Maschinenblick auf medizinische Daten

Eigentlich ist Franz Pfister Arzt, doch gerade arbeitet er an einer Software, mit der es seine früheren Kollegen im Krankenhaus einmal leichter haben sollen. Das Programm nämlich könnte Fehler vermeiden, die Menschen noch immer unterlaufen. Pfister sagt: "Da redet niemand drüber, aber zehn Prozent der Tode in der Klinik sind auf einen Diagnosefehler zurückzuführen." Er hat Medizin studiert, weil er den Menschen und seine Krankheiten besser verstehen wollte. Doch mit 28 Jahren beschloss er, noch einmal zu studieren, um den Menschen und seine Krankheiten noch besser zu verstehen - mit Hilfe von Data Science. Franz Pfister hatte selbst gesehen, wie wenig Zeit in den Kliniken für Patienten blieb, wie komplex die Untersuchungen waren und wie überlastet die Ärzte. Am Abend zum Beispiel sei die Wahrscheinlichkeit höher, dass ein Arzt eine falsche Diagnose stelle als am Morgen, sagt Pfister, und wenn ein Arzt in einem CT- oder MRT-Bild eine Krankheit entdeckt habe, sinke die Wahrscheinlichkeit, dass ihm auch noch eine zweite auffalle. Menschen werden von ihrer Umgebung beeinflusst - eine Maschine nicht. Franz Pfister, heute 31, und sechs Kollegen haben nun eine künstliche Intelligenz entwickelt, die Auffälligkeiten in medizinischen Daten feststellt. Sie alarmiert zum Beispiel nach einem CT sofort den Arzt, wenn ein Notfall vorliegt, auch markiert sie, welche Hirnregionen er sich genauer anschauen sollte. Gerade baut Pfisters Team am Prototypen ihres Projekts Deepc. Im März werden sie den zum ersten Mal testen, am Klinikum rechts der Isar