KI-Modelle werden auf jeden erdenklichen Datensatz angewendet, liefern aber inkonsistente Ergebnisse. Das gilt für die medizinische Welt genauso wie für alle anderen Bereiche, doch ein Startup namens Piramidal glaubt, mit einem grundlegenden Modell zur Analyse von Gehirnscandaten auf der sicheren Seite zu sein.
Die Mitbegründer Dimitris Sakellariou und Kris Pahuja haben festgestellt, dass die Elektroenzephalographie (EEG)-Technologie zwar in praktisch jedem Krankenhaus eingesetzt wird, aber auf viele verschiedene Gerätetypen verteilt ist und für die Interpretation Spezialwissen erforderlich ist. Eine Software, die unabhängig von Zeit, Ort oder Gerätetyp kontinuierlich besorgniserregende Muster erkennen kann, könnte die Behandlungsergebnisse für Menschen mit Hirnerkrankungen verbessern und gleichzeitig überarbeitete Krankenschwestern und Ärzte entlasten.
„Auf der Intensivstation für Neuralgien gibt es Krankenschwestern, die die Patienten überwachen und nach Anzeichen im EEG suchen. Aber manchmal müssen sie das Zimmer verlassen, und das sind akute Zustände“, sagte Pahuja. Ein abnormaler Wert oder Alarm könnte einen epileptischen Anfall, einen Schlaganfall oder etwas anderes bedeuten – Krankenschwestern haben diese Ausbildung nicht und selbst Fachärzte erkennen möglicherweise das eine, aber nicht das andere.
Die beiden gründeten das Unternehmen, nachdem sie jahrelang an der Machbarkeit von Computertools in der Neurologie gearbeitet hatten. Sie fanden heraus, dass es durchaus eine Möglichkeit gibt, die Analyse von EEG-Daten zu automatisieren, die für die Pflege von Vorteil ist, es aber keine einfache Möglichkeit gibt, diese Technologie dort einzusetzen, wo sie benötigt wird.
„Ich habe damit Erfahrung, und ich meine, ich habe neben Neurologen im Operationssaal gesessen, um genau zu verstehen, warum diese Gehirnströme nützlich sind und wie wir Computersysteme bauen können, um sie zu identifizieren“, sagte Sakellariou. „Sie sind in vielen Zusammenhängen hilfreich, aber jedes Mal, wenn man ein EEG-Gerät verwendet, muss man das ganze System für das jeweilige Problem neu aufbauen. Man muss neue Daten beschaffen, man muss Menschen haben, die die Daten von Grund auf neu annotieren.“
Das wäre schon schwierig genug, wenn alle EEG-Systeme, die IT-Einrichtungen der Krankenhäuser und die Datenformate gleich wären. Doch in den grundlegendsten Elementen, wie etwa der Anzahl der Elektroden an der Maschine und ihrer Platzierung, gibt es große Unterschiede.
Die Gründer von Piramidal sind davon überzeugt – und behaupten, es zu wissen, auch wenn der Höhepunkt ihrer Arbeit noch nicht veröffentlicht wurde –, dass ein grundlegendes Modell für EEG-Messungen dazu führen könnte, dass die lebensrettende Erkennung von Gehirnwellenmustern sofort und nicht erst nach monatelangen Studien funktioniert.
Um es klar zu sagen: Es handelt sich nicht um eine medizinische Allround-Plattform – ein besseres Analogon könnte Metas Llama-Reihe (relativ) offener Modelle sein, die die anfänglichen Kosten für die Entwicklung der grundlegenden Fähigkeit zum Sprachverständnis tragen. Ob Sie einen Chatbot für den Kundenservice oder einen digitalen Freund bauen, bleibt Ihnen überlassen, aber ohne die grundlegende Fähigkeit, menschliche Sprache zu verstehen, funktioniert nichts davon.
KI-Modelle sind jedoch nicht auf Sprache beschränkt – sie können auch für Strömungsdynamik, Musik, Chemie und mehr trainiert werden. Für Piramidal ist die „Sprache“ die Gehirnaktivität, wie sie von EEGs gelesen wird, und das resultierende Modell wäre theoretisch in der Lage, Signale von jedem Aufbau, jeder Anzahl von Elektroden oder jedem Maschinenmodell und jedem Patienten zu verstehen und zu interpretieren.
Bisher hat noch niemand eines gebaut – zumindest nicht öffentlich.
Obwohl sie darauf achteten, ihre aktuellen Fortschritte nicht zu übertreiben, sagten Sakellariou und Pahuja: „Wir haben das grundlegende Modell erstellt, wir haben unsere Experimente damit durchgeführt und sind jetzt dabei, die Codebasis produktionsreif zu machen, damit sie auf Milliarden von Parametern skaliert werden kann. Es geht nicht um Forschung – vom ersten Tag an ging es darum, das Modell zu erstellen.“
Die erste Produktionsversion dieses Modells wird Anfang nächsten Jahres in Krankenhäusern eingesetzt, sagte Pahuja. „Wir arbeiten an vier Pilotprojekten, die im ersten Quartal beginnen; alle vier werden auf der Intensivstation getestet, und alle vier wollen mit uns zusammenarbeiten.“ Dies wird ein wertvoller Beweis dafür sein, dass das Modell unter den unterschiedlichen Umständen jeder Pflegeeinheit funktioniert. (Natürlich wird die Technologie von PIramidal über jede Überwachung hinausgehen, die den Patienten normalerweise zur Verfügung gestellt würde.)
Das Basismodell muss für bestimmte Anwendungen noch feinabgestimmt werden, eine Arbeit, die Pahuja zunächst selbst erledigen wird. Anders als viele andere KI-Unternehmen planen sie nicht, ein Basismodell zu entwickeln und dann Gebühren für die API-Nutzung einzustreichen. Sie machten jedoch klar, dass es auch so, wie es ist, unglaublich wertvoll ist.
„Es gibt keine Welt, in der ein von Grund auf trainiertes Modell besser abschneidet als ein vorab trainiertes Modell wie unseres; ein guter Start kann die Dinge nur verbessern“, sagte Sakellariou. „Es ist immer noch das größte EEG-Modell, das es je gab, unendlich größer als alles andere da draußen.“
Um voranzukommen, braucht Piramidal die beiden Dinge, die für jedes KI-Unternehmen unerlässlich sind: Geld und Daten. Mit den ersten Dingen haben sie bereits begonnen, mit einer Seed-Runde von 6 Millionen Dollar, die gemeinsam von Adverb Ventures und Lionheart Ventures geleitet wird, mit Beteiligung von Y Combinator und Angel-Investoren. Das Geld wird für Rechenkosten (die für Trainingsmodelle enorm hoch sind) und Personalaufstockung verwendet.
Was die Daten betrifft, haben sie genug, um ihr erstes Produktionsmodell zu trainieren. „Es stellt sich heraus, dass es viele Open-Source-Daten gibt – aber auch viele Open-Source- in Silos Daten. Wir sind dabei, diese in einem großen integrierten Datenspeicher zu aggregieren und zu harmonisieren.“
Die Partnerschaften mit den Krankenhäusern dürften jedoch wertvolle und umfangreiche Trainingsdaten liefern – Tausende von Stunden. Diese und andere Quellen könnten dazu beitragen, die nächste Version des Modells über die menschlichen Fähigkeiten hinaus zu heben.
Im Moment, so Sakellariou, „können wir uns getrost mit diesem Satz definierter Muster befassen, nach denen Ärzte Ausschau halten. Aber ein größeres Modell wird es uns ermöglichen, Muster zu erkennen, die kleiner sind, als das menschliche Auge konsistent und empirisch erkennen kann.“
Das ist noch Zukunftsmusik, aber übermenschliche Fähigkeiten sind keine Voraussetzung für eine Verbesserung der Pflegequalität. Die Pilotprojekte auf der Intensivstation sollten eine viel gründlichere Bewertung und Dokumentation der Technologie ermöglichen, sowohl in der wissenschaftlichen Literatur als auch wahrscheinlich in den Konferenzräumen der Investoren.