Forscher der chinesischen Tsinghua-Universität haben eine Simulation mit Künstlicher Intelligenz (KI) entwickelt. Das „Agent Hospital“ bildet medizinische Prozesse eines realen Krankenhauses von der Triage über die Diagnose bis zur Behandlung ab. Felix Nensa von der Universitätsmedizin Essen erklärt, wie die KI-Simulation funktioniert.
Was ist die Idee hinter „Agent Hospital“?
Die Forscher haben eine auf Large Language Models basierende Krankenhaussimulation namens MedAgent-Zero entwickelt, die sich über einen als Self-evolution bezeichneten Prozess ohne menschlichen Eingriff oder manuell annotierte Daten weiterentwickelt und Parallelen zu dem bei AlphaZero zum Einsatz kommenden Reinforcement Learning aufweist. Diese Verfahren basieren auf der Spieltheorie. Es werden feste Regeln in einem Szenario definiert. Die KI lernt anhand dieser von selbst autonom und macht im Training einen Spielzug: im simulierten Krankenhaus einen Patienten zum MRT anmelden. Die KI bekommt dann unmittelbar Feedback aus der Simulationsumgebung über die Auswirkung der Aktion. Wie im Spiel geht es ums Gewinnen. In diesem Fall, den Patienten schnell und gesund zu entlassen – das alles mit möglichst geringem Ressourcenaufwand. Wenn die Simulationsumgebung vollständig kontrollierbar ist und die Realität gut abbildet, dann ist das ein unglaublich mächtiges Werkzeug.
Ist das „mächtige Werkzeug“ nun der Gamechanger in der Medizin?
Das Problem ist, dass sich ein Krankenhaus nicht durch einen überschaubaren Satz von Regeln beschreiben lässt wie es bei den meisten Spielen der Fall ist. Vielmehr ist es ein unglaublich komplexes System, das sich ständig verändert und weiterentwickelt. In Forschungsprojekten wollen wir an der Universitätsmedizin Essen mit Klinikdaten und auf Basis einer Dateninfrastruktur ein Process Mining entwickeln, um die – oft implizierten – Prozesse im Krankenhaus zunächst zu erfassen und später zu optimieren.
Wie weit sind Sie beim Process Mining?
Wir haben eine ganze Menge Daten, die allerdings in Datensilos vieler Systeme vor- liegen und nicht gut strukturiert sind. Um die zentrale Dateninfrastruktur aufzubauen und die Daten strukturiert zu erfassen, nutzen wir bereits Large Language Models. Da sind wir aber noch ganz am Anfang. Zunächst einmal gilt es, die Prozesse zu extrahieren und zu formalisieren, um dann eine Simulationsumgebung zu bauen, mit der eine KI trainieren könnte. Die KI kann dann als autonomer Agent Vorhersagen treffen und beispielsweise Operateure in den Abläufen unterstützen oder in der Rolle eines Krankenhausmanagers an Stellschrauben drehen. Wenn die Simulation realistisch ist, können Folgen in der Simulationsumgebung aufgedeckt werden, bevor sie umgesetzt werden.
