00:00:04: Ja, einen schönen guten Tag.

00:00:05: Ganz herzlich willkommen zu einer neuen Folge unseres FAZ Podcast zur künstlichen Intelligenz!

00:00:10: Wie Sie wissen oder wie Ihr wisst sprechen wir in diesem Podcast mit unseren Gästen ausführlich über Einsatzgebiete der künstliche Intelligenze was heute alles funktioniert das fasziniert was morgen auch möglich sein könnte aber auch darüber was man mit der KI vielleicht

00:00:26: nicht tun sollte oder kann.

00:00:29: Wir das sind

00:00:30: Peter Buchsmann

00:00:32: Und Holger Schmidt, wir beschäftigen uns an der TU Darmstadt am Fachgebiet-Beschaftsinformatik

00:00:36: und im Digital Resource

00:00:37: Briefing der FAZ mit dem Einsatz der KI und den Auswahlkogen auf Wirtschaft und Arbeit.

00:00:44: Für unsere heutige Völker berufen wir ganz herzlich

00:00:46: Philipp Behrens

00:00:47: als Professor von Data Science in der Universität Tübingen und Direktor des

00:00:51: CERTI Institute

00:00:52: for

00:00:52: AI in Brandhouse

00:00:54: – ein Sprecher des Exzellenzglasses

00:00:56: Machine Learning

00:00:57: New Perspective

00:00:58: for Science

00:00:59: und Teil des Tübinger KI-Zentrums.

00:01:02: Hintergrund reicht von Bioinformatik

00:01:04: über Philosophie

00:01:05: bis hin zur Computational

00:01:07: Neuroscience

00:01:07: und in seiner Forschung verbindet er Maschinelles Lernen mit neuere Wissenschaften und visueller Wahrnehmungen.

00:01:12: Er gibt

00:01:13: uns heute einen Einblick an den Einsatz der KI in der medizinischen

00:01:16: Forschung.

00:01:17: Ein super spannendes Thema, wir freuen uns jetzt, dass du heute

00:01:19: da bist.

00:01:19: Herzlich willkommen Philipp!

00:01:21: Ja hallo Peter und Roger und vielen Dank für die Einladung.

00:01:25: Ja, Holger hat schon gesagt du arbeitest unter anderem an der Schnittstelle zwischen KI und Medizin.

00:01:31: Kannst du uns da vielleicht mal so zum Start einen kurzen Überblick geben?

00:01:35: Was hat dich da besonders fasziniert?

00:01:37: was fandest du besonders cool?

00:01:41: Naja KI in der Medizin ist ja jetzt auch kein ganz neues Thema.

00:01:44: das hatte sicherlich jetzt auch schon wieder zehn Jahre die als die ersten Anwendung die ersten Paper raus kamen.

00:01:51: wenn man sich heute anguckt wo es überall auch schon tatsächlich zugelassene Produkte gibt, dass das schon eine ganz schöne Bandbreite.

00:01:59: Ich glaube was mich besonders interessiert ist der Einsatz von KI in der Augenheilkunde als medizinischer Fachdisziplin.

00:02:07: und ein Thema, was ich gerade sehr spannend finde es ob wir Krankheiten und Krankheitsverläufe modellieren können also ob wir nicht nur zum Beispiel mit zu einem Zeitpunkt voll liegenden Daten eine Diagnose stellen können mit unseren KI-Algorithmen, sondern ob wir tatsächlich vorhersagen können.

00:02:25: Unter den Rahmenbedingungen wird sich die Krankheit in der Zukunft so oder so entwickeln.

00:02:29: Ich glaube das ist eine Anwendung, die ein sehr großes Potenzial hat nicht nur darin zum Beispiel Patientinnen und Patienten zeigen zu können wie Entscheidungen im Umgang mit der Krankheit auch dem Krankheitsverlauf beeinflussen können also man sich zB vorstellt aufhören zu rauchen oder eine Änderung in der Art und Weise wie man sich ernährt sondern auch darin, wie wir vielleicht in der Zukunft klinische Studien durchführen.

00:02:54: Wenn man an so eine Prognose denkt, wie es mit den Patientinnen und Patienten weitergeht ist ja ein ganz heikles Thema natürlich auch aus einer ethischen Perspektive.

00:03:06: mal ganz da lobgefragt Wie gut ist denn die KI in diesem Bereich schon?

00:03:13: Du meinst Stellung von solchen Prognosen?

00:03:17: Genau, also wie wahrscheinlich ist es das die Prognose eintrifft oder eben auch nicht.

00:03:23: Das ist natürlich relativ schwer so ganz allgemein zu beantworten.

00:03:27: Also wir arbeiten im Moment vor allem an einer Krankheit, die heißt altersbedingte Marke- oder Degeneration.

00:03:34: Ist eine Krankheit die bei älteren Menschen tatsächlich sehr häufig vorkommt, also ab siebzig sage ich mal und eine der führende Gründe für Erblinderungen im Alter.

00:03:46: Und die Modelle, die wir da jetzt im Moment in der Entwicklung haben, die sind schon recht gut.

00:03:52: Also bei der Verlaufsvorhersage zum Beispiel... Da gibt es eine Frühform und eine Spätform.

00:03:56: Die Frühform ist jetzt noch nicht so einschränkend, die Spät formen dann schon und muss auch behandelt werden.

00:04:05: Da können wir schon mit relativ hoher Wahrscheinlichkeit sagen, wieviel Jahren in etwa dieser Übergang eintreten kann.

00:04:14: Uns interessiert es aber gar nicht so sehr, oder diese Vorhersagen den Patienten tatsächlich zu zeigen.

00:04:22: Es ist sicherlich ein wichtiger Aspekt der Arbeit.

00:04:25: Das hat aber auch den Aspekt wir arbeiten an Methoden wie man diese Vorhersagen-Methoden interpretierbar machen kann, die uns erlauben auch Marker in den Bildern zu finden, die prädektiv sind für die Veränderung.

00:04:38: und das ist was ich eigentlich fast noch viel wichtiger finde, dass das uns eben auch Erkenntnisgewinn erlaubt Und wie man dann solche Dinge am Ende wirklich einmal in der Anwendung an Patientinnen oder auch an Ärztinnen kommuniziert, da muss man sicherlich sehr genau überlegen, wie das so geht.

00:04:56: Dass es zum einen verständlich ist, dass aber auch nicht Angst macht sondern eher ermutig zum Beispiel Verhalten zu ändern oder auch eine bessere Atterenz einer Therapie an den Tag zu legen.

00:05:10: Was sind denn die wesentlichen Erfolgsfaktoren für die medizinische Diagnostik?

00:05:14: Sind es eher die Daten, sind das eher die Algorithmen?

00:05:17: und wo siehst du im Moment den größeren Fortschritt.

00:05:22: Du meinst für den Einsatz von KI hier für die Medizinische Direktion?

00:05:25: Ja genau.

00:05:31: In vielen Fällen ist schon Datenqualität oder Datenverfügbarkeit aus meiner Sicht ein zentraler Faktor um Probleme da lösen zu können.

00:05:42: Es geht da gar nicht so sehr um möglichst saubere Daten, weil wir ja am Ende die Algorithmen auch unter real-world Bedingungen einsetzen wollen.

00:05:53: Die Daten dürfen ruhig so sein wie sie halt im Krankenhaus oder in der Arztpraxis anfallen aber überhaupt die Verfügbarkeit in ausreichend großer Stückzahl ist nach wie vor einfach für viele Krankheiten, für viele

00:06:09: Und wie aufwendig ist das denn?

00:06:11: Also Holger hat ja nach Daten und Algorithmen gefragt, du sagst es Daten sind besonders wichtig.

00:06:16: Das ist glaube ich in jedem Bereich des maschinellen Lernens tatsächlich so Wenn man an dieses Supervised Learning, also das überwachte Lernen praktisch denkt.

00:06:26: Da geht es ja darum dass man diese Datensätze labelt.

00:06:29: Da habe ich jetzt aus dem medizinischen Bereich bin da ja Laie gehört, dass dieses Labeln immer ein relativ großes Thema ist weil du eben die Fachexpertise von Ärztinnen und Ärzten brauchst.

00:06:40: wie geht ihr damit um?

00:06:42: Ja genau klassisch ist das ein Riesenthema natürlich.

00:06:47: Das oft sehr aufwendig sehr zeit verbrauchend überhaupt dann auch die Kollegin dazu zu überzeugen, das machen zu wollen und dann das auch entsprechend Qualitätszusichern.

00:06:58: Und das ist tatsächlich schwierig.

00:07:02: Ich glaube es gibt so zwei Dinge, die man machen kann.

00:07:07: also ein großer Trend der letzten Jahre ist das sogenannte Selbstüberwachtelärm wo Algorithmen so trainiert werden dass man zum nicht sagt, okay ich trainiere die damit sie ein bestimmtes Label eine bestimmte Krankheit ausspucken sondern in dem ersten Schritt mache ich erstmal einen Training.

00:07:28: was sagt zwei Bilder zum Beispiel vom selben Patienten das linke und das rechte Auge.

00:07:35: oder manchmal macht man in der Bildgebung jetzt in der Augenheikunde z.B auch zwei Bilder vom selbe Auge mit leicht anderer Ausrichtungen.

00:07:44: diese zwei Bilder weil ich weiß, die sind sich ähnlich.

00:07:47: Weil sie demselben Patienten entsprechen der selben Patientin.

00:07:51: Die möchte ich, dass diese von diesen Netzwerken auch als ähnlich empfunden werden und umgekehrt.

00:07:58: zwei Bilder, die von unterschiedlichen Personen kommen, die sollen als sehr unterschiedlich beurteilt werden vom Netzwerk.

00:08:09: Das ist was, das oft sehr gut funktioniert.

00:08:11: und erst mal auf einem wirklich großen Datensatz, der dann eben auch gerne unstrukturiert ungelabeld sein kann überhaupt erst mal das Netz vorzutrainieren, also die Parameter des Algorithmus schon in einen Bereich zu bekommen der überhaupt für die Frage mal grundsätzlich nützlich ist.

00:08:30: Und dann in einem Projekt was wir gerade durchführen fragen wir uns, was da die beste Strategie und dann hinterher mit einem verhältnismäßig kleinen Datensatz die tatsächliche klinische Fragestellung lösen zu können?

00:08:41: Es sind aktuelle Forschungsfragen aber wo man glaube ich durchaus Fortschritte erzielen kann Das wird es eine.

00:08:47: Die andere Sache ist, was man natürlich auch machen kann und wo wir gerade am Testen von unterschiedlichen Strategien sind.

00:08:57: Ist das es in der Klinik natürlich auch gewisse objektive Befunde gibt?

00:09:04: Also zum Beispiel in der Augenheilkunde die Sehstärke.

00:09:06: also bei so einer altersbedingten Makulatengrenation im fortgeschrittenen Stadium ist das wesentliche Ziel die Sehstärke zu erhalten.

00:09:14: Die wird natürlich auch in den Patienten Akten in der Patientendatenbank gespeichert, nicht immer so strukturiert wie wir als Informatiker uns das wünschen.

00:09:24: Aber das ist vorhanden und das ist natürlich ein Label was mit einer gewissen Unsicherheit kommt.

00:09:31: also jeder der schon mal einen Seetest gemacht hat weiß dass es ein Prozess ist wo auch das eine oder das andere rauskommen kann gerade wenn man das im klinischen Alltag denkt und jetzt nicht mit ne halbe Stunde beim Optiker.

00:09:48: Aber das ist trotzdem ein Signal, was wir wahrscheinlich zum Lernen gut benutzen können und was weniger aufwendig zu extrahieren ist als wenn wieder jemand hinsetzen muss der alles von Hand anumtiert.

00:10:02: Wird denn KI sozusagen im Sinne einer Zweitmeinung... Ich glaube es ist ja ein Hauptanwendungsfall.

00:10:09: wie kann ich mehr sozusagen nochmal eine Zweit Meinung holen?

00:10:12: Ist das was ich als Arzt oder Ärztin gesehen habe den Korrekt, was sagt die KI dazu?

00:10:16: Welche Bedeutung hat denn diese Zweitmeinungen heute und wie denkst du, wie schnell wird sie sich entwickeln.

00:10:22: Wird Sie wahrscheinlich niemals in die Position der Erstmeinung kommen

00:10:26: oder vielleicht

00:10:27: ja doch?

00:10:28: Oder gewinnt diese Zweite Meinung mit dem Fortschritt in der KI-Karte enormer Bedeitung auch, sag ich mal, in der täglichen Anwendung bei den in der Ärzteschaft?

00:10:38: Ich glaube das hängt sehr von der Fragestellung ab.

00:10:42: also unser Ziel grundsätzlich ist auch eher dieser zweitmeinungs Ansatz.

00:10:47: Und es gibt da eigentlich ein ganz schönes Beispiel aus der Brustkrebsvorsorge, der Mammografie wo einen Team von einer Firma aus Berlin das tatsächlich geschafft hat einen Algorithmus zu entwickeln der dann im Rahmen des deutschen Brustgrebscreening-Programms auch getestet wurde und die Also genauso eben als zweiter Reader, als zweitere Begutachter für jedes Bild und da wirklich signifikanter zu beigetragen hat die falsche Positivrate zu senken.

00:11:23: Und das sind natürlich sehr, sehr wichtige Aspekte.

00:11:29: Ich glaube ansonsten kann man sich für Kain der Medizin auch durchaus andere Ansätze vorstellen zum Beispiel bei diabetescher Retinopathie, Folgeerkrankung der Diabetes im Auge.

00:11:42: Da fehlt einfach die Screening Kapazität.

00:11:45: Also da wäre es eigentlich wichtig, dass jeder Diabetiker, jede Diabetikerin regelmäßig sich die Augen kontrollieren lässt.

00:11:52: So viel Augenerzte gibt's aber in Deutschland gar nicht und das man das irgendwie machen könnte.

00:11:57: Und hier gibt es in anderen Ländern auch schon wirklich Screening-Programme wo die KI auch den ersten Vorfilter macht.

00:12:05: also nur die Verdachtsfälle dann tatsächlich nochmal angeguckt werden sind sicherlich unterschiedliche Anwendungsmöglichkeiten denkbar?

00:12:17: Meine etwas theoretische Frage, Philipp hinter diesen ganzen KI-Anwendungen stehen ja künstliche neuronale Netze mit Machine Learning.

00:12:25: Dahinter selbst zu Beweis Learning hast du eben auch genannt.

00:12:29: Jetzt hört man ja oft sowas in so einem Satz wie letztendlich armen diese künstlichen neuronalen Netzen des menschliche Gehirn nach.

00:12:39: Jetzt gibt es aber auch sicherlich eine Menge von Unterschieden.

00:12:43: Erzähl uns doch mal gerne ein bisschen was darüber?

00:12:48: Ja, ich glaube da gibt's Kolleginnen und Kollegen die da unterschiedlich drauf gucken.

00:12:58: Was sicherlich sehr klar ist, dass die historische Inspiration dafür wie man zu diesen Algorithmen kam sicherlich stark inspiriert war von der Art und Weise, wie das Gehirn funktioniert.

00:13:09: Also wenn man sich so diese Zeichnung bei Mechalog & Piz in den Fünfzigern anschaut, dann zeichnet die immer Nervenzellen mit ihren dritten Bäumen und den Gewichten da drauf und ist irgendwie alles immer ganz schön und einfach.

00:13:23: Und das dient als Inspirationen, die man eben zu den neuronellen Netzwerken kommt.

00:13:30: Wenn man sich das heute anguckt, glaube ich dass man aus dem Aus dem Vergleich von beiden Strukturen nach wie vor was lernen kann, ich glaube das ist durchaus interessant.

00:13:38: Also es gibt immer noch, würde ich sagen Features im Gehirn oder Eigenschaften des Gehirns die wirklich sehr anders funktionieren.

00:13:44: also die einzelnen Zählen im Gehör sind mit Sicherheit viel komplizierter und komplexer als Die Einzelne Verarbeitungseinheiten in so einem künstlichen neuronalen Netzwerk.

00:13:54: Es gibt aber auch interessante parallele Ähnlichkeiten also wie zum Beispiel Das ist irgendwie eine Art hierarchische Prozessierung gibt, wo die Eigenschaften der Bilder oder auch der Töne oder der Sprache, die analysiert werden immer komplizierter werden.

00:14:12: Und ich glaube sich diese also weniger im Sinne einer eins zu eins Kopie aber sich dieser strukturellen Ähnlichkeiten und Unterschiede anzuschauen und zu gucken was kann man sowohl und das interessiert mich als neue Wissenschaftler ja auch?

00:14:26: Was kann ich übers Gehirn lernen oder über die Netzhaut lernen wenn ich mir die Art und Weise angucke wie künstliche neuronale Netze, Information verarbeiten und auch in die andere Richtung.

00:14:36: Ich glaube darüber kann man schon was lernen daraus.

00:14:40: Nennen uns doch mal bitte ein Beispiel von dem du sagen würdest da ist so ein künstliches neuronales Netz an tiefes meines Wegen deutlich besser als das menschliche Gehirn.

00:14:50: oder kommt es menschlich gehirn auch nicht nach?

00:14:52: Vielleicht mal von anderen.

00:14:53: nicht das Thema Schach sondern irgendein anderes und aber auch umgekehrt.

00:14:59: Hast du da zwei prägnante Beispiele für uns?

00:15:02: also Ich glaube, keiner von uns kennt das gesamte Internet auswendig.

00:15:11: Wenn man sich anguckt wie ChatGPT, Gemini und diese ganzen großen Sprachmodelle funktionieren ist es schon im Wesentlichen ein Auswendiglärm.

00:15:23: Da geht's ja immer darum dass man die Next-Holken-Prediction macht also die Vorhersage des was als nächstes kommt.

00:15:33: aktive Speicherkapazität für so viel Information, die glaube ich haben wir nicht.

00:15:42: Auf der anderen Seite ist unser Gehirn auch nach wie vor ohne da jetzt wahnsinnig viel drüber nachgedacht zu haben, obwohl das bei uns ja schon ein paar Jahre dauert bis wir dann irgendwie alles können was wir brauchen um unseren Alltag zu bewältigen.

00:15:57: Ich glaube, effizienter drin sich auf neue Situationen einzustellen.

00:16:00: Auf neue Kontexte zu adaptieren und Informationen überhaupt aufzusaugen.

00:16:05: Also ich glaube schon das ist was das menschliche oder auch das überhauptes... Auch viele Tiere sind da ja sehr effiziente.

00:16:18: Und Energieverbrauch ist wahrscheinlich auch ein Riesenthema?

00:16:21: Ja also der Energieverbrach von kann man irgendwie ausrechnen habe ich die Zahlen jetzt nicht auswendig parat, aber der Energieverbrauch von Nervensystemen allgemein, die eine ähnliche Leistung erbringen.

00:16:38: Der gilt im Allgemeinen als deutlich effizienter.

00:16:42: Wir haben ja bisher überwiegend über den KI-Einsatz in der Diagnostik gesprochen.

00:16:46: Welche Rolle spielt KI dann in der medizinischen Forschung?

00:16:51: Wo denkst du, wird da die Reise hingehen?

00:16:53: Wir sehen ja in vielen Gebieten dass die KI recht schnell im Moment entwickelt und große Fortschritte bringt.

00:17:00: Ist das diesem Bereich auch so?

00:17:02: Ja auf jeden Fall.

00:17:03: also als wir mit dem Exzellenzklaster angefangen haben, da haben wir den ersten Antrag geschrieben, so aus der Konzeptionsphase.

00:17:14: Da war Maschinelles Lärm oder KI in der Wissenschaft wirklich noch ein absolutes Nischen-Thema.

00:17:19: Also da gab es weltweit ganz wenige Zentren, die irgendwas in diese Richtung gemacht haben.

00:17:24: und wenn man heute irgendwie KI für die Wissenschaft googelt, dann gibt's dazu irgendwie Expertisen der EU, gibt's Advisory Papers des weißen Hauses

00:17:35: usw.,

00:17:36: also das ist auf jeden Fall sehr in der Breite angekommen.

00:17:41: Wenn wir jetzt die medizinische Forschung angucken gibt es einmal, würde ich so sagen den reinen Tool Gedanken.

00:17:50: Also das ist die KI ist ein Werkzeug um irgendwie Daten besser zu verstehen, besser visualisieren zu können, besser überhaupt der Analyse zugänglich machen zu können.

00:18:01: Klassisches Beispiel für sowas wäre zum Beispiel aus Mikroskopiedaten Zellen zu segmentieren also dass man die extra hier die Form beschreiben kann und so solche Dinge.

00:18:12: Das wäre, glaube ich so ein krasses Beispiel für einen KI-Werkzeug was einfach das Leben des Forscher ist der Forscherin einfacher macht und das hat sicherlich die letzten Jahre dominiert solcher Anwendungen und wo wir jetzt aber immer mehr hin kommen uns zum einen KI Verfahren die uns auch erlauben zu verstehen also Dinge auf einem mechanistischen Level zu verstehen.

00:18:37: Also wir können heute zum Beispiel Das ist eine Veröffentlichung auch von uns vom letzten Jahr.

00:18:44: Da haben wir mit Kollegen aus der Informatik, waren wir daran beteiligt einen Simulator für Nervenzellen zu bauen, der es erlaubt mit solchen wirklich komplexen biochemischen Modellen sehr detailgetreu, aber trotzdem die ganzen KI-Tools zu benutzen, die wir haben.

00:19:11: Und so ein mechanistisches Verständnis von Zellen und wie sie funktionieren zu bekommen, dass es was tatsächlich jetzt gerade so am kommen ist.

00:19:20: Ein anderer Aspekt sind natürlich das, was durch die großen Sprachmodelle möglich wird.

00:19:24: also wir können mit Sicherheit Literatur anders verstehen.

00:19:27: Wir sehen jetzt bei dem Kollegen in der Physik zum Beispiel wie die solche Sprachmodelle einsetzen, um auch Forschungsthemen zu entwickeln.

00:19:36: Also Inspirationen zu bekommen – was ist denn das nächste Forschungstemo?

00:19:40: Was man angehen sollte?

00:19:41: Wie müssen wir die Experimente vielleicht designen?

00:19:44: Das läuft unter dem Stichwort Agentic Science und ich glaube es wird auf jeden Fall sehr spannend.

00:19:51: Jetzt hast du das Stichwortsprachmodell uns schon gegeben und du hattest auch selbst genannt Chatch-EBT Gemini.

00:19:57: Das sind so die Führenden, also alles US-Amerikaner noch ein paar Chinesen dabei.

00:20:03: Wo steht denn die deutsche Wissenschaft oder die europäische Wissenschaft?

00:20:08: Wenn du das mal vergleichst in solchen Bereichen wie Machine Learning und Supervised Learning, sind wir da auch soweit hinten dran oder sind wir eher konkurrenzfähig?

00:20:21: Auch dass ist sicherlich was immer ein Stück weit... Die Antwort auf diese Frage hängt sicherlich auch immer ein Stück weit davon ab, wie man fragt.

00:20:29: Ich glaube jetzt so in diesem Bereich mit die KI für medizinische Datenanalyse, KI für die Wissenschaft, glaube ich das wir ehrlich gesagt nicht so schlecht aufgestellt sind?

00:20:41: Wir haben ja schon auch gewisse strukturelle Vorteile.

00:20:45: also wenn wir uns jetzt gerade mit Amerika vergleichen, haben wir einfach doch eine verhältnismäßig gut gesicherte Forschungsförderlandschaft ... auch demokratisch abgesichert ist.

00:21:00: In unserem Bereich, wenn man sich so die Konferenzen anguckt... ... ist die große Konkurrenz tatsächlich in Asien und China... ... da passiert schon sehr viel in dem Bereich.

00:21:10: Also mehr als den USA?

00:21:15: Zumindest, wenn wir das jetzt nach Konferenzteilnahmen angeht,... ... also bei uns die größte Konferens, die heißt Mekai Medical Image Computing & Computer Assisted,... Interventions.

00:21:28: Da würde ich schon sagen, also zwischen sicherlich die Hälfte der Teilnehmer aus China und umliegenden Ländern.

00:21:37: Was jetzt Sprachmodelle selber angeht gibt es ja durchaus auch Bemühungen in Europa hier technisch aufzuholen und insgesamt im Bereich generative KI, auch wenn man sich die Firmlandschaft anguckt, inzwischen schon einige Firmen, die da ganz oben mitspielen können.

00:21:55: Ich weiß nicht, ob wir die jetzt nennen wollen.

00:21:59: Ja

00:22:00: gerne!

00:22:01: Also sowas wie DeepL oder Black Forest Labs in Freiburg gibt es ja durchaus erfolgreiche Institutionen.

00:22:11: Das stimmt Jarek hatten wir übrigens gerade im letzten Podcast.

00:22:19: Ich komme noch mal zurück zu den Sprachmodellen.

00:22:23: Ist es nicht so eine gewisse Geschichte, die man schon öfter hatte?

00:22:26: So nach dem Motto in der Wissenschaft sind wir ganz gut!

00:22:29: Jetzt hattest du DBL als positives Beispiel völlig zurecht genannt.

00:22:35: Was hindert uns eigentlich... dass das uns in Europa oder in Deutschland gelingt auch mal so ein Knaller, so einen Sprach-Modell aller Gemini oder Chatchivity zu entwickeln, was die Welt hier tatsächlich aus den Angeln hebt.

00:22:50: Den Chinesen ist es ja auch gelungen mit die Psyk beispielsweise ein sehr, sehr konkurrenzfähiges Large Language Model zu entwickeln.

00:22:57: Was fehlt uns da?

00:23:00: Ist das Know-how?

00:23:02: Nee, das glaube ich nicht!

00:23:03: Also wenn man sich beim Know-How umguckt also an vielen der auch erfolgreichen Firmen in den USA sind ja auch Leute beteiligt, die eben in Deutschland und Europa ausgebildet sind, also dass es uns an Fähigkeiten fehlt.

00:23:19: Das glaube ich nicht.

00:23:20: mit Sicherheit ist unsere... aber da bin ich wirklich ein bisschen außerhalb meiner Kampferzone.

00:23:27: Mit Sicherheit ist die Art und Weise wie unser Industrie- und Wirtschaft funktioniert anders als in den USA.

00:23:33: Die ist mit Sicherheit deutlich risikoerverser.

00:23:36: Die Investitionsstruktur wenn man eine neue Firma gründen will ganz andere als in den USA.

00:23:47: Und die sind natürlich aber auch ganz andere, als in China mit eher staatlich gelenkten Wirtschaft und ich glaube am Ende muss man gucken was sich auch mittelfristig da durchsetzt.

00:24:05: Aber wie gesagt, ich bin weder Wissenschaftler noch Entrepreneur, ist das wirklich meine Privatmeinung.

00:24:14: Obmei hat ja gerade mit JCPT Herz, so ein Art Vertical gestartet.

00:24:19: Wo es darum geht sozusagen medizinische, die KI-medizinische Fragen beantworten zu lassen und zwar möglichst gut.

00:24:27: Die Frage ist was hältst du davon?

00:24:30: Kann die KI an der Stelle ... Ja, das gibt den alten Spruch von Dr.

00:24:35: Google.

00:24:36: jetzt ist es Dr.

00:24:41: Mit Sorge siehst, weil möglicherweise falsche Informationen dort verbreitet werden.

00:24:46: Oder ist es etwas von denen du sagst die Antworten sind eigentlich so gut dass es den Kenntnisstand für alle meisten deutlich erhöhen kann?

00:24:55: Wie betrachtest du das?

00:24:57: Also ich habe dieses spezielle Tool jetzt noch nicht gesehen und auch nicht selber ausprobiert.

00:25:01: Das heißt darüber kann ich konkret nicht viel sagen.

00:25:06: Ich glaube was wichtig ist, das ist natürlich eine... medizinischen Systeme eine transparente und stringente Qualitätskontrolle gibt.

00:25:20: Ich glaube, bevor man

00:25:21: z.B.,

00:25:21: es gibt auch diese Experimente wo das eingesetzt wird in der Psychotherapie und sich bisweilen recht dramatische Fehlsteuerung zeigt Ich glaube, da muss man schon sehr gut aufpassen.

00:25:36: Weil auch das natürlich das Potenzial hat wie alle diese Dinge, dass jemand zu Hause sitzt sagt ich habe irgendwie Bauchschmerzen und aufgrund von irgendwelchen Korrelationen die sich dann in der Kombination aus Trainingsdaten und dem was der Nutzer, die Nutzerin sagt hatte dann hinterher Angst, dass er jetzt irgendwie ein Tumor im Bauch hat oder so.

00:25:57: Dann muss man gut gucken, wie man damit umgeht.

00:26:01: gleichzeitig haben wir natürlich Kapazitätsengpässe im Medizinsektor, also der jeder, der versucht hat einen Facharzttermin zu bekommen.

00:26:10: Wie weiß?

00:26:12: Insofern glaube ich können solche Dinge ähnlich wie Telemedizin schon dazu beitragen dass unsere medizinische Versorgung oder auch die Stellen wo sich Menschen Sorgen machen um ihre Gesundheit das sich verbessert immer direkt schnell das nächste Tool irgendwo ins Netz zu stellen oder als App runterladbar zu machen.

00:26:36: Das halte ich schon für schwierig, also ich glaube Medizinprodukte sind durchaus aus gutem Grund reguliert selbst wenn sie in Deutschland vermutlich überreguliert sind.

00:26:46: Philipp du hast dich auch sehr intensiv mit KI Forschung und Anwendungen außerhalb von Europa unter USA beschäftigt.

00:26:53: Wie erlebst du den Einsatz von solchen large language Models in Entwicklungs- und Schwellenländer?

00:26:59: Was ist da anders als bei uns?

00:27:02: Ja das ist tatsächlich ein total spannendes Thema.

00:27:04: was mich jetzt so die letzten Jahre etwas begleitet hat und was wir auch in der Forschung gerade am Aufbau sind, das ist Zusammenarbeit sowohl mit einer Arbeitsgruppe in Rwanda im African Institute for Mathematical Sciences.

00:27:18: Und in Degambia an der dortigen MRC-Unit mit einem Kollegen.

00:27:25: auf der einen Seite ist es so dass es in afrikanischen Ländern natürlich einfach sehr viele lokale Sprachen gibt neben dem Englisch oder französisch als Verkehrssprachen und viele Menschen auch sich am wohlsten, oder am meisten zu Hause in diesen lokalen Sprachen fühlen.

00:27:43: Gleichzeitig ist jetzt der Internet-Content in diesen lokalen Sprachen oft doch sehr limitiert und man findet zum Beispiel keine... also für Rwanda zum Beispiel findet man wahrscheinlich sehr wenige medizinische Fachbücher die tatsächlich auf Kinia Oranda geschrieben sind.

00:28:00: Das heißt, wenn man jetzt große Sprachmodelle in diesen Ländern einsetzen will und zum Beispiel wie in diesem Beispiel von Heuger vorhin wirklich das Worte sich da medizinische Rat holen können oder Vordiagnosen oder sowas abholen können.

00:28:19: Dann muss man das irgendwie hinkriegen, dass man das was große Sprachenmodelle über Sprache bisschen zusammenbringt eben mit dem was an Daten verfügbar ist über die ganzen vielen lokalen Sprachen, die es dort gibt.

00:28:33: Und das mit Sicherheit eine große Herausforderung.

00:28:35: An der Arbeit in einigen Kollegen gibt's auch große Initiativen um da eben Daten für seltenere Sprachen zusammenzutragen.

00:28:48: Gleichzeitig hat man dabei natürlich die ganzen Probleme ... die, was Ressourcen knapp halt so mit sich bringt.

00:28:53: Also man hat keine großen Server-Farmen in den meisten afrikanischen Ländern... Man muss gucken dass man Dinge ressourceneffizient macht.

00:29:02: Was man hat ist tatsächlich eine sehr hohe Verbreitung von Smartphones oder von Telefonen also auf denen ja viele solche Anwendungen auch tatsächlich laufen können.

00:29:11: und ich glaube wie wieder Einsatz vom KI auch die Gesundheitssysteme im globalen Süden verändern kann das mit Sicherheit etwas was in den nächsten Jahren sehr, sehr spannend wird.

00:29:22: und ich glaube da freue mich auch sehr auf die gemeinsame Forschung mit den Partnern dort.

00:29:27: Das war Philipp Behrens mit der Chancen- und Einsatzfeldern der Künstlichen Intelligenz in der Medizin und wie die KI helfen kann, die Gesundheitsversorgung überall in der Welt zu verbessern.

00:29:36: Philipp vielen Dank für das Gespräch!

00:29:38: Peter und Ich wir melden uns Anfang April wieder mit einem neuen Thema rund um den Einsatz der künstlichen.