Newsletter abbonieren
Nutzungsbedingungen
Home > IT Monitoring > Healthcare IT Monitoring > FDA schlägt Leitlinien für KI-gestützte Medizinprodukte vor
April 07, 2023
Auch im Gesundheitswesen werden technologische Fortschritte wie künstliche Intelligenz (KI) und maschinelles Lernen (ML) eingesetzt. Aus diesem Grund hat die US-amerikanische Food and Drug Administration (FDA) veranlasst, Leitlinien für KI-gestützte Medizinprodukte herauszugeben. Die FDA ist für den Schutz der öffentlichen Gesundheit durch die Gewährleistung der Sicherheit, Wirksamkeit und Überwachung von Human- und Tierarzneimitteln zuständig. Die Leitlinien sollen daher folgendes sicherstellen: Es muss möglich sein, die mit diesen Technologien ausgestatteten Medizinprodukte sicher, effektiv und schnell zu ändern, zu aktualisieren sowie zu verbessern. Die Agentur hat bereits mehr als 500 Medizinprodukte mit KI/ML-Technologien zugelassen und viele weitere befinden sich in der Entwicklungsphase.
Der vorgeschlagene Ansatz zielt darauf ab, sichere und wirksame Geräte schneller in die Hände von medizinischem Fachpersonal zu bringen. Auf diese Weise soll sich das Innovationstempo von stärker personalisierten Behandlungen erhöhen. Denn medizinische Geräte mit KI/ML-Technologien können umfassender und schneller modifiziert werden, um zu lernen und sich an den Zustand der Patienten anzugleichen. Diagnosegeräte lassen sich damit so bauen, dass sie sich an die spezifischen Daten und Bedürfnisse von Gesundheitseinrichtungen anpassen – und therapeutische Geräte könnten dasselbe entsprechend den spezifischen Merkmalen und Bedürfnissen jedes Patienten tun.
Um die Sicherheit und Wirksamkeit von Medizinprodukten mit KI/ML-Technologien während ihres gesamten Produktlebenszyklus (TPLC) zu gewährleisten, wird für jedes Produkt ein vorher festgelegter Änderungskontrollplan verwendet. Diesen muss die FDA zunächst prüfen und genehmigen. In dem Plan sind sowohl manuell durchgeführte als auch automatisch durch Software implementierte Änderungen vorgesehen. Er enthält eine detaillierte Beschreibung der spezifischen und geplanten Modifikation der Produkte, der Methodik zur Entwicklung, Validierung und Umsetzung. Darüber hinaus führt der Plan aus, wie die notwendigen Änderungsinformationen den Anwendern klar mitzuteilen sind und wie die Bewertung von Vorteilen und Risiken der geplanten Neuerungen durchzuführen ist.
Der Ansatz zielt aber auch darauf ab sicherzustellen, dass wichtige Leistungsaspekte bei der Entwicklung, Validierung, Umsetzung und Überwachung von Produkten mit KI/ML-Technologien berücksichtigt werden – zu diesen Aspekten gehören u. a. die ethnische Zugehörigkeit, der Schweregrad der Erkrankung, Geschlecht, Alter und geografische Faktoren. Dabei legen die FDA-Leitlinien besonderen Wert darauf, dass diese Informationen den Anwendern von Medizinprodukten klar zu vermitteln sind.
Nach Angaben der FDA beruht das Konzept auf den Erfahrungen, die die Behörde in den letzten Jahren gesammelt hat. Hier spielt zum einen die Expertise bei der Regulierung von Geräten mit KI/ML-Technologien, zum anderen bei der Erforschung neuer regulatorischer Rahmenbedingungen für Medizinprodukte im Bereich der digitalen Gesundheit eine Rolle.
Die FDA-Leitlinie befindet sich noch in einem vorläufigen Stadium: Bis zum 3. Juli werden Kommentare von Interessengruppen berücksichtigt, bevor die Behörde dann eine endgültige Version der Leitlinie herausgibt.
Der jüngste Hype um ChatGPT hat auch auf das Gesundheitswesen übergegriffen: eine generative KI, die mithilfe von Deep Learning synthetische Daten erzeugt. Dabei ist die Notwendigkeit, die ethischen und qualitativen Fragen dieser Jahre anzugehen, unbestreitbar – genauso wie das enorme Potenzial dieser Technologie.
Laut Ittai Dayan, CEO und Mitbegründer der Plattform Rhino Health, gibt es viele interessante Anwendungen der generativen KI im Bereich der Medizin und der Gesundheitsbehandlung. Darunter fallen folgende Aspekte:
Laut Dayan ist es unwahrscheinlich, dass diese Anwendungen ihr volles Potenzial ohne den Einsatz von Federated Learning (FL)-Techniken zur Wahrung der Privatsphäre der Patienten ausschöpfen können. Denn die rechtlichen Rahmenbedingungen in den USA (HIPAA) und Europa (GDPR) sind zu Recht konservativ, wenn es darum geht, welche Arten von Daten mit KI-Modellentwicklern geteilt werden. Die Daten lassen sich isoliert zur Verfügung stellen, wobei der Weg des Patienten, der Diagnose, Behandlung und Ergebnis umfasst, aufgeschlüsselt wird. Stellt man diese Informationen vollständig zur Verfügung, sind sie für KI/ML-Entwickler zwar reichhaltiger – gleichzeitig bergen sie jedoch auch ein höheres Risiko der Re-Identifizierung von Patienten.
Die FL-Technik beruht auf verteiltem maschinellem Lernen, wobei die von den Modellen verwendeten Daten bei ihren Eigentümern (z. B. Krankenhausservern) verbleiben – eine Weitergabe erfolgt nicht. Schließlich werden nur die Modellparameter zur Aggregation und Aktualisierung übermittelt.
Dayan und Mona Flores, globale Leiterin der medizinischen KI bei Nvidia, führten eine Studie durch: Die Arbeit analysierte die Machbarkeit und die Vorteile des föderierten Lernens im Gesundheitsbereich. Die Autoren entwickelten darin ein Modell, das sowohl lokale Daten und als auch solche in einem föderierten Netzwerk verwendet. Damit ließen sich die Ergebnisse von Patienten vorhersagen, die mit Atembeschwerden in die Notaufnahme kamen. Die Untersuchung zeigte, dass föderiertes Lernen den Krankenhäusern bei der Zusammenarbeit hilft und Zugang zu Daten gewährt, ohne die Privatsphäre und Sicherheit der Patienten zu gefährden.
Mai 18, 2023
März 23, 2023
Sicherheitsverletzungen durch Dritte treffen vor allem den Gesundheitssektor: 2022 fielen fast 35 % der Vorfälle in diesen Bereich, gefolgt vom Finanzsektor (14 %) und der Regierung (14 %).
Februar 08, 2023
Nach mehr als drei Jahren Pandemie sieht es auch im Jahr 2023 für den Gesundheitssektor alles andere als rosig aus
Januar 09, 2023
WiFi-Router haben das Potenzial, neue Verbündete in der Gesundheitsvorsorge zu sein: Der Deep-Learning-Algorithmus BreatheSmart könnte künftig in der Prävention von Atemproblemen eine wes...
Dezember 29, 2022
Dezember 16, 2022
Dezember 09, 2022
November 25, 2022
Previous
Die wichtigsten Herausforderungen für die Sicherheit von IoMT-Geräten
Next
Google will die Entwicklung von Gesundheits-Apps erleichtern