Jena. Beim „1. Jenaer Hackathon“ ging es um Möglichkeiten und Grenzen künstlicher Intelligenz im Gesundheitswesen

Eine zweite Meinung eines Arztes einzuholen vor einer Operation oder einer größeren Therapie, ist für viele Patienten heute normal. Sie wollen im Interesse ihrer Gesundheit sicher gehen und Risiken minimieren. Doch was, wenn die Zweitmeinung nicht von einem Arzt aus Fleisch und Blut und mit Berufserfahrung, sondern von einem „Doktor Roboter“ oder einem Computer erteilt wird, dessen Empfehlungen auf mathematischen Algorithmen beruhen?

Mit dieser und anderen Fragen aus dem großen Bereich der Möglichkeiten und Grenzen „Künstlicher Intelligenz“ im Gesundheitswesen haben sich am Wochenende die Teilnehmer des „JeCaThon“, des „1. eHealth Hackathon Jena“ beschäftigt.

Was sich hinter dem sperrigen Titel verbirgt, kann Organisatorin Irene Schlotter vom Jenaer E-Gesundheitszentrum für Krebstherapien erklären: „Uns geht es darum, mit Hilfe moderner digitaler Technologien die Versorgung und Betreuung von Tumorpatienten zu verbessern“. Künstliche Intelligenz solle beispielsweise eingesetzt werden, um die Früherkennung von Krebserkrankungen zu verbessern, um die Krebstherapie individueller zu gestalten oder die Nachsorge zu optimieren.

Ideen dafür gibt es viele, beim Jenaer Hackathon haben sich von Donnerstag bis Sonnabend Informatiker, Programmierer, Mediziner und Gesundheitsexperten in mehreren Teams zusammengefunden, um jeweils eine Aufgabenstellung zu lösen. So wurde von einem Team eine App entwickelt, mit der eine Beurteilung von Hautunregelmäßigkeiten per Handyfotos möglich ist. Ärzte sollen damit bei der Erstdiagnose eines möglichen Hautkrebses unterstützt werden. Ein anderes Team suchte nach Möglichkeiten, bei der Erkennung von Blasenkrebs die herkömmliche Weißlicht-Endoskopie durch Infrarot- oder Ramanspektroskopie zu ergänzen und damit sicherer zu machen.

Den Sieg des Wettbewerbes holte sich die Jenaer Gruppe „Unscharf“, die ein Computerprogramm so trainierte, dass es unscharfe und damit unbrauchbare mikroskopische Aufnahmen von Gewebeproben von scharfen zu unterscheiden lernt. Der Algorithmus erleichtert den Pathologen so die Diagnose und Beurteilung von Tumoren und hilft, bis zu einem Drittel Zeit dabei zu sparen. Das war der Jury den mit 3000 Euro dotierten ersten Preis wert.