Künstliche Intelligenz spielt auch in der Medizin zunehmend eine große Rolle. Von der Vorhersage von Krankheiten anhand verschiedener Faktoren über die Auswertung radiologischen Bildmaterials bis hin zur Unterstützung von OP-Robotern ist bereits Vieles möglich. Wie können wir uns KI nutzbar machen, wenn es um die Erstellung von Software und insbesondere Software für die Medizin geht? Diesen Fragen widmen wir uns im Leistungskurs Medizininformatik.
Anhand mehrerer Beispiele, die im Unterricht bislang frei bzw. nach Lehrer-Anforderungen implementiert wurden, wurde die Programmerstellung unter Zuhilfenahme von ChatGPT und Copilot im Leistungskurs Medizininformatik erprobt.
Dabei konnten wertvolle Erfahrungen gesammelt werden und die Erkenntnis, dass eigene Programmierkenntnisse nicht ersetzt werden können. Denn KI ist weder unfehlbar, noch bietet sie (schon) in allen Fällen die beste Lösung für softwaregesteuerte Arbeitsabläufe. In einigen Fällen muss der KI generierte Code auch nachbearbeitet werden, um die Anforderungen an ein Stück Software vollständig zu erfüllen.
Kompliziert wird es immer dann, wenn KI-Agenten auf externe Bibliotheken zugreifen, die entweder nicht frei verfügbar sind oder in sehr spezifische Repositories eingebunden sind (Maven usw.). Beim Versuch, einen DICOM-Viewer (Programm, das digitale Röntgenaufnahmen, CT- und MRT-Serien anzeigen kann) generieren zu lassen, ist genau das passiert und konnte trotz zahlreicher Spezifizierungsprompts nicht auf ein für die Lernenden in allen Ebenen verständliches Maß heruntergebrochen werden.
Projekt eImpfpass
Im Projekt eImpfpass sollte eine elektronisches Impfpassanwendung mit angebundener MySQL-Datenbank in JavaFX erstellt werden.
Dazu griffen die Schüler v. a. für den Darstellungsbereich (Aufteilung, Anmutung der Screens und Statistikauswertung) auf die Hilfe v. a. von ChatGPT zu. Vor allem die Wandlung eines CardLayouts zu einer klassischen Websicht mit Navigationsleiste mündet hierbei in eine ansprechende Gestaltung der Java App. Die Lernenden haben Sich hier bekannter JavaFX-Mittel bedient, aber auch neue Techniken durch die KI-Anleitung erlernt.
HL7-Format - ein gängiges Format zum Austausch von Informationen in Krankenhäusern
Der recht allgemeine Prompt zum Lesen von HL7-Dateien:
"Schreibe eine Klasse in Java Quellcode, die eine HL7-Datei, wie sie in der Medizin benutzt wird, einliest und die Werte in passende Attribute schreibt."
Nach Erstellung einer ersten Version fragte Copilot nach Verfeinerungen des Codes, etwa
"Soll ich dir eine Version mit vollständigen Getter/Setter und einem Beispiel-Hauptprogramm schreiben, das eine HL7-Datei einliest und die Daten ausgibt? Oder möchtest du eine Lösung mit einer professionellen HL7-Bibliothek (HAPI)?"
Das heißt, es wird vorausgesehen, wie der Benutzer der KI das Ergebnis ggf. verfeinern will. Das ist von Vorteil, weil möglicherweise Aspekte einfließen, an die der Nutzer zuvor gar nicht gedacht hat. Es sind aber auch rein Nutzer gesteuerte Verfeinerungen möglich.
Zu den erstellten Code-Teilen hat Copilot auch Erläuterungen geschrieben, was für Lerner natürlich ein großer Vorteil ist. Sie können sich auch spezifische Code-Teile, die sie nicht verstehen, genauer erläutern lassen.
Darstellung medizinscher Werte in Diagrammen
Der in Copilot eingegebene Prompt lautete:
"Gib mir bitte den JavaFX-Code für ein Programm in three tier architecture an, das die folgende Datei im Anhang (Langzeitblutdruck_PID34567.txt)
einliest und ein LineChart mit drei unterschiedlichen Farben für Puls, Systole und Diastole erstellt und anzeigt."
Das heißt, man muss die Gegebenheiten von JavaFX bereits kennen (LineChart, mehrere Werte in einem Diagramm, Farbgebung möglich, freie Skalengebung).
Es waren in der Folge weitere Einhilfe-Prompts nötig, um zum gewünschten Ergebnis zu gelangen, etwa, dass die Zeitachsen-Werte korrekt übernommen werden. Das Ergebnis kann sich allemal sehen lassen.
Nun muss der Code aber auch verstanden werden. Und genau da liegt für Lerner der Informatik und der Sprache Java meist das größte Problem: es werden Mittel angewendet, die noch nicht bekannt sind. Diese können in der Folge aber erlernt und vertieft werden. Somit bieten sich aus der Nutzung von KI im Lernprozess auch Chancen, sich Fachgebiete weiter zu erobern und Kenntnisse zu verfeinern.
Fazit
Der Beruf des Software-Entwicklers - auch für die Medizin - verändert sich gerade. Es wird künftig deutlich weniger um Codierung als um genaue Sprache (Linguistik --> Deutsch oder besser noch Englisch), um Ausdrucksfähigkeit und um Logikbausteine (Mathematik, Elektrotechnik, Philosophie) gehen. Diese Skills sollten vermehrt in den Unterricht technischer, aber auch allgemeinbildender Fächer integriert werden.
Natürlich wird es immer noch den Bereich der Spezialanwendungen geben, bei denen begnadete Programmierer für den Code gefragt sind, weil die Anforderungen sich sprachlich gar nicht genau genug fassen lassen. Für das Gros der Anwendungen wird KI aber eine zunehmend große Rolle einnehmen. Der professionelle Umgang mit KI-Agenten sollte demnach in allen schulischen Bildungsgängen trainiert werden, auch um Grenzen des Einsatzes einer KI auszuloten.
