Künstliche Intelligenz | Intelligence artificielle by SULM – Swiss Union of Laboratory Medicine

6/2023

Künstliche Intelligenz Intelligence artificielle

Anzeigen

HOOD05162003330859

Der richtige Rahmen für Ihre Werbung.

AIA – Atellica® Integrated Automation Atellica® Sealer Intègre le scellement dans le flux de travail post-analytique de la Atellica® Solution¹ Atellica® Decapper Atellica® Decapper intègre le décapage dans le flux de travail analytique d’Atellica® Solution¹

¹ Configuration de la solution Atellica® avec Atellica® Decapper et Atellica® Sealer

Editorial

Als wichtiger Aspekt der Digitalisierung ist die künstliche Intelligenz (KI) der Inhalt anhaltender Diskussionen. Wie funktioniert das eigentlich, und was bringt uns das? Was müssen wir für unseren Alltag wissen? Und, wird KI letztlich die Menschheit auslöschen?

Prof. Dr. Dr. Michael Nagler, Chefredaktor «pipette» Zwei Themen bestimmen die Diskussion um die Gesundheitsversorgung in der Schweiz, und beiden wollen wir uns in der vorliegenden Ausgabe nochmals zuwenden: die Kosten und die Digitalisierung. Im Interview sprechen wir mit David Roman, PwC Schweiz, über die digitale Transformation als Befreiungsschlag mit finanziellen Herausforderungen. Der Dossierartikel von Janne Cadamuro zeigt auf, wie die künstliche Intelligenz (KI) die medizinischen Labore verändern wird. Mit den Augen Schweizer Exponenten wagen wir vielfältige Perspektiven auf die KI. Um zu klären, was wir in unserer täglichen Arbeit über KI wissen sollten, haben wir die Organisatoren eines Masterstudiengangs für KI im Gesundheitswesen befragt. Inspirieren sollen Sie auch unsere Verweise auf eine visuelle Erklärung zu ChatGPT und zu der Frage, ob uns KI töten und die Menschheit letztlich auslöschen wird. Eine Veränderung werden Sie bemerken: Die Rubrik «Nachrichten» enthält in Zukunft mehr Informationen aus den Verbänden zu politischen und regulatorischen Initiativen. ●

Aspect important de la numérisation, l’intelligence artificielle (IA) fait l’objet de discussions permanentes. Comment cela fonctionne-t-il en réalité et qu’est-ce que cela nous apporte? Que devons-nous savoir pour notre vie quotidienne? Et l’IA finira-t-elle par anéantir l’humanité? Deux thèmes dominent le débat sur les soins de santé en Suisse et nous souhaitons nous pencher à nouveau sur ces deux sujets dans ce numéro: les coûts et la numérisation. Dans l’interview, nous parlons avec David Roman, de PwC Suisse, de la transformation numérique comme coup de pouce libérateur avec des défis financiers. L’article-dossier de Janne Cadamuro montre comment l’intelligence artificielle (IA) va transformer les laboratoires médicaux. Avec le regard d’exposants suisses, nous osons de multiples perspectives sur l’IA. Afin de clarifier ce que nous devons savoir sur l’IA dans notre travail quotidien, nous avons interrogé les organisateurs d’un master en IA dans le domaine de la santé. Vous trouverez également de l’inspiration dans nos références à une explication visuelle de ChatGPT et à la question de savoir si l’IA va nous tuer et, à terme, anéantir l’humanité. Vous remarquerez un changement: la rubrique «Actualités» contiendra à l’avenir davantage d’informations en provenance des associations sur les initiatives politiques et réglementaires. ●

2 Dossier

Wie generative KI die (Labor)welt verändern wird, und wie wir damit umgehen sollten

Themen Laboralltag

Mein Mitarbeiter ChatGPT S. 4 Nachrichten

Initiativen S. 12 Hintergrund

What should I know about AI for my daily work? S. 18 Porträt Dieses Bild wurde mittels KI erstellt

Die generative künstliche Intelligenz (KI) ist nicht nur eine weitere Technologie. Sie stellt eine Disruption dar, ähnlich der industriellen Revolution oder dem Internet. Die damit verbundene Produktivitätssteigerung übersteigt die bisherigen menschlichen Entwicklungsphasen. S. 6

Alain Gervaix, Professor of Pediatrics, Head of the Pediatric Emergency Division, HUG S. 20 Inspiration

Hören und lesen S. 22 Epilog

Vorschau und Feedback S. 24

Interview

Digitale Transformation als Befreiungsschlag für das Gesundheitswesen S. 14

Portrait

“AI has really a transformatory potential in health care.” Au quotidien

Mon employé ChatGPT P. 5 Dossier

Comment l’IA générative va changer le monde (du laboratoire) et comment nous devrions l’aborder P. 10 Actualités

Initiatives P. 13 Interview

Alain Gervaix, Professor of Pediatrics, Head of the Pediatric Emergency Division, HUG. P. 20

Alle Ausgaben auf sulm.ch/de/pipette/ ausgaben Möchten Sie frühere Printausgaben der «pipette» bestellen? Wenden Sie sich an: pipette@sulm.ch

La transformation numérique, le dégagement pour le système de la santé publique P. 17 Informations de fond

What should I know about AI for my daily work? P. 18 Inspiration

Écouter et lire P. 23 Épilogue

Die «pipette» berichtet über relevante Themen der Schweizer Labormedizin.

Aperçu et commentaires P. 24

Laboralltag

Mein Mitarbeiter ChatGPT Beitrag Prof. Claudia M. Witt, Co-Direktorin Digital Society Initiative UZH

Ich nutze ChatGPT zur effizienten Texterstellung, betrachte es als neue:n Mitarbeiter:in und supervidiere diese. Qualität erfordert Nachbearbeitung, da Inhalt und Form oft angepasst

werden müssen. Sensible Daten gebe ich nicht ein, und für die wissenschaftliche Recherche bevorzuge ich Pubmed. Regeln für die Verwendung von ChatGPT in Forschung und Lehre sind unerlässlich.

Dieses Bild wurde mittels KI erstellt.

ChatGPT will gefallen Beitrag Dr. Reinhold Sojer, Leiter Digitalisierung, FMH

ChatGPT eignet sich, um Gedanken zu strukturieren oder einfache Antworten zu komplexen Fragestellungen zu erhalten. «Prompts» sind der Schlüssel zu guten Resultaten. ChatGPT wurde daraufhin trainiert,

wie gut die Sprachausgabe den Menschen gefällt. Vorsicht ist geboten: Die Ergebnisse können ein Bias oder Halluzinationen aufweisen. Auch ist beim Einsatz im ärztlichen Alltag der Datenschutz zu berücksichtigen.

Laboralltag

Le perroquet stochastique

«Large Language Models (LLM) bedeuten für mich die Rehabilitierung des Textes, der Erzählung des Ungeliebten» Der stochastische Papagei

Contribution Prof. Christian Lovis, professeur d’informatique clinique, Service des sciences de l’information médicale aux HUG Les larges modèles de langages (LLM), comme ChatGPT, sont en passe de commencer une véritable révolution. C’est pour moi, d’abord et avant tout, la réhabilitation du texte, du narratif, ce mal-aimé que beaucoup rangeaient dans la case des données non structurées et donc inutilisables. Les textes produits par l’humanité sont immensément riches en contenu informationnel, et de grande complexité. L’évolution de la technologie des Transformers, publiée en 2017 par une équipe de Google, ouvre d’incroyables perspectives, et des questions abyssales. Car ces systèmes ne «comprennent» pas, ils génèrent des phrases en prédisant les mots les uns après les autres de manière probabiliste. Ce sont des perroquets stochastiques. Et cette génération peut aboutir à des textes complètement faux, mais véritablement réalistes et crédibles. C’est ce qu’on appelle pudiquement les «hallucinations». Ils posent aussi d’immenses questions éthiques, juridiques, notamment concernant les droits d’auteures et d’auteurs, comme le montrent les immenses plaintes en cours. Énoncés erronés et faux, plagiat, sans compter les débuts chaotiques sur les questions de genre et de racisme, ces machines semblent avoir de grandes connaissances, mais très peu de morale. Comment s’en étonner? Elles ne sont ni formées, ni éduquées, juste entraînées… Il est donc indispensable de s’approprier ces technologies pour apprendre à utiliser leur puissance, sans s’exposer à leurs nuisances. Et cela nécessite de n’être ni un enthousiaste frénétique, ni un paranoïaque dramatique, mais d’apprendre à s’en servir.

Beitrag Prof. Christian Lovis, Professor für Klinische Informatik, Departement für Medizinische Informatik, HUG

Mon employé ChatGPT Contribution Prof. Claudia M. Witt, codirectrice de l’initiative Digital Society de l’UZH J’utilise ChatGPT pour créer des textes de manière efficace, je le considère comme un nouveau collaborateur* et je le supervise. La qualité nécessite un suivi, car le contenu et la forme doivent souvent être adaptés. Je ne saisis pas de données sensibles et pour les recherches scientifiques, je préfère Pub med. Des règles pour l’utilisation de ChatGPT dans la recherche et l’enseignement sont indispensables.

ChatGPT veut plaire Contribution Dr Reinhold Sojer, responsable de la numérisation, FMH ChatGPT convient pour structurer des pensées ou pour obtenir des réponses simples sur des sujets complexes. Les «prompts» sont la clé de bons résultats. ChatGPT a été entraîné pour savoir dans quelle mesure la synthèse vocale plaît aux gens. La prudence est de mise: les résultats peuvent présenter un biais ou des hallucinations. Il faut également tenir compte de la protection des données lors de l’utilisation dans le quotidien médical.

Die von der Menschheit produzierten Texte sind ungeheuer reich an Informationsinhalten und von grosser Komplexität. Die Entwicklung der Transformers-Technologie, die 2017 von einem Team von Google veröffentlicht wurde, eröffnet unglaubliche Perspektiven und abgründige Fragen. Da diese Systeme nicht «verstehen», generieren sie Sätze, indem sie Wörter nacheinander auf probabilistische Weise vorhersagen. Das sind stochastische Papageien. Und diese Generation kann mit Texten enden, die völlig falsch, aber wirklich realistisch und glaubwürdig sind. Das ist es, was man bescheiden «Halluzinationen» nennt. Sie werfen auch grosse ethische, rechtliche und urheberrechtliche Fragen auf, wie die riesigen Klagen gegen OpenAi zeigen, insbesondere gegen Menschen, die Romane geschrieben haben. Falsch geschriebene und falsche Aussagen, Plagiate, ganz zu schweigen von den chaotischen Anfängen in Fragen von Gender und Rassismus – diese Maschinen scheinen grosses Wissen, aber sehr wenig Moral zu haben. Ist das überraschend? Sie sind nicht ausgebildet, sie sind nicht erzogen, sie sind nur ausgebildet … Es ist daher wichtig, sich diese Technologien zu eigen zu machen, um zu lernen, wie man ihre Macht nutzen kann, ohne sich ihren Belästigungen auszusetzen. Und das setzt voraus, dass Sie weder ein rasender Enthusiast noch ein dramatischer Paranoiker sind, sondern lernen, wie man damit umgeht.

Wie generative KI die (Labor)welt verändern wird, und wie wir damit umgehen sollten. Dieses Bild wurde mittels KI erstellt.

Dossier

Beitrag Professor Janne Cadamuro, Universitätsinstitut für Medizinisch-Chemische Labordiagnostik, Paracelsus Medizinische Privatuniversität Salzburg, Salzburg, Österreich; Axel Unger, HiAxel GmbH, München, Deutschland

+50%

Steigerung der Produktivität +35% +10%

+25%

Internet

Elektrizität

Künstliche Intelligenz

+10%

Dampfkraft +25%

Internet

Dampfkraft

Elektrizität

Künstliche Intelligenz

+35%

+50%

Inkrementeller Effekt technischer Revolutionen

Generative KI Mobiles Internet

Inkrementeller Effekt technischer Revolutionen

Internet

Digitalisierung

Generative KI

Mobiles Internet

Massenproduktion und Industrialisierung Internet Industrielle Revolution 1850

1870

1890

1910

Digitalisierung 1930

1950

1970

1990

2010

2030

1930

1950

1970

1990

2010

2030

Massenproduktion und Industrialisierung

Abbildung 1 Revolution Industrielle 1850

1870

1890

1910

In den nächsten Jahren wird es zu einer grundlegenden Veränderung kommen in der Art, wie wir Abläufe automatisieren, unsere analytische Qualität sichern, geeignete Labortests auswählen und interpretieren, und vieles mehr. Langfristig wird es zu einer radikalen Produktivitäts- und Effizienzsteigerung kommen. Wir werden unsere Qualität verbessern und die Diagnostik beschleunigen und das alles zu geringeren Kosten. Im vorliegenden Artikel haben wir einige Informationen zum Thema KI in der Medizin und im Labor zusammengefasst. Hintergrund und Klassifizierung KI-Modelle lassen sich in prädiktive und generative KI unterteilen. Während erstere darauf abzielen, Muster in grossen Datenmengen zu erkennen, um anschliessend entsprechende Vorhersagen treffen zu können, spricht man von generativer KI, wenn solche Modelle Inhalte auf Basis der Ihnen zur Verfügung gestellten Trainingsdaten erstellen, die es bisher noch nicht gegeben hat. Die Einsatzbereiche reichen von Texterstellung, Textbearbeitung, Übersetzung von Texten über Berichterstellung, Programmcode schreiben bis hin zu Bild-, Audio- oder Videogenerierung. Bekannte Tools sind z. B. ChatGPT, DeepL, GitHub Co-Pilot, Midjourney, DALL-E3 und viele mehr. Generative KI und Patienteninteraktion: Generative KI-Modelle wie ChatGPT werden vermehrt zum erleichterten und detaillierten Informationsgewinn herangezogen, sozusagen als Google 2.0. Es liegt auf der Hand, dass Patienten sich bereits heute hilfesuchend mit ihren medizinischen Fragen an solche frei zugänglichen Onlinetools wenden. Prof. Janna Hastings hat in der letzten Ausgabe der «pipette» gezeigt: Wenn man ChatGPT selbst fragt, wie es aus medizinischer Sicht helfen kann, so bekommt man u.a. die Antwort «Test Interpretation: I can help explain laboratory test results and their implications, including reference ranges, normal values, and potential clinical significance.» Um zu evaluieren, inwieweit diese Behauptung stimmt, haben wir im Rahmen eines Projekts der Arbeitsgruppe «Artificial Intelligence» der europäischen Gesellschaft für Labormedizin (EFLM) ChatGPT mit zehn fiktionalen Laborbefunden inkl. Name, Einheit, Resultat und Referenzbereich der jeweiligen Parameter gefüttert und anschliessend strukturiert hinsichtlich Relevanz, Genauigkeit, Nützlichkeit und Sicherheit ausgewertet. Wie zu erwarten war, kannte das Large Language Model (LLM) zwar alle genannten Parameter und wusste auch, in welchen Situationen diese erhöht oder tiefer sein können, war jedoch nicht in der Lage, eine synoptische Auswertung aller Parameter zu erstellen. Auch wurden präanalytische Variablen nicht berücksichtigt.

Dossier

«Es ist nicht KI ODER Mediziner, sondern KI UND Mediziner.» KI in der (Labor)medizin: Die Anwendung von KI in der (Labor)medizin ist problematischer als anderswo, da jeglicher Fehler direkte gesundheitliche Auswirkungen auf den jeweiligen Patienten oder auf Patientengruppen haben kann. Es sind nicht nur die Patienteninformationen streng vertraulich zu behandeln, es müssen auch Regularien wie das Medizinproduktgesetz, die In-vitro-Diagnostika-Regulation, die CE-Konformität und die FDA Code of Federal Regulation Title 21 Part 11, die Blackboxes in der Medizin untersagt, eingehalten werden. Zu diesen Blackboxes gehören z. B. alle Arten von DeepLearning-Modellen, da nicht bekannt ist, was in den hidden layers dieser Modelle geschieht. Aus diesem Umstand heraus hat sich die technische Disziplin der XAI (Explainable AI – erklärbare KI) entwickelt, die versucht, genau diese Blackboxes aufzubrechen. Jedoch wird in jedem Fall eine CE-Markierung schwierig bis unmöglich sein, da KI-Modelle stetig lernen und sich verändern. Daraufhin hat die EU bereits frühzeitig ein risikobasiertes Regelwerk für den Umgang mit KI-Modellen, den sogenannten EU AI Act, entwickelt, der bereits als Vorschlag vorliegt. Die in der Medizin angewandten Modelle werden in diesem Dokument in den High-RiskAnwendungen zu finden sein. Ein möglicher Ausweg zur Einhaltung des Datenschutzes wäre die Anwendung von LLM auf einem lokalen Level. Die meisten von der FDA zugelassenen KI-Modelle sind derzeit im Bereich der Radiologie und der Kardiologie zu finden, und nur sehr wenige sind labormedizinische Helfer. Der Grund hierfür liegt darin, dass derzeit KI-Modelle Bilder (Röntgen-, CT-, MR-Aufnahmen, EKG usw.) zumeist ohne Berücksichtigung anderer beeinflussender Variablen auswertet, ein Umstand, der bei der Interpretation von Laborwerten ungünstig ist. Somit beschränkt sich der derzeitige Einsatz von KI im Labor auf jene Bereiche, in denen eine Bilderkennung von Nutzen ist. Dies sind mikroskopische Beurteilungen von Blut oder Urin, die Beurteilung von mikrobiologischen Kulturplatten und mikrobiellen Resistenzen oder die Beurteilung von Harnstreifentests im Rahmen von Telemedizin. In nicht allzu ferner Zukunft jedoch werden wir Modelle sehen, die nicht nur in der Lage sein werden, Testresultate im Kontext mit den oben genannten Variablen zu interpretieren und Verdachtsdiagnosen zu stellen, sondern auch solche, die anhand der aktuellen Beschwerden und der Klinik des individuellen Patienten und etwaiger weiterer Daten des Patienten aus dem Krankenhaus-Informationssystem oder dem Europäischen Raum für Gesundheitsdaten (EHDS) das weitere integrierte (= inkl. Bildgebung) diagnostische Vorgehen vorschlagen können (Abbildung 2).

Vorteile, Limitationen und Gefahren: Die Vorteile der Integration von KI in der Patientenbetreuung liegen auf der Hand: schnellere Diagnostik und somit kürzere Zeit bis zum Therapiebeginn, höhere Qualität der Diagnostik durch Unterstützung bei der Bild- oder Laborwertinterpretation, die Möglichkeit der personalisierten Medizin, schnellere Arzneimittelentwicklung, Hilfestellung bei Behandlungsentscheidungen, Überwachung und Prädiktion/Prognose und einiges mehr. Natürlich muss man auch die Gefahren und Limitationen von KI-Modellen betrachten, allen voran das «akute Enthirnungssyndrom», wonach man bei zu viel technischer Unterstützung dazu neigt, den ärztlichen Instinkt und die medizinische Erfahrung hintanzustellen, wie man das auch manchmal bei der sogenannten «Laborgläubigkeit» (Das absolute Vertrauen und die Notwendigkeit von Laborparametern für medizinische Entscheidungen, unabhängig von der Klinik des Patienten) beobachten kann. Daneben gibt es noch KI-spezifische Gefahren, auf die man achten sollte. Dies sind beispielsweise KI-Halluzina tionen, das Kluger-Hans-Phänomen, das Garbage-in-/Garbage-out-Prinzip, Prompt Drifting oder alle Arten von möglicher Verzerrung (Bias). Als Halluzinationen generativer KI bezeichnet man Outputs, die frei erfunden sind, aber äusserst echt erscheinen (z. B. Referenzen auf nicht existente Forschungsartikel). Das Clever-Hans-Phänomen oder der Beobachter-Erwartungs-Effekt beschreibt ein Szenario, bei dem ein KI-Modell scheinbar eine Aufgabe korrekt löst, aber tatsächlich auf unbeabsichtigte Hinweise oder Muster in den Daten reagiert, statt das eigentliche Problem zu verstehen. Ein Beispiel: Ein KI-Modell zur Erkennung von malignen Hautläsionen zeigte eine vielversprechende Genauigkeit in der Unterscheidung von benignen gegenüber malignen Hautläsionen. Nach gründlicher Recherche konnte jedoch festgestellt werden, dass nicht etwa Teile der Läsion indikativ für die Malignität waren, sondern die Kugelschreibermarkierungen um die Läsion herum, die wesentlich häufiger bei malignen Läsionen vorkommen. Es bleibt zu befürchten, dass vor allem die jüngeren Generationen vieles nicht mehr lernen werden, da dazu scheinbar keine Notwendigkeit mehr besteht. Dies könnte dazu führen, dass Ergebnisse von KI-Modellen nicht auf ihre Richtigkeit oder Validität hin überprüft werden können und so wiederum in einer negativen Feedback-Schleife immer schlechter werden.

Dossier

Mögliche Anwendungen von KI im Laborprozess Alles in Rot oder mit rotem Rand

Abbildung 2

So sollte jede/r, der/die KI für jedweden Zweck, aber vor allem für medizinische Fragestellungen verwendet, die Ergebnisse kritisch auf ihre Validität hin evaluieren. Dieses «Human-in-the-Loop»-Prinzip sollte bei allen Arten von KI-gestützter Automatisierung unbedingt erhalten bleiben. Voraussetzungen für den erfolgreichen Einsatz von KI: Daten, Daten, Daten! In vielen Gesundheitsbetrieben ist der Datenschutz eine grosse Hürde, die es zu überwinden gilt. Hat man diese bewältigt, so findet man die notwendigen Daten oftmals in unterschiedlichen Subsystemen der EDV. Die Zusammenführung und Bereinigung dieser Daten stellt die nächste grosse Hürde dar. Es gilt zu klären, in welcher Struktur Daten gesammelt werden sollen (Data Lake, CDR, Data Catalog), ob und wie gefiltert werden soll und wer darauf Zugriff haben muss. Allgemein ist es ratsam, Daten so atomisiert wie möglich zu sammeln, soll heissen, in den kleinsten möglichen Bestandteilen. Die so gesammelten Daten sollten nach dem FAIR-Prinzip auffindbar («Findable»), zugänglich («Accessible»), mit vielen Systemen kompatibel/interoperabel («Interoperable») und wiederverwendbar («Reusable») sein.

KI und Mensch: Viel ist darüber gesprochen worden, ob Mediziner in Zukunft von KI ersetzt werden. Generell kann man davon ausgehen, dass repetitive, vorhersehbare oder wissensbasierte Tätigkeiten als Erstes von KI übernommen werden können. Dies sind zum Beispiel alle Arten administrativer Tätigkeiten in der Medizin, bei denen die meisten wahrscheinlich froh wären, wenn ihnen diese abgenommen würden. Tätigkeiten, die nicht oder nur sehr unwahrscheinlich über eine KI automatisierbar sind, sind kreatives Problemlösen, kritisches Denken, Nichtroutinetätigkeiten oder jede Art körperlicher Arbeit, sei es handwerklich oder im Mensch-zu-MenschKontakt (s. a. 4K-Modell: Kreativität, Kollaboration, Kommunikation und kritisches Denken). Gerade in der Medizin ist dieser zwischenmenschliche Aspekt ein nicht zu unterschätzender und von den Patienten verlangter Kontributor zur ganzheitlichen Versorgung und Genesung. Wir denken daher, dass KI zwar ein unglaublich potentes Werkzeug ist, das allerdings sein volles Potenzial erst in der Zusammenarbeit mit Menschen voll entfalten kann (s. a. Gestaltprinzip).

Dossier

Comment l’IA générative va changer le monde (du laboratoire) et comment nous devrions l’aborder

«Meine Kinder können sich nicht vorstellen, wie wir ohne Internet aufwachsen konnten. Wahrscheinlich wird die nächste Generation fragen, wie man ohne künstliche Intelligenz ausgekommen ist.»

Fazit und Ausblick Die Entwicklung und Anwendung generativer KI-Modelle ist nicht aufzuhalten und schreitet rasant voran. Die exponentielle Geschwindigkeit, mit der diese Entwicklungen voranschreiten, wird deutlich, wenn man vergleicht, wie lange es gedauert hat, bis Twitter 1 Million User verzeichnen konnte (zwei Jahre), und wie lange es bei ChatGPT gedauert hat (fünf Tage). Die Medizin agiert bei neuen technischen Entwicklungen üblicherweise eher abwartend. Der Einsatz und die Entwicklung von KI sind jedoch mit keiner früheren Innovation oder technischen Errungenschaft zu vergleichen. Es wird in unmittelbarer Zukunft unabdingbar sein, sich in irgendeiner Form mit künstlicher Intelligenz zu beschäftigen und vertraut zu machen. Praktische Hinweise und nächste Schritte Wenn Sie diesen Artikel aufmerksam studiert haben, werden Sie wie wir zum Schluss gekommen sein: «Nicht die KI ersetzt die Menschen, sondern Menschen, die KI benutzen, ersetzen jene, die es nicht tun.» Daher möchten wir Ihnen einige Tipps und Ratschläge an die Hand geben, sollten Sie sich weiter mit dem Thema KI beschäftigen wollen. 1. Setzen Sie sich mit den Themen Prompting und Promtdesign auseinander (z. B.: www.promptingguide.ai) 2. Denken Sie bei all Ihren Routinetätigkeiten: «Könnte das die KI für mich machen?» – Eine sehr grosse Sammlung an KI-Modellen finden Sie hier: www.futurepedia.io 3. Halten Sie sich über die aktuellen Entwicklungen zum Thema KI auf dem Laufenden. ●

Contribution Professeure Janne Cadamuro, Institut universitaire de diagnostic de laboratoire médico-chimique, Université privée de médecine Paracelsus de Salzbourg, Salzbourg, Autriche; Axel Unger, HiAxel GmbH, Munich, Allemagne L’intelligence artificielle (IA) générative n’est pas seulement une technologie de plus. Elle représente une disruption, à l’instar de la révolution industrielle ou d’Internet. L’augmentation de la productivité qui en résulte dépasse les phases de développement humain précédentes (figure 1). Les prochaines années verront un changement fondamental dans la manière dont nous automatisons les processus, assurons notre qualité analytique, assistons les cliniciens, interprétons les tests de laboratoire, et bien plus encore. À long terme, nous assisterons à une augmentation radicale de la productivité et de l’efficacité. Les modèles d’IA peuvent être divisés en IA prédictive et IA générative. Alors que les premiers visent à reconnaître des modèles dans de grandes quantités de données afin de pouvoir ensuite faire des prédictions correspondantes, on parle d’IA générative lorsque ces modèles créent des contenus qui n’existaient pas auparavant sur la base des données d’entraînement mises à leur disposition. Les domaines d’application vont de la création de texte, du traitement de texte, de la traduction de texte à la génération d’images, de sons ou de vidéos, en passant par la création de rapports et l’écriture de codes de programme. L’application de l’IA à la médecine de laboratoire est un peu plus problématique, car toute erreur peut avoir des conséquences directes sur la santé du patient concerné ou sur des groupes de patients. ●

Xpert® Xpress GBS

Wenn es auf eine schnelle und verlässliche Diagnose ankommt! Gruppe-B-Streptokokken (GBS) können im Geburtskanal vertikal von der Mutter auf das Kind übertragen werden. Sie sind weiterhin die häufigste Ursache für Sepsis und Meningitis bei Neugeborenen. GBS-Infektionen von Neugeborenen gehen mit hoher Morbidität und Mortalität einher und gelten als ernstes Problem für das Gesundheitswesen.1

1 von 4

Schwangeren sind mit GBS besiedelt 2

Nur bei 41 % der Frauen, die beim vorgeburtlichen Screening GBS-positiv sind, bestätigt sich das positive Testergebnis intrapartal 3

8 % (EU) bis 20 % (Afrika) Sterblichkeit der frühzeitigen Erkrankung4

5.819 Dollar

durchschnittliche Krankenhauskosten bei einem Neugeborenen mit frühzeitiger GBS-Erkrankung5

Xpert Xpress GBS Genauigkeit für Ihre Patientinnen Xpert Xpress GBS* ist ein qualitativer diagnostischer In-vitro-Test, der für den Nachweis von GBS-DNA in Vaginal-/Rektalabstrichen konzipiert ist. Der Test mit dem Xpert Xpress GBS ist indiziert für die schnelle Feststellung einer intrapartalen GBS-Besiedlung. Er liefert präzise Ergebnisse für eine angemessene intrapartale Behandlung von mit GBS besiedelten Müttern und senkt dadurch das Risiko einer frühzeitigen Erkrankung des Neugeborenen.

Zwei Zielsequenzen in den am besten konservierten Regionen für eine bessere GBS-Stammabdeckung

Laufzeit Positive Ergebnisse liegen nach etwa 30 # Minuten vor

Intrapartale Leistung Sensitivität: 93,5 %* Spezifität: 95,5 %*

Probenadäquanzkontrolle (Sample Adecuacy Control, SAC)

CE-IVD. In-vitro-Diagnostikum. Möglicherweise nicht in allen Ländern erhältlich. * Packungsbeilage zum Xpert Xpress GBS 302-7665 # Mit vorzeitigem Abbruch des Assays bei positivem Ergebnis 1 Ferula A, et al. Bacterial and host determinants of group B streptococcal infection of the neonate and infant. Front Microbiol. 2022 Feb 21;13:820365. 2 About Group B Strep | CDC [Internet]. [Last access: 2022 May 18]. Available from: https://www.cdc.gov/groupbstrep/about/index.html 3 Zietek M, et al. Intrapartum PCR assay is a fast and efficient screening method for Group B Streptococcus detection in pregnancy. Ginekol Pol. 2020;91(9):549–53 4 Gonçalves BP, et al. Group B streptococcus infection during pregnancy and infancy: estimates of regional and global burden. Lancet Glob Health. 2022 Apr 28 5 El Helali N. et al. Point-of-Care Intrapartum Group B Streptococcus Molecular Screening. Effectiveness and costs. Obstet Gynecol 2019 Feb;133(2):276-281

Nachrichten

Initiativen Kostendämpfungspaket 1a: Eröffnung der Vernehmlassung KVV und KLV Ambulante Pauschalen für die Laboratorien? Beitrag FAMH Im Rahmen von TARDOC wurde vom Bundesamt für Gesundheit (BAG) vorausgesetzt, dass gewisse ambulante Leistungen pauschal vergütet werden. Dazu wurde ein Katalog von ambulanten Pauschalen erarbeitet, in denen Laborleistungen grundsätzlich enthalten sind, entsprechend dem aktuellen gesetzlichen Rahmen. In einer Anpassung der KVV, die aktuell in der Vernehmlassung ist, soll dazu die gesetzliche Grundlage präzisiert werden. Die FAMH wird sich zusammen mit anderen Fachgesellschaften dazu positionieren.

Health technology assessment (HTA) – schnelle Analysen in der Praxis Beitrag SVDI Mit dem HTA-Programm überprüft das Bundesamt für Gesundheit (BAG), ob Leistungen der obligatorischen Krankenpflegeversicherung (OKP) wirksam, zweckmässig und wirtschaftlich sind. Im Rahmen dieses Programms läuft aktuell ein HTA, das abklären soll, ob es für alle 33 Positionen der schnellen Analysen berechtigt ist, dass sie in der Präsenz diagnostik des ärztlichen Praxislaboratoriums höher tarifiert sind als im Auftragslaboratorium. sulm.ch/23/n27

Strukturreform des europäischen Rechtsrahmens für Medizinprodukte gefordert Beitrag SVDI In einem offenen Brief an Stella Kyriakides (Kommissarin für Gesundheit, Europäische Union) wurde auf die Notwendigkeit einer umfassenden Strukturreform des europäischen Rechtsrahmens für medizinische Technologien (IVDR und MDR) hingewiesen. Insgesamt wurde der Brief von 34 nationalen Verbänden unterzeichnet, inklusive Swiss Medtech. sulm.ch/23/n28

Beitrag FMH Das Kostendämpfungspaket 1a beinhaltet unter anderem die Förderung der ambulanten Pauschalen. Daher soll für Analysen, die Bestandteil eines Pauschaltarifs im ambulanten Bereich sind und somit nicht vom Laboratorium dem Schuldner in Rechnung gestellt werden, die KVV angepasst werden. Das Vernehmlassungsverfahren dazu wurde eröffnet. Die FMH wird nach einem internen Vernehmlassungsprozess ihre Stellungnahmen auf ihrer Website aufschalten. sulm.ch/23/n29

Ambulante Versorgungsstruktur bei medizinischen Laboranalysen in der Schweiz – eine Studie im Auftrag des BAG Beitrag SVDI Das Projekt «transAL-2» des BAG revidiert derzeit die Analysenliste und deren Tarife. Polynomics hat im Rahmen von transAL-2 die ambulante Laborversorgung in der Schweiz mit Krankenversichererdaten analysiert. Insgesamt erbrachten die Auftrags- und die Spitallaboratorien 2019 medizinische Analysen im Wert von rund 1,2 Mrd. CHF. sulm.ch/23/n30

Troponin-Messung zur Diagnose eines Herzinfarkts in der Praxis Beitrag SVDI Ärztliche Praxislaboratorien haben ein Jahr länger Zeit mit der Umstellung der Troponin-Messung zur Diagnose eines Herzinfarkts auf die genauere, sensitive Methode, da viele ärztliche Praxislaboratorien noch nicht umgestellt haben. Bis dahin können die konventionellen Messungen von Troponin bis Ende 2024 zu einem reduzierten Tarif abgerechnet werden. Für die sensitive Messmethode wird eine neue Position in der Analysenliste mit gleichbleibendem Tarif aufgenommen. Beide Positionsänderungen gelten seit dem 1. November 2023. sulm.ch/23/n31

Nachrichten

Initiatives Forfaits ambulatoires pour les laboratoires? Contribution FAMH Dans le cadre du TARDOC, l’OFSP part du principe que certaines prestations ambulatoires puissent être remboursées sur une base forfaitaire. À cette fin, un catalogue de forfaits ambulatoires a été établi, dans lesquels les prestations de laboratoire sont généralement incluses, conformément au cadre légal actuellement déjà en vigueur. Dans un projet d’amendement à la OAMal, actuellement en consultation, la base juridique doit être précisée. La FAMH prendra position à ce sujet avec d’autres associations professionnelles.

Health technology assessment (HTA): des analyses rapides dans la pratique Contribution SVDI Avec le programme HTA, l’Office fédéral de la santé publique (OFSP) vérifie si les prestations de l’assurance obligatoire des soins (AOS) sont efficaces, appropriées et économiques. Dans le cadre de ce programme, un HTA est en cours pour déterminer s’il est justifié que les 33 positions des analyses rapides soient plus fortement tarifées dans le cadre du diagnostic en présence du laboratoire du cabinet médical que dans celui du laboratoire mandaté. sulm.ch/23/n32

Volet 1a des mesures visant à freiner la hausse des coûts: ouverture de la procédure de consultation Contribution FMH Les «Mesures visant à freiner la hausse des coûts – volet 1a» comprennent notamment la promotion des forfaits ambulatoires. C’est pourquoi l’OAMal doit être adaptée pour les analyses qui font partie d’un tarif forfaitaire dans le domaine ambulatoire et qui ne sont donc pas facturées au débiteur par le laboratoire. La procédure de consultation à ce sujet a été lancée. Après un processus de consultation interne, la FMH mettra en ligne ses prises de position sur son site Internet. sulm.ch/23/n33

Réforme structurelle du cadre juridique européen pour dispositifs médicaux demandée Contribution SVDI Une lettre ouverte adressée à Stella Kyriakides (commissaire à la santé, Union européenne) a souligné la nécessité d’une réforme structurelle complète du cadre juridique européen pour les technologies médicales (IVDR et MDR). Au total, la lettre a été signée par 34 associations nationales, y compris Swiss Medtech. sulm.ch/23/n34

Structure des soins ambulatoires pour les analyses de laboratoire médical en Suisse – Une étude sur mandat de l’OFSP Contribution SVDI Le projet transAL-2 de l’OFSP révise actuellement la liste des analyses et ses tarifs. Dans le cadre de transAL-2, Polynomics a analysé les soins de laboratoire ambulatoires en Suisse à l’aide des données des assureurs-maladie. Au total, les laboratoires mandatés et les laboratoires hospitaliers ont fourni en 2019 des analyses médicales d’une valeur d’environ 1,2 milliard de CHF. sulm.ch/23/n35

Mesure de la troponine pour le diagnostic de l’infarctus du myocarde au cabinet médical Contribution SVDI Les laboratoires de cabinets médicaux ont un an de plus pour passer de la mesure de la troponine pour le diagnostic d’un infarctus du myocarde à la méthode sensible, plus précise, car de nombreux laboratoires de cabinets médicaux n’ont pas encore fait le changement. D’ici là, les mesures conventionnelles de la troponine peuvent être facturées à un tarif réduit jusqu’à fin 2024. Pour la méthode de mesure sensible, une nouvelle position sera ajoutée à la liste des analyses avec un tarif inchangé. Les deux changements de position s’appliqueront à partir du 1er novembre 2023. sulm.ch/23/n36

Digitale Transformation als Befreiungsschlag für das Gesundheitswesen David Roman, Partner, Digital Health; PwC Schweiz

Interview

«Die digitale Transformation spielt eine Schlüsselrolle bei der Bewältigung aktueller Herausforderungen. Sie hat das Potenzial, das Gesundheitswesen nachhaltig produktiver und effizienter zu gestalten.» Interview Prof. Dr. Dr. Michael Nagler, Chefredaktor «pipette»

Laut der aktuellen Studie von PwC Schweiz be nötigen Spitäler für die digitale Transformation erhebliche Investitionen. Gleichzeitig konzentriert sich die politische Diskussion stark auf Kostensenkung im Gesundheitswesen. Die medizinischen Labore stehen aufgrund von Regulierungen und Tarifsenkungen unter Druck. Wie können diese scheinbaren Widersprüche miteinander in Einklang gebracht werden? MN: Herr Roman, in Ihrer Studie schlussfolgern Sie, dass Schweizer Spitäler für eine zukunftsfähige Digitalisierung Finanzen in der Höhe des Betrags für einen halben GotthardBasistunnel investieren müssen – Geld, das sie mit dem heutigen Tarifsystem nicht haben. DR: Das ist in der Tat richtig. Unsere Analyse zeigt, dass eine einmalige Gesamtinvestition aller Spitäler von 6,4 Mrd. CHF erforderlich wäre, um die notwendigen Schritte zur digitalen

langfristig ein positiver Effekt erzielen, der weit über die reine Kostensenkung hinausgeht.

Transformation erfolgreich umzusetzen. Diese Investition zielt nicht nur auf die Implementierung von IT-Tools wie einem neuen Klinik-Informationssystem und der IT-Infrastruktur ab, sondern betrifft auch übergreifende Themen wie strategische Entwicklung, Ausbildung, Prozessoptimierung und Qualitätsverbesserung. Die jährlichen wiederkehrenden Gesamtaufwände belaufen sich auf etwa 1,6 Mrd. CHF, was etwa 5% des Jahresumsatzes aller Schweizer Spitäler entspricht. Diese Kosten können jedoch durch verbesserte Produktivität oder zusätzliche Einnahmen finanziert werden.

MN: Die medizinischen Labore erbringen erhebliche Vorhalteleistungen, um kritische Laborwerte auch in der Nacht und im Pandemiefall anbieten zu können. Was wäre eine sinnvolle Finanzierung dieser Kosten? DR: Diese Problemstellung kennen wir in vielen Bereichen der Gesundheitsversorgung, beispielsweise bei Notfallstationen. Staatliche Unterstützung in Form von gezielten Zuschüssen (z. B. fixierte Sockelbeträge) oder finanziellen Anreizen für Labore könnten sicherstellen, dass sie ihre Vorhalteleistungen aufrechterhalten können. Meiner Meinung nach würde eine Kombination eines Sockelbetrags und die Etablierung von Laborpauschalen den Vorteil der vereinfachten Abrechnung und Kostenkontrolle bieten. Sie reduzieren auch den Verwaltungsaufwand für Patient:innen und Versicherungen.

MN: Ihre Aussagen legen nahe, dass die Schweizer Spitäler mehr Geld benötigen. Die gerade gewählten Parlamentarier sind hingegen mit dem Ziel angetreten, Gesundheitskosten zu sparen. Ist es richtig, wenn ich da einen Konflikt sehe? DR: Gewiss, die nationale Gesetzgebung legt ihren Schwerpunkt hauptsächlich auf die Kontrolle der Gesundheitskosten und bietet wenig Anreize für eine gemeinsame Neuausrichtung. Massnahmen wie die Festlegung globaler Kostenziele verstärken bestehende Anreize, die Qualität und Nutzen weitgehend ignorieren. Dennoch sind langfristige Investitionen in die Digitalisierung oder Infrastruktur unerlässlich, um eine konstante Versorgungsqualität und -sicherheit zu gewährleisten – insbesondere angesichts des Fachkräftemangels. Die digitale Transformation bietet Möglichkeiten zur Effizienzsteigerung und Qualitätsverbesserung, erfordert jedoch eine gut durchdachte Strategie und Priorisierung auf Führungsebene. Auf diese Weise lässt sich

MN: Zur Finanzierung von Einrichtungen werden defizitäre, aber wichtige medizinische Leistungen mit Einkünften aus anderen Leistungen «kompensiert», und auch Erträge aus Laborleistungen spielen hier eine Rolle. Sehen Sie das als ein nachhaltiges Prinzip? DR: Durchaus. Anders als in nicht systemrelevanten Bereichen stossen wir im Gesundheitswesen teilweise an natürliche Grenzen von leistungs- und effizienzbasiertem Denken, gerade im Hinblick auf Patientensicherheit und Versorgungsqualität. Dieses Modell wird oft angewendet, um sicherzustellen, dass selbst kostenintensive medizinische Dienstleistungen, die für die Patientenversorgung von grosser Bedeutung sind, aufrechterhalten bleiben können. Es ist allerdings entscheidend, sicherzustellen, dass dieser Ausgleich transparent und fair erfolgt und dass die Einnahmen aus anderen Leistungen nicht zu übermässigen Gewinnen führen oder unangemessen verwendet werden.

Interview

MN: Man könnte Ihre Studie dahingegen interpretieren, dass das Potenzial von Kostenreduktionen in den Spitälern ausgeschöpft ist? Beobachter aus dem Ausland argumentieren, die Schweiz könnte Kosten sparen, indem sie die Leistungen auf wenige, grosse Spitäler konzentriert. DR: Das würde ich nicht so sehen. Es bestehen heute innerhalb der Spitäler noch immer viele Ineffizienzen. Diese betreffen erfahrungsgemäss vor allem die fehlende integrierte Kapazitätsplanung, unstrukturierte Prozesse und manuelle Abläufe. In Projekten zur operativen Exzellenz erkennen wir wiederholt, dass Spitäler bestrebt sind, Massnahmen zur Kosteneinsparung zu ergreifen respektive umzusetzen. In der Schweiz gibt es eine vergleichsweise hohe Anzahl Spitäler, was zu Fragmentierung und Überlappung von Dienstleistungen führt. Dies wiederum ist kostspielig und begünstigt Ineffizienzen. Unser Hub-and-Spoke-Modell zielt darauf ab, eine abgestufte Versorgung im Rahmen von Netzwerken, die sich teilweise überlappen können, zu fördern. Gelingt die Transformation der Strukturen, entsteht eine patientenzentrierte Versorgung mit adäquater Wirtschaftlichkeit, die auch in ausserordentlichen Zeiten dank einer hohen Koordination die nötigen Ressourcen sicherstellt.

erwartungen. Aus spitalinterner Sicht trägt jede Einrichtung die Verantwortung, die Mitarbeitenden und die Infrastruktur dahingehend weiterzuent wickeln, um mit der Zeit zu gehen. Hier steht jedes Spital in der Pflicht. In der Gesamtansicht des Systems sind eine übergeordnete, staatliche Koordination und eine Finanzierung der Rahmenbedingungen (z. B. Dateninfrastruktur, Kommunikationswege usw.) meines Erachtens zwingend notwendig.

MN: Digitalisierung ist eine Massnahme mit dem Ziel Effizienzsteigerung und Steigerung der Qualität. Besonders wirksam ist es, wenn Digitalisierung über einzelne Leistungserbringer hinausgeht. DR: Es greift zu kurz, Digitalisierung nur aus Effizienzsteigerung zu implementieren. Wie wir in der Studie aufzeigen, unterstützt die digitale Transformation neben der Steigerung der Produktivität auch die Bekämpfung des Fachkräftemangels, die Verbesserung der Versorgungsqualität, die Förderung von integrierten Behandlungspfaden sowie im Umgang mit steigenden Patienten

MN: Ein weiteres in Ihrer Studie genanntes Ziel sind die «Leistungen». DR: Im Zuge der anhaltenden Debatte rund um die aktuelle Leistungsfinanzierung scheint mir ein wichtiger Aspekt stets unterzugehen: Die digitale Transformation wird die Art und Weise, wie wir Medizin in Anspruch nehmen, sowie den Ort einer Leistungserbringung im Gesundheitswesen zunehmend verändern. Durch die Verwendung von «Do it yourself»-, «@home»- und digitalen Lösungen verlagert sich die Patientenversorgung aus dem Krankenhaus immer mehr nach Hause und können von Patienten selbst an einem

MN: Ein anderer Aspekt Ihrer Studie ist Qualität. Im Bereich der medizinischen Labore soll Qualität mit immer mehr Regulierungen erreicht werden. Aus der Sicht der Labore gehen diese Regulierungen teilweise jedoch am Problem vorbei. DR: Es stimmt, dass wir uns zurzeit in einem System der zunehmenden Überregulierung befinden. Das liegt teilweise am Handlungsdruck, mit dem sich Regulatoren konfrontiert sehen. Ob das zielführend ist, stelle ich infrage. Eine ganzheitliche und nutzenorientierte Herangehensweise sollte das Fundament für die Gesundheitsregulierung sein. Anstatt kontinuierliche Einzelreformen durchzuführen, sollte der Gesetzgeber ein Gesamtkonzept oder eine Gesamtarchitektur entwickeln. Die Erhaltung der Funktionalität des Systems sollte oberste Priorität haben.

beliebigen Ort durchgeführt werden. Die Ergebnisse dieser Untersuchungen können anschliessend automatisch an qualifizierte Gesundheitsfachkräfte übermittelt werden, welche die Interpretation und Berichterstellung auf digitalem Weg durchführen. In Zukunft könnten nach einer Selbstuntersuchung und einer Ferndiagnose die geeigneten Medikamente ohne physische Arztkonsultation direkt nach Hause geliefert werden. Die Verlagerung der Leistungen zum Patienten hin führt langfristig zu vermehrt patientenzentrierten und ressourcenschonenden Behandlungspfaden. MN: Vielen Dank für das interessante Gespräch! ●

Interview

La transformation numérique, le dégagement pour le système de la santé publique Interview Prof. Dr Dr Michael Nagler, rédacteur en chef «pipette» Selon la dernière étude de PwC Suisse, les hôpitaux ont besoin d’investissements considérables pour leur transformation numérique. Parallèlement, le débat politique se concentre fortement sur la réduction des coûts dans le secteur de la santé. Les laboratoires médicaux sont sous pression en raison des réglementations et des baisses de tarifs. Comment concilier ces contradictions apparentes? Les établissements de santé suisses sont confrontés à des tâches exigeantes. Selon la dernière étude de l’équipe de conseil en santé de PwC Suisse sur la transformation numérique, les hôpitaux ont besoin d’in vestissements considérables pour répondre aux exigences futures. Pa rallèlement, le débat politique se concentre fortement sur l’objectif de réduction des coûts dans le secteur de la santé. Comment ces contradictions apparentes peuvent-elles être conciliées? Nous nous sommes entretenus avec David Roman, associé chez PwC et expert dans le domaine de la santé numérique, sur les moyens possibles d’améliorer la qualité et l’efficacité du système de santé suisse. «Notre analyse montre qu’un investissement total unique de 6,4 milliards de CHF de la part de tous les hôpitaux serait nécessaire pour mettre en œuvre avec succès les étapes nécessaires à la transformation numérique.» La législation nationale met principalement l’accent sur le contrôle des coûts de la santé et n’incite guère à une réorientation commune. Des mesures telles que la fixation d’objectifs globaux en matière de coûts renforcent les incitations existantes, qui ignorent largement la qualité et les avantages. Pourtant, les investissements à long terme dans la numérisation ou l’infrastructure restent indispensables. ●

Hintergrund

What should I know about AI for my daily work? In recent years, we have witnessed how digitalisation is revolutionising healthcare by making it easier to collect, store and analyse patient data. This digital transformation is being catalysed by the integration of the latest developments in artificial intel ligence (AI), which is enabling healthcare professionals to deliver more accurate, efficient, and patient-centric healthcare services.

Professor Stavroula Mougiakakou, Artificial Intelligence in Health and Nutrition Laboratory, ARTORG Center, University of Bern Artificial intelligence (AI) is the science and engineering of enabling computers/machines to perceive, learn, and respond to a changing environment. 1 Although the underlying technology dates back to the 1940s, it took more than fifty years for it to be applied to medicine. 2 Machine learning (ML) is the field of AI that enables computers to learn from large amounts of data, and refers to algorithms and models inspired by the way biological neural networks process information. Deep learning, a type of ML, excels in medical image analysis, such as the interpretation of mammograms; rather than replacing doctors, it acts as a reliable second reader. 3 Reinforcement learning, another paradigm of ML, has shown success in deriving treatment guidelines for people with diabetes, providing personalised strategies. 4 Natural language processing models have been extremely useful in harnessing unstructured medical reports, improving diagnostic processes by extracting complex patterns into meaningful representations. 5 AI in medicine improves diagnostic accuracy, enables personalised treatment, and streamlines

administrative tasks, among other benefits. Understanding the role of AI in modern healthcare is critical for healthcare professionals, while familiarising themselves with AI tools such as predictive models, image recognition, and AI-driven medical decision support is essential and requires continuous learning and critical evaluation. At the same time, the integration of AI into medical practice requires both healthcare professionals and engineers or computer scientists to have a comprehensive understanding of AI, including its capabilities, limitations, and ethical considerations. This understanding is crucial for delivering enhanced care to patients, meeting their needs, and ultimately driving progress in global healthcare more broadly. To address these challenges, we at the Faculty of Medicine of the University of Bern and within the framework of the Center for AI in Medicine (CAIM) have launched the Master in Artificial Intelligence in Medicine, which has welcomed its first students in 2021. The main goal of the master’s programme is to train the next generation of employees and entrepreneurs with both theoretical and practical experience in AI in health and medicine. The whole concept is more than just providing insight information and knowledge about the algorithms and technologies, as offered by most AI postgraduate programmes. It extends to complementing this foundation with first-hand experience from healthcare providers. The programme consists of 120 ECTS points over a period of four semesters. The programme starts in September each year and is taught entirely in English. The programme is designed for students with a bachelor’s degree in computer science, biomedical engineering, electrical or mechanical engineering, physics, mathematics, or a related field. The programme is built around an AI module, a medical module, a foundation module, and an application module, while there are some electives and the master’s

Hintergrund

References

thesis. The uniqueness of the master is that it is fully embedded in a Faculty of Medicine, which provides both the theory and applications of AI courses as well as the introduction of medical content by health professionals. Students are able to visit the various departments and clinics of the University and immerse themselves in clinical processes and medical routines to identify those processes and procedures that can benefit from AI. Our programme is designed to give students the knowledge and skills to become leaders in the field, while the degree opens the door to a PhD and a successful career in research and development in academia or industry. For more information, please contact us or visit the MSc AIM website: sulm.ch/23/h2 ●

1 http://jmc.stanford.edu/articles/whatisai/ whatisai.pdf 2 Turing AM. Computing Machinery and Intelligence. Mind. 1950;LIX(236):433–460. 3 McKinney SM, Sieniek M, Godbole V, Godwin J, Antropova N, Ashrafian H, Back T, Chesus M, Corrado GS, Darzi A, Etemadi M, Garcia-Vicente F, Gilbert FJ, Halling-Brown M, Hassabis D, Jansen S, Karthikesalingam A, Kelly CJ, King D, Ledsam JR, Melnick D, Mostofi H, Peng L, Reicher JJ, Romera-Paredes B, Sidebottom R, Suleyman M, Tse D, Young KC, De Fauw J, Shetty S. International evaluation of an AI system for breast cancer screening. Nature. 2020 Jan;577(7788):89-94. doi: 10.1038/s41586019-1799-6. Epub 2020 Jan 1. Erratum in: Nature. 2020 Oct;586(7829):E19. PMID: 31894144. 4 Sun Q, Jankovic MV, Budzinski J, Moore B, Diem P, Stettler C, Mougiakakou SG. A Dual Mode Adaptive Basal-Bolus Advisor Based on Reinforcement Learning. IEEE J Biomed Health Inform. 2019 Nov;23(6):2633-2641. doi: 10.1109/JBHI.2018.2887067. Epub 2018 Dec 17. PMID: 30571648. 5 Yang, X., Chen, A., PourNejatian, N. et al. A large language model for electronic health records. npj Digit. Med. 5, 194 (2022). https://doi.org/10.1038/s41746-022-00742-2

“It is not about replacing doctors, but about supporting them and bridging gaps in health care.”

Porträt

Alain Gervaix, Professor of Pediatrics, Head of the Pediatric Emergency Division, HUG. Alain Gervaix’s story illustrates how a pressing medical problem can be turned into a practical AI solution. As an emergency physician, he has long been interested in global health issues, and he was particularly distressed by the fact that many children in Africa die because pneumonia is not recognised. “Due to the lack of doctors, the community health workers simply can’t recognise the lung sounds,” he said to his daughter at dinner. The answer she gave was simple and surprising: “Do you know the Shazam app for iden tifying music?” Five years later, Alain Gervaix has developed a simple instrument, the Pneumoscope, that uses AI algorithms and various sensors to

detect lung sounds, temperature, and heart rate to recognise the five most important lung diseases. The approvalprocess has already begun, and Alain Gervaix hopes his vision will soon become a reality: replacing medical expertise by AI tools where it is unavailable. What has made this success possible? Focusing on a specific medical problem, cooperation between diverse institutions, and sound clinical studies. More information on clinical studies and the technology used can be found on the website of the recently founded start-up: sulm.ch/23/p1

Inspiration

Hören und lesen

Wie funktioniert ChatGPT? Eine visuelle Erklärung. Mit ChatGPT kann man sprechen wie mit seinem Nachbarn. Wie das auf technischer Ebene funktioniert, ist schwierig vorzustellen. Die britische Zeitung «The Guardian» hat eine visuelle Erklärung bereitgestellt, die wirklich einfach zu verstehen und auch noch frei zugänglich ist. Zum Artikel: sulm.ch/23/i22

Kann künstliche Intelligenz (KI) schädlich sein? Das Ziel jeder medizinischen Massnahme ist, Patienten zu heilen oder Leiden zu mindern. Die Beachtung von möglichen Nebenwirkungen und Komplikationen ist dabei ein wichtiger Aspekt unserer Tätigkeit. Welche Probleme können bei KIAnwendungen bestehen? Die «AI Grand Rounds», ein Podcast des NEJM, geht dieser Frage in einer kürzlich erschienenen Episode nach: Zum Artikel: sulm.ch/23/i23

AI won’t really kill us all, will it? Forscher und Technologieexperten warnen uns seit Monaten, dass sie etwas erfunden haben, was gefährlich ist und sogar die gesamte Menschheit auslöschen kann. Wie ernst müssen wir diese Warnung nehmen? Der Podcast von «Radio Atlantic» geht dieser Frage nach: Zum Artikel: sulm.ch/23/i24

Teilen Sie Entdeckungen mit uns! Möchten Sie ein Buch oder einen Podcast in der «pipette» veröffentlichen? pipette@sulm.ch

Inspiration

Écouter et lire

Marktplatz

Flow CAST® BasophilenAktivierungstest: Jetzt mit IVDR-Konformität Wir freuen uns, die Einführung des Flow CAST® BasophilenAktivierungstests als vollständig registriertes IVDR-Produkt bekannt zu geben, was einen bedeutenden Fortschritt in der Allergiediagnostik darstellt. Beim Flow CAST® BasophilenAktivierungstest wird die Blutprobe eines Patienten einer Reihe von Allergenen ausgesetzt. Mittels Durchflusszytometrie wird der Aktivierungsstatus von Basophilen anhand der Expression von Aktivierungsmarkern analysiert.

Comment fonctionne ChatGPT? Une explication visuelle. Avec ChatGPT, on peut parler comme avec son voisin. Il est difficile d’imaginer comment cela fonctionne au niveau technique. Le journal britannique «The Guardian» a mis à disposition une explication visuelle vraiment simple à comprendre et qui est en outre librement accessible: sulm.ch/23/i25

L’IA peut-elle être nuisible? L’objectif de toute mesure médicale est de guérir les patients ou de réduire leurs souffrances. L’attention portée aux effets secondaires et aux complications possibles est un aspect important de notre activité. Quels problèmes peuvent survenir dans les applications d’IA? Les «AI Grand Rounds», un podcast du NEJM, se penchent sur cette question dans un épisode récent: sulm.ch/23/i26

AI won’t really kill us all, will it? Les chercheurs et les experts en technologie nous avertissent depuis des mois qu’ils ont inventé quelque chose de dangereux qui pourrait même anéantir l’humanité entière. À quel point devons-nous prendre cet avertissement au sérieux? Le podcast de «Radio Atlantic» se penche sur cette question: sulm.ch/23/i27

Dieser quantitative und standardisierte Ansatz ermöglicht eine genaue Beurteilung allergischer Empfindlichkeiten. Die Aktivierung von Basophilen als Reaktion auf eine Allergenexposition im Labor ahmt die zellulären Reaktionen nach, die während einer tatsächlichen allergischen Reaktion im Körper auftreten, und liefert wertvolle diagnostische Informationen, ohne dass in vivo (im Körper) Herausforderungen erforderlich sind. Flow CAST® ist vielseitig und kann für eine Vielzahl von allergiebezogenen Tests verwendet werden, darunter Nahrungsmittelallergien, Hymenopterenallergien und Arzneimittelüberempfindlichkeitsreaktionen, was ihn zu einer wertvollen Ergänzung für jedes diagnostische Labor oder jede Forschungseinrichtung macht. Weitere Informationen: buhlmannlabs.ch

BÜHLMANN Laboratories AG Baselstrasse 55 4124 Schönenbuch Switzerland Tel. 061 487 12 12 Fax 061 487 12 34 info@buhlmannlabs.ch

Epilog

Vorschau

Feedback

Wir laden Sie ein, die «pipette» mitzugestalten.

Patientennahe Sofortdiagnostik (POCT) Die patientennahe Sofortdiagnostik (point-ofcare-testing, POCT) findet immer breitere Anwendung, und die Anzahl von Tests erhöht sich jeden Monat. Macht die POCT-Analytik die medizinischen Labore bald überflüssig?

Test au point d’intervention Le diagnostic immédiat au chevet du patient (point-of-care-testing, POCT) est de plus en plus utilisé et le nombre de tests augmente chaque mois. Les analyses POCT rendront-elles bientôt les laboratoires médicaux superflus?

Was wollen Sie in einer nächsten Ausgabe lesen?

Teilen Sie uns mit, was sie vom Relaunch halten. Ausserdem interessiert uns, was Sie bewegt, was Sie in der Schweizer Labormedizin verändern und welche Themen Sie in den künftigen Magazinen publiziert haben möchten. Ihr Feedback erreicht uns unter: pipette@sulm.ch

«pipette» verbindet. Empfehlen Sie uns weiter! Haben Sie eine neue Adresse oder Fragen zu Ihrem Abonnement? Dann wenden Sie sich an: pipette@sulm.ch

Hier abonnieren Sie die Printausgabe: sulm.ch/de/pipette/ueber-die-pipette

Schreiben Sie uns: pipette@sulm.ch

Herausgeberin: SULM – Schweizerische Union für Labormedizin, c/o Solothurner Spitäler, Labormedizin, Schöngrünstrasse 36A, 4500 Solothurn Tel. 032 627 31 21, philipp.walter@spital.so.ch, sulm.ch Chefredaktion: Prof. Dr. Dr. Michael Nagler, c/o Inselspital, Zentrum für Labormedizin, 3010 Bern Adressänderungen: pipette@sulm.ch

Redaktionsmitglieder: Dr. Roman Fried; Prof. Dr. Gilbert Greub; Prof. Dr. A. Leichtle; Dr. Dr. Elsbeth Probst-Müller; Marianne Schenk; Dr. Véronique Viette; Dr. Corinne Widmer Konzept, Design und Gesamtherstellung: Stämpfli Kommunikation Wölflistrasse 1, 3001 Bern staempfli.com Bilder die mittels KI erstellt wurden: Tool: Midjourney. Prompts: Chiara Mori.

Auflage: 7814 Exemplare Redaktionsbegleitung: Stämpfli Kommunikation, Bern Chiara Mori Tel. 031 300 65 29 chiara.mori@staempfli.com Mediavermarktung: Stämpfli Kommunikation, Bern Michèle Bachmann, Telefon +41 31 300 63 70 mediavermarktung@staempfli.com

Anzeigen

ivd

symposium

Methoden der Labormedizin: Von der Technik zur Anwendung 26.01.2024 | im TranslaTUM (München) und als Livestream Molekulardiagnostik

Vorsitz: Prof. Dr. med. Stefan Holdenrieder (Deutsches Herzzentrum München)

MALDI-TOF/Massenspektrometrie Vorsitz: Prof. Dr. med. Andreas Ambrosch (Krankenhaus Barmherzige Brüder Regensburg)

Durchﬂusszytometrie

Vorsitz: Prof. Dr. med. Rudolf Gruber (Ludwig-Maximilians-Universität München)

Jetzt anmelden unter www.trillium.de/ivd-symposium-2024 RABATTCODE: IVD24SULM

Eine Veranstaltung der

trillium

akademie

Taking quality to another level Our new Level 1 and 2 Cartridge Reagent Quality Control Kits are designed to provide an improved comprehensive assessment of test cartridge performance.

NEW Cartridge Reagent Quality Controls

GLOBAL HEMOSTASIS CARTRIDGE (Citrated whole blood) Kaolin TEG

An intrinsic pathway activated assay. This thrombin Cartridge generated tracing identifies underlying haemostatic characteristics and risk of bleeding or thrombosis.

Kaolin TEG with Eliminates the effect of heparin in the test sample. Heparinase Used in conjunction with standard Kaolin TEG, assesses the presence of systemic heparin or heparinoids. RapidTEG™

An intrinsic and extrinsic pathway activated assay speeds the coagulation process to more rapidly assess coagulation properties

Hemostasis Analyzer System

TEG Functional An extrinsic pathway activated assay uses a Fibrinogen potent GPIIb/IIIa platelet inhibitor to restrict platelet function to isolate fibrin contribution to clot strength. Used in conjunction with Kaolin TEG can assess relative contribution of platelets and fibrin to overall clot strength. PLATELETMAPPING® CARTRIDGE (Heparinized whole blood) TEG PlateletMapping

Includes a thrombin generated tracing and platelet receptor specific tracing(s) (ADP/AA). Identifies the level of platelet inhibition and aggregation using the patient’s underlying haemostatic potential from the Kaolin TEG as the control.

Euromed_HAEM_TEG_DINA5-Layout.indd 1

Official Distributor Switzerland

EUROMED Swiss BIOMEDICA GRUPPE

Medical Distribution Services

euromed.ch | +41 44 782 80 80

27.11.23 18:02

Anzeigen

Seegene Allplex STI Full Panel on STARlet-AIOS TM

The widest STI pathogen coverage Sexually transmittable infections

pathogens

Allplex STI Essential Assay TM

Vaginal infections

Allplex STI Essential Assay Q (MH, UU) TM

Allplex CT/NG/ MG/TV Assay

CTp

pathogens

MG TV

Mega1

pathogens

Allplex Genital ulcer Assay TM

pathogens

BVAB2

Mob

Mega1

Lacto

CTp

targets A2059G

pathogens

BVAB2

Mob

Allplex Vaginitis Screening Assay

A2059G

A2059C

targets A2058C

A2059T

(M.genitalium)

G259C

Allplex MG & MoxiR Assay TM

A247C

G259T

targets G248A

G259T

(M.genitalium) G248T

BÜHLMANN Laboratories AG CH - 4124 Schönenbuch/Basel Phone: +41 61 487 12 12 | Fax: +41 61 487 12 34 | E-mail: info@buhlmannlabs.ch

Atellica® Sealer Integriert die Versiegelung in den postanalytischen Workflow der Atellica® Solution¹

¹ Atellica® Solution Konfiguration mit Atellica® Decapper und Atellica® Sealer

AIOS

A2058T

AIA – Atellica® Integrated Automation Atellica® Decapper Integriert das Decapping in den analytischen Workflow der Atellica® Solution¹

Allplex MG & AziR Assay TM

A2058G

Allplex Bacterial Vaginosis plus Assay

www.seegene.com

Allplex NG & DR Assay

(N.gonorrhoeae)

HOOD05162003330859

NG2

CA CK

C2611T

Lacto

Automate your workflow using Seegene STARlet-AIOS

Allplex Candidiasis Assay

S91F

NG1

CA CK

Antimicrobial resistances