KI und Large Language Modelle in reelle Initiativen zu verwandeln, ist das Ziel des UKSH Healthcare Hackathons. 2024 wurde kein einzelner Gewinner gekürt – stattdessen bekamen alle Teams einen Preis für ihre innovativen Lösungen.

In diesem Jahr folgten über 300 Teilnehmende dem Ruf des UKSH, als Geburtsstätte des Healthcare Hackthons.

In diesem Jahr ging es – zumindest thematisch – back to the roots: Mitten in Berlin gab es einen dreitägigen „zurück-zu-den-Wurzeln-Hackathon“ mit Fokus auf den praktischen Einsatz von Künstlicher Intelligenz (KI) und Sprachmodellen, auch Large Language Modelle (LLM) genannt.

Das UKSH, als Geburtsstätte des Healthcare Hackthons, hatte geladen und insgesamt über 300 Teilnehmende sind dem Ruf gefolgt. Mit dabei waren:

• die Charité
• das Universitätsklinikum Frankfurt
• die Universität zu Lübeck
• die Universitätsmedizin Greifswald 
• die Ludwig-Maximilians-Universität und die Technische Universität München
• das Uniklinikum Erlangen
• die Christian-Albrechts-Universität zu Kiel
• das Universitätsklinikum Halle (Saale)
• das Klinikum rechts der Isar
• das Klinikum Oldenburg
• die Johannes-Gutenberg-Universität Mainz
• das Klinikum Würzburg
• der Verband der Universitätsklinika Deutschlands
• das Netzwerk Universitätsmedizin

Ebenfalls mit an Bord waren in diesem Jahr auch zahlreiche Heathcare Start-ups und Mitorganisatoren wie Flying Health, IBM, Google, Atoss oder Pricewaterhouse Cooper (PWC).

KI schneller in die Medizin bringen

Das Ziel: Live Hacking mit Pitches und Ergebnispräsentationen, um den praktischen Einsatz von KI und LLM in der Medizin schneller voranzubringen und in reelle Initiativen zu verwandeln. Initiator Prof. Jens Scholz, Vorstandsvorsitzender des UKSH, erklärte beim Auftakt: „Der Hackathon war und ist eine offene Austauschplattform, bei dem man Ergebnisse gerne teilt und zusammenarbeitet. Wir sind besonders stolz, dass diese Zusammenarbeit inzwischen auch Grenzen überschreitet und mit unserem Partner aus Israel genau diesen Geist fortsetzt.“

Da das UKSH mit dem Tel Aviv Sourasky Medical Center | Ichilov im Sommer 2023 einen Letter of intent zur Zusammenarbeit unterzeichnet hat, ist Israel als gastgebendes Land des Hackathons in diesem Jahr ebenfalls mit von der Partie und hat den Hackathon entscheidend mitgestaltet. Sechs Teilnehmer vom Sourasky Medical Center, dem zweitgrößten Krankenhaus in Israel, sind mit vor Ort und stellen sich in internationalen, interprofessionellen Teams den diesjährigen Themen, wie LLM Dokumentation, KI-Triage, Open Source LLMs, Frauengesundheit, Medical Messenger, New Work, Value of Data und KI sowie Crowdsensing. 

Die großen Sprachmodelle werden das Gesundheitswesen in Zukunft stark beeinflussen, denn die gesamte Dokumentation belastet die Ärzte und das Pflegepersonal enorm. Sprachmodelle können hier Abhilfe schaffen und Fachkräfte von diesen bürokratischen Dingen entlasten. 

Liat Nadai Arad, Chief Transformation Officer (CTO) und Leiterin des KI-Centers am Sourasky Medical Center, hat zusammen mit anderen Vertretern aus Industrie, Politik und Anwendern am ersten Tag auch die Frage diskutiert, wie die LLM unsere Berufsbilder in Medizin und Pflege verändern werden. Sie hat eine klare Meinung dazu: „Die großen Sprachmodelle werden das Gesundheitswesen in Zukunft stark beeinflussen, denn die gesamte Dokumentation belastet die Ärzte und das Pflegepersonal enorm. Sprachmodelle können hier Abhilfe schaffen und Fachkräfte von diesen bürokratischen Dingen entlasten.“

19 Challenges: keine Verlierer, nur Gewinner

Am 31. Mai ging der dreitägige Hackathon mit innovativen Pitches zu Ende. Eine Besonderheit gab es in diesem Jahr: Nicht nur die Teilnehmerzahl war so hoch wie noch nie, es wurden auch erstmals Echtdaten, also synthetisierte Patientendaten, die sich nicht auf Einzelne zurückführen lassen, aber eine realistische Bearbeitung der Fragestellungen erlauben, beim Hackathon genutzt. Die Jury, in der unter anderem Liat Nadai Arad sowie Vertreter des UKSH, der Charité und der Industriepartner vertreten waren, überzeugten besonders Teams aus den Bereichen der großen Sprachmodelle, des Bildmanagements, des KI-gestütztes Lernens sowie ein innovativer Anwendungsfall für den TI-Messenger.

In diesem Jahr haben alle Teams einen Preis für ihre innovativen Lösungen bekommen. Darunter waren beispielsweise Online-Workshops von Thieme sowie dem Tel Aviv Sourasky Medical Center | Ichilov oder ein Angebot zum Proof of Concept (POC) der Idee an der Charité oder dem UKSH. Den POC haben die Challenge 13 und Challenge 10 bekommen. Im Team 13 ging es um die Weiterentwicklung des TI Messengers, den die Gematik zur sicheren Kommunikation im Gesundheitswesen entwickelt hat. Der andere POC ging an die Uni Greifswald mit ihrem Projekt Hypros, die das Thema Prävention – vor allem beim Delir – mithilfe von KI beleuchtet hat.

Das Programm auf dem Hackathon war stramm: Die Teams hatten insgesamt an zwei Tagen jeweils nur ein paar Stunden als Zeitfenster, um einen Pitch zu halten, ein Prototyp zu erstellen und ihn anschließend der Jury zu präsentieren.

Zwischen Avataren und Welpen

Neben dem Austausch – auch mit Industriepartnern – lag der Fokus des KI-Marathons darauf, dass die insgesamt 19 Challenges sich mit unterschiedlichen Fragestellungen beschäftigen. So widmete sich ein Team, bestehend aus den beiden Leitern der Notaufnahme des UHSH, IT-lern des Uniklinikums, Experten von Start-ups sowie weiteren Industriepartnern, dem Thema der überfüllten Notaufnahmen. Patientinnen und Patienten sollen schon im Voraus einen Selbstcheck machen, ob ihre Beschwerden in die Notaufnahme gehören oder ob sie besser zum niedergelassenen Arzt gehen sollten.

Das Team integrierte im Rahmen des Hackathons bereits vorhandene Anwendungen mit einer zusätzlichen KI. So ist beispielsweise ein Avatar entstanden, der mit dem Patienten kommunizieren kann. Allein in den Challenges rund um die großen Sprachmodelle arbeiteten 40 Teilnehmende des Hackathons. Eine Gesundheits- und Krankenpflegerin aus dem UKSH hatte die Idee, Arztbriefe für Eltern zu vereinfachen und eine KI darüber laufen zu lassen, die – gerade die ärztlichen Anordnungen – in leicht verständliche Sprache übersetzt. Sie hat dies im Finale des Hackathons gepitcht; die KI hat zudem diese Infos gleich in verschiedene Sprachen, wie Türkisch, Hebräisch oder Spanisch übersetzt.

Radiologie-Workflow erleichtern per KI

Ein Team aus Medizinern, IT-lern und Wissenschaftlern des Tel Aviv Sourasky Medical Centers hat mit Unterstützung von vier Experten aus deutschen Start-ups an einer „KI gearbeitet, die den grundlegenden Workflow in der Radiologie erleichtern soll“, erklärte Dr. Diego Mercer, Vizepräsident der Radiologie am Tel Aviv Medical Center, am Rande des Hackathons im Gespräch mit kma. Sein Team programmierte auf dem Event eine KI, die Datensätze, beispielsweise von CT-Aufnahmen, clustert und falsch beschriftete CT-Bilder herausfiltert. 

Die richtige Beschriftung der Aufnahme ist sehr wichtig für die KI. Wenn die Beschriftung falsch ist, kann diese sie nicht als Vergleichsbild mit hinziehen. 

„Die richtige Beschriftung der Aufnahme ist sehr wichtig für die KI. Wenn die Beschriftung falsch ist, kann die KI diese nicht als Vergleichsbild mit hinziehen“, führte der Radiologe die Aufgabe weiter aus. In dieser Challenge programmierten die Teammitglieder also eine neue Komponente, die in der Abfolge zwischen der eigentlichen CT-Aufnahme und dem finalen Lagerplatz der KI-Daten zur Anwendung kommt. „Die KI, die wir programmieren, analysiert – ebenfalls per KI – die reell zu sehenden Inhalte des CT-Bilds, ohne auf die eventuell falsche Beschriftung zu achten“, präzisierte der Medizinier die Team-Arbeit. Er bemerkte am Rande aber auch, dass die vorgesehenen 12 Stunden im Rahmen des Hackathons dafür nicht ausreichen werden. Das Team hatte sich daher darauf fokussiert, eine neue Codierung für ChatGPT zu programmieren, statt eine komplett eigene KI zu entwerfen. Mithilfe von Prompts hat das Team das System gelehrt, die hochgeladenen Bilder zu begutachten und herauszufinden, ob es sich – in diesem Fall – um eine Aufnahme der Brust handelt.

Das Ergebnis war beeindruckend. Die KI hat am Ende eindeutig herausfiltern können, ob auf der Aufnahme ein Brustkorb oder beispielsweise ein kleiner Welpe zu sehen war.

Quelle: Alexandra Heeser (Freie Journalistin)  2024. Thieme.