Medizinische KI-Technologie ist angesagt, aber wo endet ihr Geschäftsmodell?

Dies sind aufregende Zeiten. Da uns aus medizinischen Bereichen wie der Genomik und der medizinischen Bildgebung eine riesige Informationsflut erreicht, werden wir künstliche Intelligenz nutzen können, um diese Daten zu analysieren und medizinische Erkenntnisse bereitzustellen.

Mit dem Aufkommen innovativer Produkte im Bereich der medizinischen KI treten jedoch auch einige alte Geschäftsprobleme zutage. Wie können Startups in diesem Bereich beispielsweise Profitabilität erzielen? Und wie können Gesundheitsunternehmen KI nutzen, um den anhaltenden Anstieg der medizinischen Kosten umzukehren? Und vor allem: Wie können medizinische KI-Produkte das Vertrauen von staatlichen Regulierungsbehörden, Versicherungsunternehmen, Ärzten und Patienten gewinnen?

Xconomy, ein bekanntes ausländisches Medium, hat ausführlich über künstliche Intelligenz im medizinischen Bereich berichtet, darunter über die damit verbundene Arbeit großer Unternehmen wie GE und IBM im Bereich der medizinischen KI, den Genom-Programmiermarathon (Hackathon) und die Auswirkungen der medizinischen KI auf Patienten und Ärzte.

Die Probleme hinter der Technologiewelle

Diese Fragen kamen während einer kürzlich von Xconomy veranstalteten Dinner-Diskussion zur Sprache, an der einige der bekanntesten Technologie- und Biowissenschaftsexperten San Diegos teilnahmen. Im Mittelpunkt der Diskussion standen die Chancen und Risiken der Kombination von KI und Gesundheitswesen.

„Was mir als Investor im Gesundheitswesen daran am meisten gefällt, ist der Technologieaspekt“, sagte Kim Kamdar, Partnerin bei der Risikokapitalgesellschaft Domain Associates, in ihrem Büro in San Diego. „Es eröffnet potenziellen Co-Investoren unseres Unternehmens völlig neue Möglichkeiten.“

In Bezug auf medizinische KI besteht derzeit allgemeine Übereinstimmung darüber, dass es tatsächlich noch zu früh ist, maschinelles Lernen und verwandte Technologien im medizinischen Bereich anzuwenden, und dass es schwierig ist, vorherzusehen, wie diese Innovationen funktionieren werden. Dies sind auch die vielen Fragen, die Jeff Engel, leitender Redakteur von Xconomy, in seinem Artikel „Die vielen Auswirkungen der KI auf Ärzte und medizinische Einrichtungen“ aufwirft.

Es besteht jedoch kein Zweifel daran, dass die Transformationswelle im medizinischen Bereich immer weiter voranschreitet und sowohl kleine Startups als auch Branchenriesen wie IBM und GE darum kämpfen, in diesem aufstrebenden Bereich Fuß zu fassen.

Wenn es eine Branche gibt, die dringend Veränderungen braucht, dann ist es das Gesundheitswesen. Allein in den Vereinigten Staaten übersteigen die Gesundheitsausgaben jährlich 3,2 Billionen US-Dollar, was etwa 18 Prozent des Bruttoinlandsprodukts entspricht.

Für Investoren kann die Gesundheitsbranche zwar lukrativ, aber auch entmutigend sein. In dieser Branche verfolgen Patienten, Gesundheitsdienstleister und Versicherer jeweils ihre eigenen Interessen. Zudem sind die regulatorischen Fragen so komplex, dass es zehn Jahre oder länger dauern kann, bis sich eine Investition auszahlt.

Wenn es um potenzielle Aktien in dieser Welle der künstlichen Intelligenz geht, gibt es wahrscheinlich kein besseres Beispiel als Grail. Das Startup, ein Spin-off von Illumina, dem weltweit größten Unternehmen für Gensequenzierung und mit einem Wert von über einer Milliarde Dollar bewertet, arbeitet daran, die Empfindlichkeit der Diagnosetechnologie zur Erkennung von DNA-Fragmenten von Krebserkrankungen anhand routinemäßiger Blutproben zu verbessern.

Es gibt jedoch viele Fälle, in denen Unternehmen in der Flut kentern. Ein typisches Beispiel ist Theranos, ein durch Risikokapital finanziertes Unternehmen für Diagnosetechnologie, das 2015 auf 9 Milliarden Dollar geschätzt wurde, im vergangenen Jahr jedoch auf weniger als ein Zehntel dieses Wertes sank.

Medizinische KI erfreut sich in San Diego zunehmender Beliebtheit, einer Stadt mit einem etablierten Biowissenschaftscluster und Sitz zweier Giganten der Gensequenzierung: Illumina und dem Life Sciences Solutions-Team von Thermo Fisher Scientific.

Gleichzeitig gibt es in San Diego auch viele Experten für neuronale Netzwerktechnologie. Mit dem Aufstieg von HNC Software, einem Softwareentwickler, der sich auf die Bereitstellung analytischer Tools für die Finanzbranche spezialisiert hat, wird dessen Software nun auch von FICO zur Vorhersage von Kreditkartenbetrug usw. eingesetzt (HNC Software wurde 2002 im Rahmen einer Aktientransaktion für 810 Millionen US-Dollar von FICO übernommen).

Was denken die großen Namen?

Zu dem von Xconomy organisierten Abendessen waren lokale Investoren eingeladen, darunter Kamdar, Datenwissenschaftler, CEOs von Medizinunternehmen, akademische Forscher und Führungskräfte von Unternehmen im Bereich der digitalen Gesundheit. Die Eröffnungsfrage beim Abendessen lautete, ob es ein bewährtes Geschäftsmodell für Startups gibt, die maschinelles Lernen im medizinischen Bereich anwenden.

Larry Smarr, Direktor von Calit2, einem Forschungsinstitut für Telekommunikation und Informationstechnologie an der University of California in San Diego, denkt dabei vor allem an Illumina selbst. Illumina ist ein Pionier in der Gensequenzierungstechnologie und konzentriert sich zunehmend auf die Analyse genomischer Daten, also die Analyse der im genetischen Code verborgenen biologischen Funktionen und genetischen Variationen.

„Die Kapazität der Cloud-Lösung, die sie zur Analyse des menschlichen Genoms verwenden, ist ziemlich beeindruckend“, sagte Larry Smarr. Und die Daten erfordern wirklich dieses Analyseniveau. Wir haben diese Art der Analyse in der Vergangenheit nicht durchgeführt, aber das Datenvolumen ist exponentiell gestiegen. Ohne diese Algorithmen können wir also keine medizinischen Erkenntnisse aus diesen Daten erwarten, insbesondere nicht in der Genomik und im Mikrobiom.

Mit seiner herausragenden Gensequenzierungstechnologie und seinen Datendiensten hat Illumina in vielen Genomforschungszentren, klinischen Forschungseinrichtungen sowie Biotechnologie- und Pharmaunternehmen Kunden gefunden. Aber lässt sich ein solches Geschäftsmodell einfach replizieren? Wenn beispielsweise ein anderes Unternehmen ein Geschäft zur Analyse von Mikrobiomdaten eröffnen würde, wäre die Situation dann dieselbe wie bei Illumina?

Smarr lenkte das Gespräch dann über den Tisch auf Rob Knight, der eine Doppelprofessur für Pädiatrie und Informatik an der University of California in San Diego innehat. Knight ist Direktor des Center for Microbiome Innovation an der University of California in San Diego und Mitbegründer des American Gut Project, einer Citizen-Science-Initiative, die mehr als 16.000 Stuhlproben gesammelt hat, um Wissenschaftlern zu helfen, die Rolle von Mikroben für die menschliche Gesundheit besser zu verstehen.

„Denken Sie zunächst daran, dass ich eine gemeinnützige Organisation bin“, sagte Knight. „Ich denke, dieses Modell wird definitiv schwierig werden, denn im Allgemeinen waren Unternehmen, die ihr Geschäft auf dem Verkauf von Gensequenzierungen aufgebaut haben, nicht besonders erfolgreich. Celera beispielsweise hat sein Geschäftsmodell auf die Diagnostik ausgeweitet.“

„Ich denke, wir sollten das Paradigma irgendwie auf Echtzeit-Feedback umstellen und eine Schnittstelle entwickeln, die es den Benutzern ermöglicht, mehr über ihr Mikrobiom zu erfahren“, sagte Knight und nannte als Beispiel: „So können die Benutzer beispielsweise sofort wissen, ob das Stück Brot, das sie gerade gegessen haben, einen positiven oder negativen Einfluss auf ihre Gesundheit hat.“

Natürlich wurde diese Geschäftsstrategie bereits von einigen Unternehmen umgesetzt. Nutrino, ein Technologieunternehmen mit Sitz in Tel Aviv, Israel, hat Anwendungen und Datenplattformen entwickelt, die Benutzern helfen zu verstehen, wie sich die von ihnen verzehrte Nahrung auf ihre eigene Physiologie auswirkt.

„Sie können in Echtzeit Hinweise zu den Auswirkungen des Ernährungs-Fußabdrucks eines Benutzers und seiner Blutzuckerwerte geben“, sagte Annika Jimenez, Senior Vice President bei DexCom mit Sitz in San Diego, einem Unternehmen, das sich auf Technologien zur kontinuierlichen Glukoseüberwachung und Diabetesmanagement spezialisiert hat.

„Es ist ähnlich wie bei Versicherungsprämien, aber mit der Zeit werden sie ihr Geschäftsmodell auf Unternehmen und andere potenzielle Kunden ausrichten“, sagte Jimenez.

Der Hauptvorteil der KI im Gesundheitswesen liegt in ihrer extrem leistungsstarken Fähigkeit zur Datenerfassung. Dadurch können nützliche medizinische Erkenntnisse aus Daten im Exabyte- bis Zettabyte-Bereich gewonnen werden – einer Größenordnung, die das menschliche Verständnis bei weitem übersteigt.

„Für mich scheint die Entwicklung eines tragfähigen Geschäftsmodells das ultimative langfristige Ziel zu sein“, sagte Rick Valencia, Präsident von Qualcomm Life, der dem aktuellen Umsatzmodell in diesem Bereich skeptisch gegenübersteht. Kurzfristig denke ich, dass die Antwort auf Ihre Frage ‚nein‘ lautet. Zumindest soweit ich das beurteilen kann, habe ich noch kein tragfähiges Geschäftsmodell gefunden. Ich denke, es ist jetzt noch zu früh.“

Navid Alipour, Mitbegründer und geschäftsführender Gesellschafter von Analytics Ventures mit Sitz in San Diego, sagte, CureMatch, an dem seine Firma beteiligt ist, führe ein Direkt-zum-Patienten-Modell ein, bei dem die Patienten CureMatch direkt bezahlen und das Unternehmen für jede Krebsart eine Kombination der drei besten Chemotherapeutika empfiehlt.

Die Empfehlungen basieren auf der Krankenakte des Patienten und sollen Krebsärzten bei der Auswahl der Behandlungsmöglichkeiten helfen. CureMatch erklärte, dass ihre Supercomputer Millionen von Kombinationen aus drei Chemotherapeutika verarbeiteten, die Wechselwirkungen jeder Kombination separat auswerteten und diese dann in die genetischen Daten integrierten, um Empfehlungen für Medikamentenkombinationen für bestimmte Patienten zu erarbeiten.

CureMetrix, ein weiteres Unternehmen, in das Analytics Venture Capital investiert hat, arbeitet daran, mithilfe von KI Brustradiologiebilder auf Brustkrebs zu analysieren. Natürlich muss ihre Technologie noch von der FDA zugelassen werden, bevor sie in den Vereinigten Staaten vermarktet werden kann.

„Software as a Service wird ein Geschäftsmodell sein“, sagte Alipour. Einer unserer institutionellen Investoren in Mexiko stellt uns der dortigen Regierung auf höchster Ebene vor. Brustkrebs ist in Mexiko ein weit verbreitetes Problem, und es gibt nicht viele Experten für Mammographie. Wir lizenzieren die Technologie landesweit, da Mexiko über ein nationales Gesundheitssystem verfügt. Daher müssen wir manchmal über die USA und unser Versicherungssystem hinausdenken.

CureMetrix ist eines von mehreren Unternehmen, die maschinelles Lernen auf diagnostische Bilder anwenden, um Anomalien zu erkennen, und dieses bildbasierte Analysemodell scheint die ultimative Anwendung der KI-Technologie zu sein, sagte Jimenez. „Aber man muss zur Strata Data Conference gehen, der wohl größten Veranstaltung im Bereich Big Data und Data Science, und die Redner betonen immer wieder, wie komplex dieser Anwendungsfall tatsächlich ist. Man kann sich vorstellen, dass wir möglicherweise mehr als zehn Jahre warten müssen.“

Nicht der Ersatz ist das Ziel, sondern die Nutzung!

Wann also wird KI Radiologen ersetzen?

Smarr sagte, er sei skeptisch, dass KI Radiologen ersetzen werde. Er sieht die Technologie vielmehr als Hilfsmittel für Ärzte, das selbst den schlechtesten Radiologen ermöglicht, genauere Diagnosen zu stellen als ihre besten menschlichen Kollegen.

„Der Einsatz von KI-Technologie in der Medizin besteht also eigentlich darin, beispiellose Datenmengen zu nutzen, um Menschen zu bewaffnen und ihre Intelligenz zu verbessern“, fügte Smarr hinzu. „Das kann die Produktivität kurzfristig wirklich steigern, aber kurzfristig kann es auch Jahrzehnte dauern.“

Während sich Unternehmen wie DexCom auf die weit verbreitete Diabeteserkrankung konzentrieren, arbeitet Holy Grail daran, das Patientenverhalten neu zu gestalten, so Jimenez: „Das bedeutet, Datenströme aus der Blutzuckerüberwachung, Insulinmessung, dem Patientenverhalten und der Ernährung zu integrieren und maschinelles Lernen zu nutzen, um medizinische Erkenntnisse zu gewinnen, damit die Software rechtzeitig Warnungen und Empfehlungen an Patienten und ihre Ärzte ausgeben kann.“

„Aber wir sind immer noch in der Phase, in der wir nur einige Zahlen liefern können“, fügte Jimenez hinzu. Wir teilen dem Patienten also lediglich seinen Blutzuckerspiegel mit, was bei Typ-1-Diabetes natürlich entscheidend ist. Bei Typ-2-Diabetes hingegen müssen die Patienten mit der App interagieren und auf die medizinischen Erkenntnisse reagieren können. Genau hier liegt der eigentliche Bedarf an App-Entwicklung.

Das ultimative Ziel dieser Technologie besteht vielleicht darin, eine Benutzeroberfläche zu entwickeln, die den Anforderungen wirklich gerecht wird und die durch maschinelles Lernen gewonnenen medizinischen Erkenntnisse nutzt, um die Verhaltensgewohnheiten von Diabetikern grundlegend zu ändern.

Diese Ansicht teilt auch Jean Balgrosky, die 20 Jahre lang als CIO bei großen Gesundheitsorganisationen wie Scripps Health in San Diego tätig war. Sie sagte: „Letztendlich sollten alle Technologien des maschinellen Lernens von Menschen aufgenommen und genutzt werden, um Menschen im medizinischen Bereich zu helfen.“

Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018.