zwischen Medizin und Technik ab, wobei die zentrale Herausforderung derzeit die Definition von Risiken und die Verantwortungszuordnung in Diagnose- und Behandlungsszenarien sei, weshalb dringend ein Mechanismus zur gemeinsamen Risikoteilung mehrerer Parteien etabliert werden müsse; bei der Einführung von KI in der Primärversorgung sei ein stufenweises Vorgehen ratsam, wobei zunächst Anwendungen zur Erfahrungsoptimierung umgesetzt werden sollten, während hochriskante KI-Diagnoseinstrumente ein vollständiges Sicherheitsgarantiesystem erforderten; im Bereich der Rehabilitation könne KI die Rehabilitationsbewertung und die Erstellung von Behandlungsplänen unterstützen und die Arbeitsbelastung der Therapeuten verringern; KI werde zu einer Grundfähigkeit der Medizin, und die Zahnmedizin könne mit KI eine präzise Diagnostik und Behandlung sowie Heimvorsorgeuntersuchungen durchführen und ein feingranulares Management der Mundgesundheit verwirklichen.
In der Keynote-Sektion brachte dieses Forum mehrere weltweit führende Wissenschaftler der medizinisch-technischen Innovation zusammen, darunter Professor Sebastien OURSELIN, Mitglied der Royal Academy of Engineering und der Academy of Medical Sciences sowie Vizepräsident (Innovation) des King's College London, Professor Nassir NAVAB, Mitglied der Academia Europaea und Direktor von CAMP an der Technischen Universität München, Professor Liu Yunhui von der Fakultät für Maschinenbau und Automatisierungstechnik der Chinese University of Hong Kong, CAIR-Direktor Prof. Liu Hongbin, Professor Liao Hongen, Inhaber eines Lehrstuhls an der Shanghai Jiao Tong University und Dekan der Fakultät für Biomedizinische Technik, sowie Professor Ni Dong von der Fakultät für Künstliche Intelligenz der Shenzhen University. Die Experten analysierten ausgehend von der internationalen Spitzenforschung die Entwicklungstrends der medizinischen Technologie mit verkörperter Intelligenz tiefgründig und teilten globale technologische Innovationsergebnisse zu Themen wie Ökosystemen für Medizinprodukte und digitale Gesundheit, Mensch-Maschine-Kollaboration bei medizinischen Robotern, KI-gesteuerte Operationsroboter, klinische Agenten-KI-Systeme, bildgestützte Entscheidungsfindung bei Diagnostik- und Behandlungsrobotern sowie Forschung, Produktion und Translation intelligenter Ultraschalltechnologie.
Akademiker Sebastien OURSELIN präsentierte „From Bench to Bedside to Boardroom- An Innovation Ecosystem for Medical Devices and Digital Health“
Akademiker Nassir NAVAB präsentierte „Dyadic Partnership(DP): A Missing Link Towards Full Autonomy in Medical Robotics“
Professor Liao Huai, stellvertretender Direktor der Abteilung für Pneumologie und Intensivmedizin des First Affiliated Hospital der Sun Yat-sen University, Professor Lei Dapeng, Direktor der HNO-Abteilung des Qilu Hospital der Shandong University, Professor Hou Gang, stellvertretender Direktor der Abteilung für Pneumologie und Intensivmedizin des China-Japan Friendship Hospital, Professor Xie Xiaoyan, Direktorin der Abteilung für Ultraschallmedizin des First Affiliated Hospital der Sun Yat-sen University, Professor Tao Guowei, Direktor der Ultraschallabteilung des Qilu Hospital der Shandong University, Professor Cui Xinwu, Direktor der Abteilung für Ultraschallbildgebung des Tongji Hospital der Tongji Medical Faculty der Huazhong University of Science and Technology, Professor Cao Yingjuan, Direktorin der Pflegedirektion des Qilu Hospital der Shandong University, Wong Wang-hung, Professor am Fachbereich Chirurgie der Fakultät für Medizin der Chinese University of Hong Kong und Direktor der Herz-Thorax-Chirurgie, Professor Zhang Bin, Direktor der Abteilung für Psychiatrie und Psychologie (Schlafmedizinisches Zentrum) des Nanfang Hospital der Southern Medical University, Professor Pan Jiyang, Direktor des Schlafmedizinischen Zentrums des First Affiliated Hospital der Jinan University, Professor Xing Yingqi, Direktorin der Abteilung für Gefäßultraschall des Xuanwu Hospital der Capital Medical University, Mak Hoi-kwan, stellvertretender Leiter und beratender Arzt der neurochirurgischen Abteilung des Queen Elizabeth Hospital in Hongkong, sowie Tam Siu-chung, klinischer Assistenzprofessor am Fachbereich Chirurgie der School of Clinical Medicine der University of Hong Kong teilten – gestützt auf ihre langjährige Erfahrung in ihren Fachbereichen – ihre klinischen Praxiserfahrungen aus erster Hand in Bereichen wie medizinische Bildgebung, Ultraschalldiagnostik und -therapie, intelligente Pflege, Herz-Thorax-Chirurgie, Schlafmedizin, Gefäßultraschall und Neurochirurgie.
Darüber hinaus teilten auch Wissenschaftler wie Professor Li Zongming, Dekan der Fakultät für Biomedizinische Technik der Shenzhen University of Advanced Technology, Professor Yan Hongliang (任洪亮) vom Fachbereich Elektroniktechnik der Chinese University of Hong Kong, Professor Kwok Kai-wai (郭嘉威) vom Fachbereich Maschinenbau und Automatisierungstechnik der Chinese University of Hong Kong, Zhu Zhiguang, Associate Professor mit Lebenszeitstellung am Fachbereich Maschinenbau der National University of Singapore, Dou Qi, Associate Professorin am Fachbereich Informatik und Technik der Chinese University of Hong Kong, sowie Jiang Zhongliang, Assistenzprofessor am Fachbereich Maschinenbau der University of Hong Kong, ihre Forschungsfortschritte aus verschiedenen Perspektiven wie der Entwicklung von KI-Algorithmen, medizinischen Robotersystemen und klinischer Translation und zeigten damit vielfältige Wege auf, wie die Schnittstelle von Medizin und Technik die Entwicklung intelligenter Gesundheitsversorgung vorantreibt.
Darüber hinaus richtete dieses Forum eine eigene Venture-Capital-Pitch-Sektion ein, die sich auf die vorderste Front der Medizintechnik konzentrierte und innovative Unternehmen, Forschungseinrichtungen und Investitionsinstitutionen zusammenbrachte, um eine Plattform für Projektaustausch und Ressourcenabstimmung zu schaffen. Die Juroren halfen bei der Analyse technologischer Markteintrittsbarrieren, klinischer Validierung und Kommerzialisierungsstrategien, unterstützten die Teams dabei, ihren Weg zur Markterschließung zu klären, und beschleunigten so die industrielle Umsetzung von Ergebnissen der Medizintechnikforschung.
Mehrere hochkarätige Wissenschafts- und Technologieprojekte beteiligten sich an den Pitches und deckten Spitzenrichtungen wie optische multidimensionale Kraftsensoren, Laparoskopie-Operationsroboter, neue Instrumente und Hilfsvorrichtungen für die minimalinvasive Chirurgie, Schlaf-Großmodelle, Ultraschallroboter, Operationsroboter, chirurgische Navigationssysteme, ASIC-Chips mit aktiven implantierbaren Medizinprodukten, Brain-Computer-Interfaces und bionische Muskeln, Operationsplanung und Simulation sowie personalisierte Orthopädie und Rekonstruktion ab. Vertreter von Investitionsinstitutionen und der Industrie, darunter Cende Capital, Guangyuan Investment, Jiuguang Capital, Allwinner Technology, Yuexiu Group, Yanghe Investment, Songhe Medical Health Fund, CICC Capital, BGI-Songhe Life Science Fund, Guoke Jiahe und Jianyuan Tianhua, waren vor Ort und tauschten sich direkt und intensiv mit den Gründerteams aus, um die Bedürfnisse der Investitions- und Finanzierungsabstimmung umfassend zu erfüllen.
Dr. Yu Chen, Mitgründer von Huali Chuang Science (华力创科学), erläuterte die technischen Kernpunkte optischer multidimensionaler Kraftsensoren
Als Co-Veranstalter dieses Forums organisierte die Hong Kong Science and Technology Parks Corporation eine thematische Präsentation mit dem Titel „Empowering Founders, Enabling Growth: HKSTP's Entrepreneurship Journey from Idea to Commercialization“, die sich auf die industrielle Umsetzung vorderster Forschungsergebnisse konzentrierte, das Ökosystem für Life- and-Health-Technologien sowie die Gründergemeinschaft des Parks ausführlich vorstellte, Vertreter von Start-ups der Plattform einlud, Kommerzialisierungserkenntnisse und Praxisbeispiele zu teilen, und mit Vertretern verschiedener Bereiche einen vielschichtigen Dialog darüber führte, wie strategische Kooperationen Wertschöpfung und Unternehmenswachstum ermöglichen kann – und lieferte damit ein lebendiges Praxisbeispiel und ökologische Unterstützung für die Zusammenarbeit zwischen Medizin und Unternehmen sowie die Umsetzung von Innovationsergebnissen.
Darüber hinaus fand parallel zum Forum eine Ausstellung medizintechnischer Forschungsergebnisse statt, auf der sich Wissenschafts- und Technologieunternehmen wie Huali Chuang Science, En Dong Medical, Shen Zong Technology, Houkai Medical, Meixin Chuangke und Lejin Purification sowie mehr als zehn vom Incu-Bio-Programm des Hong Kong Science Parks geförderte Start-ups präsentierten und umfassend neueste Technologien und Innovationsergebnisse in den Bereichen intelligente Medizin, digitale Medizin und Präzisionsmedizin zeigten.
Am Ende der Veranstaltung begaben sich die Gäste in den KI-gestützten Operationssaal mit verkörperter Intelligenz von CAIR und verfolgten vor Ort die Präsentation neuester Ergebnisse wie des multimodalen klinischen Agentensystems CARES, diagnostischer Agenten für Laryngoskopie und Bronchoskopie, des KI-Schlafsystems, des Ultraschall-Großmodells „Lingyin“, handgehaltener Ultraschallgeräte mit verkörperter Intelligenz, Ultraschalluntersuchungsroboter, Lösungen für minimalinvasive Chirurgie in beengten Räumen, einer Echtzeit-Plattform für medizinisch-physikalische Simulation, Niedrigfeld-Magnetresonanztomographie für Interventionen sowie des neurochirurgischen Operationsroboters mit verkörperter Intelligenz MicroNeuro. Während des Rundgangs hörten die Gäste aufmerksam die technischen Erläuterungen der Entwicklungsteams, gewannen tiefe Einblicke in die Kerntechnologischen Merkmale, den klinischen diagnostischen und therapeutischen Wert sowie die Anwendungsszenarien der einzelnen Ergebnisse und führten vertiefte Diskussionen über Themen wie technologische Engpässe, den Fortschritt klinischer Pilotprojekte und den Weg zur Industrialisierung, um zu helfen, intelligente Diagnostik- und Behandlungstechnologien über Szenariogrenzen hinaus zu entwickeln und ihre Anwendungsbreite zu erweitern.
Gespräch mit CAIR-Direktor Liu Hongbin: Die klinische Umsetzung von CARES 4.0 und der Weg zur Kommerzialisierung von medizinischer KI
Neben den oben genannten Veröffentlichungen und Präsentationen führten wir während des Forums auch ein Gespräch mit CAIR-Direktor Prof. Liu Hongbin über die Fähigkeitsverbesserungen von CARES 4.0 gegenüber der Vorgängergeneration, die klinische Darstellung von Warnungen vor Operationsrisiken, die Halluzinationen und Sicherheitsgrenzen von medizinischer KI sowie den Weg zur kommerziellen Umsetzung von medizinischer KI.
Das Folgende ist das Gesprächsprotokoll, das von Lei Feng Wang ohne inhaltliche Änderungen redigiert wurde:
Lei Feng Wang (Öffentlicher Account: Lei Feng Wang): Ist 4.0 im Vergleich zu 3.0 funktionsreicher geworden, oder hat sich die Art der Fähigkeiten grundlegend geändert? Können Sie ein konkretes Beispiel nennen, das diesen Unterschied veranschaulicht?
Liu Hongbin:CARES war von 1.0 bis 3.0 selbst ein Großmodell. Bei 3.0 konnte es nur Frage-Antwort-Aufgaben erledigen – diese Fragen und Antworten konnten multimodal sein, etwa Fragen zu einem Bild oder zu einem Video; das war das Problem, das von 1.0 bis 3.0 gelöst wurde. Aber 3.0 selbst war nur ein Werkzeug; der Arzt musste dieses Werkzeug beherrschen, um konkrete Aufgaben zu erledigen.
Bei 4.0 haben wir es zu einem Agenten weiterentwickelt, der dem Arzt nun wirklich bei der Arbeit helfen kann. Ein Beispiel, das bei dieser Präsentation gezeigt wurde: Ein klinischer Abteilungsleiter möchte die Operationszahlen, den Verbrauch von Verbrauchsmaterialien und die Patientensituation des letzten Monats statistisch erfassen und daraus einen Bericht erstellen, um ihn der Krankenhausleitung vorzulegen oder intern in der Abteilung zu diskutieren. Diese Arbeit musste früher vom Assistenten des Leiters mit CARES 3.0 erledigt werden; heute ist kein Assistent mehr nötig, das gesamte Agentensystem erledigt dies autonom. Während des Prozesses kann es zu einigen Interaktionen mit dem Abteilungsleiter kommen, um seine Vorstellungen zu bestätigen – etwa welche Art von Analysebericht erstellt werden soll – auch solche Interaktionen haben wir integriert.
Lei Feng Wang: Von den fünf diesmal veröffentlichten Fähigkeiten sind das semantische Verständnis von Operationsvideos und die Warnung vor Risiken am stärksten im Fokus. Wie werden diese Warnungen bei echten Operationen dargestellt?
Liu Hongbin: Die Warnungen lassen sich in mehrere Bereiche unterteilen. Ein Bereich ist die Warnung bezüglich des Operationsraums: Wenn die KI erkennt, dass sich der operationsort der very nahe an wichtigen Blutgefäßen, Arterien oder Nerven befindet, muss der Arzt gewarnt werden, mit dem Hinweis, dass dieser Schritt riskant sein könnte und die Position nicht berührt werden darf.
Eine andere Art ist die Warnung über den zeitlichen Verlauf. Eine Operation ist ein standardisierter Ablauf: Erst wenn dieser Schritt abgeschlossen ist, kann der nächste beginnen. Wenn der Arzt beim ersten Schritt unzureichend arbeitet – etwa bei einer neurochirurgischen Operation, bei der zunächst ein Knochenfenster geöffnet werden muss, um einen Zugang zu schaffen, mit dem Endziel, den Tumor im Inneren vollständig und gründlich zu entfernen –, kann es sein, dass bei einem zu klein geöffneten Knochenfenster der Tumor nicht vollständig entfernt werden kann, und wenn man erst tief im Inneren nachöffnet, ist es zu spät. Diese Warnung in der zeitlichen Dimension ist ebenfalls eine Dimension.
Der Hauptnutzen der Anwendung liegt derzeit in räumlichen Warnungen, etwa wenn man dem Arzt sagt: Die Stelle, an der Sie operieren, befindet sich bereits in der Nähe einer sehr wichtigen anatomischen Struktur – Sie müssen dies vermeiden.
Lei Feng Wang: In welchen Krankenhäusern und Abteilungen kommt es derzeit zum Einsatz, und in welchem Umfang?
Liu Hongbin:Zum Beispiel arbeiten wir am Ersten Affiliated Hospital der Sun Yat-sen University mit Direktor Liao Huai zusammen, der diese Funktion bei Bronchoskopien nutzt. Wir geben einen Hinweis aus: Was Sie dort sehen und für einen Bronchus halten, ist darunter tatsächlich ein Blutgefäß. Denn manche unerfahrene Ärzte sehen eine Vorwölbung am Bronchus und meinen, dort eine Biopsie durchführen zu können – doch diese Vorwölbung ist in Wirklichkeit Teil eines Blutgefäßes. Würde man dort eine Biopsie durchführen, könnte eine Arterie eingeklemmt und aufgerissen werden, und das wäre ein großes chirurgisches Risiko.
Lei Feng Wang: Beim medizinischen KI sind Halluzinationen und Fehldiagnoserisiken die sensibelsten Punkte. Gibt CARES dem Arzt „Empfehlungen“ oder „Schlussfolgerungen“? Welche Arbeiten hat das Team bei der Systemgestaltung hinsichtlich möglicher Beurteilungsdifferenzen geleistet?
Liu Hongbin:CARES spielt derzeit in der Zusammenarbeit zwischen Krankenhaus und Arzt eher die Rolle eines Assistenten und gibt Empfehlungen. Aber KI hat sicherlich manchmal Halluzinationen, und das Erste, was wir tun müssen, ist, Halluzinationen möglichst weitgehend zu beseitigen, insbesondere bei entscheidungsrelevanten Empfehlungen. Wenn ein Arzt etwa eine Diagnose stellen will, könnte das KI-Modell eine bestimmte Diagnosemethode empfehlen; geht hier etwas schief, könnte der Arzt in die Irre geführt werden – das ist ein erhebliches Risiko.
Unser heutiger Ansatz ist: Zunächst lassen wir das gesamte Denken der KI strikt der Denklogik klinischer Experten folgen – klinische Experten ziehen bei einer Diagnose Leitlinien heran und die neuesten klinischen Ergebnisse aus internationalen Top-Zeitschriften und fällen erst nach umfassender Abwägung eine Schlussfolgerung oder empfehlen eine Behandlungsstrategie. Wir lassen die KI genau nach diesem Ablauf vorgehen, und wir machen die Informationen, die die KI abrufen kann, zu strukturierten Daten, ähnlich einem Wissensgraphen, sodass die KI entlang dieser Knoten nach Begründungen für ihre Empfehlungen an den Arzt sucht.
Daher ist jede Empfehlung an den Arzt stets mit ihrem Denkweg versehen: Auf Basis einer bestimmten Empfehlung aus einer bestimmten Leitlinie oder eines neuesten Fundes aus einer bestimmten wissenschaftlichen Arbeit wird eine Diagnosemeinung vorgeschlagen, und dann urteilt der Kliniker. Wie auch immer – der Arzt ist der Letztentscheider, und das kann nicht geändert werden. Das Wichtigste ist, dass der Arzt das Urteil der KI umfassend einbeziehen und mit seinem eigenen Nachdenken kombinieren kann, um zu einer endgültigen Schlussfolgerung zu gelangen.
Lei Feng Wang: Auf dem Weg vom Krankenhaus-Pilotprojekt bis zur echten Integration in den klinischen Ablauf – ist die schwerste Hürde die technische, die Zulassungs- oder die Einstellungs-Hürde der Ärzte? Wie weit ist man inzwischen gekommen?
Liu Hongbin:Die Herausforderung der medizinischen KI liegt darin, dass sie in einem sehr komplexen System produktreif werden, angewendet werden und Umsätze erwirtschaften muss – es ist kein Punktproblem. Im gesamten Gesundheitssystem gibt es mehrere Stakeholder: die Patienten selbst, die Ärzte, die Krankenhäuser sowie die Seite der Krankenversicherung, und diese vier Parteien interessieren sich im Grunde für unterschiedliche Dinge. Nur wenn das Produktdesign die Anliegen aller vier Parteien gleichzeitig erfüllt, kann kommerzieller Erfolg erzielt werden.
Zum Beispiel muss man zunächst technologisch führend sein – die großen Krankenhäuser im Land wünschen sich derzeit eine technologische Vorreiterrolle, das ist die Empfehlung der „Nationalmannschaft“; zugleich muss man klinische Probleme wirklich lösen, sodass die Ärzte eine Hilfe darin sehen; für das Krankenhaus muss sich der Einsatz der neuen Technik betrieblich auszahlen und die Effizienz steigern; und für die Krankenversicherung darf die Technik keine zusätzliche Belastung bedeuten – im besten Fall ist der gesamte Behandlungsprozess danach insgesamt kostensparend, statt eine zusätzliche Gebühr zu erzeugen. Bei der Gestaltung jedes Produkts müssen alle diese Aspekte berücksichtigt werden.
Lei Feng Wang: Sie entwickeln nun mit CARES ein medizinisches Vertikalprodukt. Welche Fähigkeiten von Universalmodellen lassen sich aus Ihrer Sicht direkt übernehmen, und welche müssen im medizinischen Umfeld vollständig neu aufgebaut werden?
Liu Hongbin:Was die allgemeinen Fähigkeiten angeht: Je stärker die allgemeinen Fähigkeiten des Modells sind, desto besser wird die Leistung nach dem Post-Training im Vertikalbereich und mit domänenspezifischen Werkzeugen. Die Grundfähigkeiten des Universalmodells sind gleichsam ein Fundament: Je stärker die allgemeinen Fähigkeiten, desto höher die Leistungsobergrenze des Modells im Vertikalbereich – das ist der erste Punkt.
In der praktischen Anwendung ist die Aufgabenstellung allerdings eher lokal, wenn es nur um das Szenario einer bestimmten Abteilung in einem bestimmten Krankenhaus geht. Und starke allgemeine Fähigkeiten bedeuten meist, dass das Modell zu groß ist, was die Bereitstellung erschwert und viel Rechenleistung verbraucht. Die tatsächliche Bereitstellung ist daher ein Ausgleich: Auf der einen Seite die Modellfähigkeit, auf der anderen Seite, ob die Aufgabe wirklich eine so hohe Fähigkeit erfordert – oder ob ein kleineres Modell, kombiniert mit Werkzeugdesign und Nachverarbeitung, ebenso sehr gute Ergebnisse erzielen kann.
Lei Feng Wang: Vom DAMO Academy zur Chinesischen Akademie der Wissenschaften und weiter nach Hongkong hat sich Ihre Forschungsrichtung Schritt für Schritt von allgemeiner Multimodalität zum medizinischen Vertikalbereich bewegt. Wie verlief dieser Weg? Gab es einen bestimmten Auslöser, der Sie dazu brachte, sich ganz der Medizin zu widmen?
Liu Hongbin:Eigentlich arbeiten wir die ganze Zeit an der Richtung KI in der Medizin und sind diesen Weg konsequent gegangen. Für mich gab es zwei Ereignisse, die mein Vertrauen in den Einsatz von KI im medizinischen Bereich exponentiell gestärkt haben.
Das erste war die Veröffentlichung von ChatGPT. Zuvor waren KI-Modelle – etwa CNN-Faltungsnetze – nur ein Teil eines Werkzeugs: Ingenieure mussten damit erst eine Software bauen, die dann von Ärzten benutzt wurde; die Anwendung war stark durch die Fähigkeiten der Ingenieure begrenzt, das heißt, man konnte das Werkzeug nicht direkt an die Ärzte übergeben. Nach dem Aufkommen von ChatGPT konnte die KI mit Menschen dialogieren und wurde interaktiv – das Problem, dass „Ärzte das Werkzeug nicht bedienen konnten“, ließ sich damit lösen. Rückblickend sind es inzwischen etwa vier Jahre, und Ärzte beherrschen KI-Werkzeuge heute ohne lange Lernkurve; das gab uns damals sehr viel Zuversicht.
Das zweite war in den vergangenen zwölf Monaten: Viele unserer KI-Systeme haben begonnen, in Krankenhäusern eingesetzt zu werden. Das Team tauscht sich mit den kooperierenden Ärzteteams aus, um zu verstehen, wie KI in ihrem Arbeitsalltag tatsächlich genutzt wird. Wir haben festgestellt, dass jeder Arzt mehr oder weniger KI-Werkzeuge benutzt – vielleicht nicht bei der Diagnose, aber bei der Bearbeitung von Literatur und im Arbeitsalltag ist man längst ohne KI nicht mehr auskommen. Gleichzeitig haben wir gesehen: Sind die Datenmenge nur groß genug und die Datenqualität hoch genug, kann die Leistung des Modells das Expertendurchschnittsniveau übertreffen – das ist in mehreren realen Einsatzprojekten ein gemeinsames Muster.
Bei einzelnen Aufgaben wird die KI also sicher besser sein als der Mensch – so wie ein Auto beim Rennen gegen einen Menschen garantiert gewinnt. Die Medizin ist evidenzbasiert (evidence-based); sind die Belege nur zahlreich und stark genug, werden die Menschen ihr vertrauen.
Lei Feng Wang: Mit wie vielen Krankenhäusern besteht derzeit eine substantielle Zusammenarbeit? Was ist die gebündeltste Verbesserungsrückmeldung der Ärzte?
Liu Hongbin:Bei den Krankenhäusern sind es inzwischen über 30. Am schnellsten verbreitet sich die KI-Workstation zur Laryngoskopie-Diagnose; allein dieses eine System ist bereits in mehr als 10 Krankenhäusern installiert; das Bronchoskopie-System in mehr als 4; das Ultraschall-System ebenfalls in mehr als 10. Manche Krankenhäuser setzen gleich mehrere unserer Systeme gleichzeitig ein; gerechnet sind es also über 30 Krankenhäuser, die tatsächlich im Einsatz sind.
Die meisten Rückmeldungen gehen dahin, dass die Bedienung müheloser sein soll, sodass man die Arbeit mit wenig Nachdenken erledigen kann – die Entlastung der Arbeitsbelastung gefällt ihnen am besten. Ein weiteres gebündeltes Anliegen lautet: Die Ausgabe und Interaktion des Modells soll anschaulicher sein, Informationen sollen auf einen Blick erkennbar sein, und der Arzt soll möglichst nie missverstehen, was das Ergebnis der KI bedeutet. Ein großer Teil unserer Änderungen betrifft daher tatsächlich die Mensch-Maschine-Interaktion – in welcher Form die KI-Ergebnisse dargestellt werden: als Diagramme, Zahlen oder als Heatmaps.
Lei Feng Wang: Wenn die CARES-Serie in fünf Jahren erfolgreich ist – was unterscheidet den Operationssaal dann vom heutigen?
Liu Hongbin:Der Operationssaal der Zukunft wird zweifellos ein intelligenter Raum der Mensch-Maschine-Kollaboration sein.
Erstens werden viele Instrumente im Operationssaal robotisiert sein, was aber nicht unbedingt in Gestalt humanoider Roboter geschehen muss. Ein Beispiel: Die heutige Operationsleuchte ist ein passives Instrument – der Arzt muss sie mit der Hand ziehen und verstellen; künftig wird die Operationsleuchte selbst ein Roboterarm sein, der sich selbstständig bewegen kann, und der Arzt muss sie während der gesamten Operation nicht mit der Hand einstellen – denn das Greifen mit der Hand birgt an sich bereits ein Infektionsrisiko. Auch das heutige Überreichen der Instrumente durch die Pflegekraft könnte künftig von Roboterarmen übernommen werden.
Zweitens das Personal im Operationssaal. Die Medizin ist ein eher langsam fortschreitender Prozess – man darf aber 20 Jahre in die Zukunft blicken: Heute besteht ein Operationsteam aus sieben oder acht Personen, künftig könnten im Operationssaal nur noch zwei oder drei Personen sein – der Operateur, unterstützt von einer oder zwei Pflegekräften oder Assistenten – während den Rest Robotergeräte übernehmen und mit ihnen interagieren.
Außerdem wird das Krankenhaus der Zukunft wahrscheinlich nicht die heutige Form mit isolierten Abteilungen haben, sondern ein großer intelligenter Agent sein: Es gibt eine zentrale Rechenplattform, und jede Fachabteilung ist wie ein neuronaler Ast davon; alles, was in Operations sälen, Sprechzimmern und Ambulanzen geschieht, wird in Echtzeit in diesem „Gehirn“ zusammengeführt.
LeiFeng-Netz: Wenn Sie mit einem Satz zusammenfassen sollten, womit das Team in diesem Jahr beschäftigt war – was würden Sie sagen?
Liu Hongbin:Wir nennen es Real-World Research, Forschung in der realen Welt. In den vergangenen Jahren haben wir viele KI-Modelle und KI-Tools entwickelt; im vergangenen Jahr konzentrierten wir uns auf die klinische Implementierung in verschiedenen Krankenhäusern und das Einholen von Feedback der Ärztinnen und Ärzte, wobei wir auch selbst bewerteten, ob die Modelle den Ärzten wirklich helfen – denn vor der Implementierung sind es alles nur Annahmen; man weiß nicht, ob die Ärzte es tatsächlich als nützlich empfinden oder nicht.
Was uns sehr ermutigt hat: Bei den allermeisten Modellen haben wir im praktischen Einsatz einen Nutzen gesehen. Bei manchen Funktionen haben wir anfangs selbst nicht daran gedacht, aber die klinischen Experten sind sehr kreativ: Man entwickelt eine Funktion A, und er überträgt sie auf einen Schmerzpunkt, den er bei Funktion B hat, und fragt, ob A das auch kann – und wir haben festgestellt, dass sich das tatsächlich übertragen lässt. Viele Tools sind auf diese Weise gemeinsam mit klinischen Experten zu einer für Ärzte nützlichen Form herangereift.
Originalartikel des LeiFeng-Netzwerks; ein Nachdruck ohne Genehmigung ist untersagt. Einzelheiten sieheHinweise zum Nachdruck。