KI-Werkzeuge verbessern Diagnostik und Patientenvorhersagen in ressourcenarmen Gesundheitssystemen
Forscher der Duke-NUS Medical School haben KI-Modelle angepasst, um Diagnostik und Vorhersagen von Behandlungsergebnissen in ressourcenarmen Umgebungen zu verbessern. Ziel ist die Erhöhung des Versorgungszugangs und der Entscheidungsgrundlagen.
Singapur, 27. Januar 2026 – Eine Studie der Duke-NUS Medical School und ihrer Partner zeigt, wie künstliche Intelligenz (KI) die Gesundheitsversorgung in schwierigen Umgebungen verbessern kann. Das Team hat erfolgreich ein fortschrittliches KI-Modell angepasst, um die neurologische Erholung nach Herzstillstand bei Patienten in ressourcenarmen Gesundheitseinrichtungen vorherzusagen.
Die in npj Digital Medicine veröffentlichte Studie nutzt „Transfer Learning“, eine fortschrittliche KI-Technik, die auf großen Datensätzen trainierte Modelle für neue Umgebungen mit begrenzten lokalen Daten adaptiert. Diese Methode ist besonders relevant für Länder mit niedrigem und mittlerem Einkommen, in denen die Datenerfassung eingeschränkt ist. Ein ursprünglich in Japan entwickeltes KI-Modell, das auf Daten von 46.918 Patienten basierte, wurde für eine Kohorte von 243 Patienten in Vietnam angepasst.
Das angepasste Modell verbesserte die Genauigkeit erheblich und unterschied zwischen Hochrisiko- und Niedrigrisikopatienten mit etwa 80 Prozent Genauigkeit, verglichen mit der ursprünglichen Genauigkeit von etwa 46 Prozent im vietnamesischen Kontext. Associate Professor Liu Nan von Duke-NUS betonte, dass Transfer Learning Kosten senken, die Entwicklungszeit verkürzen und die Vorteile von KI auf Gesundheitssysteme mit weniger Ressourcen ausweiten kann.
Das Potenzial der KI reicht auch auf andere Anwendungen. In einer separaten Studie, die in Nature Health veröffentlicht wurde, untersuchten Forscher der Duke-NUS und des University College London (UCL), wie große Sprachmodelle (LLMs) die globale Gesundheit voranbringen können. LLMs haben das Potenzial, den Zugang zur Versorgung, Diagnostik und klinische Entscheidungsfindung in Regionen mit Fachärztemangel zu verbessern. Beispiele hierfür sind ein Chatbot für Schwangerschaftsinformationen und mobile Anwendungen zur Malariadiagnose.
Die Forscher stellten jedoch fest, dass die KI-Entwicklung weiterhin auf Länder mit hohem Einkommen konzentriert ist. Viele Länder mit niedrigem und mittlerem Einkommen sehen sich weiterhin mit Hindernissen wie unzureichender Infrastruktur und Fachwissen konfrontiert. Darüber hinaus sind klarere regulatorische Rahmenbedingungen erforderlich, um eine sichere und ethische Implementierung von KI zu gewährleisten. Eine von Duke-NUS geleitete Forschungsgruppe schlägt die Einrichtung eines internationalen Konsortiums vor, um die KI-Regulierung im Gesundheitswesen zu leiten.