"Studien haben gezeigt, dass rund 80 Prozent der Amerikaner ihre letzten Tage am liebsten Zuhause verbringen würden, aber nur 20 Prozent tun es wirklich."
Mit diesen Worten beginnt die Studie "Verbesserung der Palliativversorgung mithilfe von Deep Learning". Hier haben Stanford-Wissenschaftler aus verschiedenen Disziplinen einen Algorithmus entwickelt, der den Tod eines schwerkranken Patienten voraussagt, damit entsprechende Behandlungsmöglichkeiten ausgelotet werden können.

Denn entgegen des Wunsches der Patienten sterben zwei Drittel der Amerikaner in Krankenhäusern, wo sie oftmals bis zuletzt belastenden Behandlungen ausgesetzt sind. Ein ähnliches Bild zeichnen Untersuchungen in Deutschland.
"Weil wenn Ärzte die Prognose von Patienten einschätzen, von kranken Menschen, also wie lange die höchstwahrscheinlich noch zu leben haben, sie generell immer weit daneben liegen und generell unverbesserliche Optimisten sind."

Bis zu fünfmal höher ist in der Regel die eingeschätzte Lebenserwartung im Gegensatz zur tatsächlichen, erklärt Lukas Radbruch. Als Chefarzt des Zentrums für Palliativmedizin am Malteser Krankenhaus Bonn hat er jeden Tag Kontakt zu Patienten, deren Tod von Menschenhand schon vorausgesagt wurde.

Auf der Palliativstation kümmern sich die Ärzte darum, Symptome wie Atemnot oder starke Schmerzen zu lindern. Heilen können die die Erkrankungen jedoch nicht mehr.
"Also im Moment ist es definitiv eine subjektive Entscheidung, ob jemand bei uns Patient wird. Wie die Lebenserwartung aussieht, ist vielleicht ein bisschen weniger davon beeinflusst. Da muss ich zwischendrin auch mal meine Kollegen loben. Also die machen jetzt nicht auch noch die letzte Therapie mit aus Verzweiflung. Auch da ist langsam ein Umdenken."
In der Regel können Ärzte verschiedene Skalen zur Hilfe nehmen, um den Status des Patienten zu bestimmen. Darunter der "Palliativ Prognose Index". Hier schaut sich der Mediziner den allgemeinen Zustand des Patienten an, ob er Essen und Trinken kann, ob er Wasseransammlungen im Körper hat, ob Atemnot im Liegen eintritt und ob er in einem Delirium ist. Aus den Parametern wird dann ein Score ermittelt, der über die weitere Behandlung entscheidet.

Das komme oft zu spät, sagen die Stanford-Forscher in ihrer Studie:
"Diese Skalen wurden entwickelt, um sie auf der Palliativstation zu nutzen, wo die Krankheit der Patienten bereits fortgeschritten ist - anstatt dass sie den Nutzen von Palliativmaßnahmen schon früher anzeigen."

Medizinische Daten seien so komplex, dass künstliche Intelligenzen die besser verarbeiten können, als Menschen, meint Christian Bauckhage. Denn der Arzt würde nur eine begrenzte Zahl an Erkrankungen pro Tag sehen, während in dieser Zeit die Maschine Millionen davon auswerten könnte, so Bauckhage. Der Professor für Informatik lehrt an der Universität Bonn und forscht am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme.
"Ich forsche an Algorithmen, die in ihrer Entscheidungsfindung nachvollziehbar sind. Das ist ganz wichtig in einigen Anwendungen, zum Beispiel in der Medizin ist es so, dass wenn so ein Algorithmus eine Diagnose trifft, dann muss die ja verlässlich sein. Das heißt, im Zweifelsfall müsste ein Arzt in der Lage sein nachvollziehen zu können, wie der Algorithmus zu dieser Entscheidung gekommen ist."
Auch den Wissenschaftler aus Stanford ist das besonders wichtig. Sie setzten bei ihrem Algorithmus auf tiefe neuronale Netze, die ähnlich wie das Gehirn aufgebaut sind. Beim sogenannte Deep Learning durchlaufen die Informationen verschiedene Schichten. Die erste Schicht des neuronalen Netzes verarbeitet die Daten aus den Patientenakten. Die Ergebnisse werden an die nächste Schicht weitergeleitet. Diese zweite Schicht, auch versteckte Ebene genannt, verarbeitet die Ergebnisse der vorherigen Schicht und legt fest, welche Zusammenhänge zwischen den Informationen geschlossen werden.

Das Ergebnis wird in der sichtbaren, letzten Schicht ausgegeben. In diesem Fall also, wie lange der Patient vermutlich noch lebt. Für die Trainingsdaten der Künstlichen Intelligenz gab es eine klare Einschränkung, heißt es in der Studie:
"Es sei daran erinnert, dass die Vorhersage der Sterblichkeit eine Voraussetzung für die Identifizierung von Patienten war, die von einer Palliativversorgung profitieren könnten."

Den Forschern aus Stanford lagen die Krankenakten von zwei Millionen Erwachsenen und Kindern vor, die sowohl im Stanford Krankenhaus, als auch im Lucile Packard Kinderkrankenhaus zwischen 1995 und 2014 behandelt wurden. Benutzt haben sie für das Training der Künstlichen Intelligenz am Ende aber nur rund 220.000 Fälle.

Ganz wichtig ist hier auch der Zeitraum: Wer in drei bis zwölf Monaten stirbt, ist ihrer Meinung nach besonders geeignet für ein palliative Behandlung. Alle anderen eignen sich nicht für palliative Behandlungen. Für den Palliativmediziner Lukas Radbruch sind gerade solche Verallgemeinerungen schwierig.
"Also auch da würde ich bei so einem Computeralgorithmus fürchten, dass eben die individuelle Betrachtung des Patienten nicht mehr so einen Rolle spielt, sondern dann eben jemand wirklich so ein Etikett kriegt von so einen Algorithmus aus und dann nicht mehr optimal behandelt wird."
Gesehen habe er das bereits beim "Liverpool Care Pathway for the Dying" in Großbritannien. Entwickelt wurde dieser Behandlungspfad in den 90ern, um Ärzten Entscheidungen zu erleichtern. Überprüft wurde: Kann der Patient essen oder trinken, ist er bei Bewusstsein und kann er noch Medikamente schlucken?

Trafen zwei dieser Bedingungen nicht zu, wurde der Patient auf die Palliativstation verlegt. Die Zahl der Patienten stieg an. Die Checkliste sorgte allerdings gleichzeitig dafür, dass das Krankenhauspersonal die Patienten nicht mehr umfassend behandelte.

Vor einigen Jahren wurde der Liverpool Care Pathway for the Dying deshalb wieder abgeschafft. Unabhängig von Erkrankungen könnten Voraussagen über die Lebensdauer aber auch für die Altersforschung interessant sein. Besonders wenn es um die Einflussfaktoren auf den Alterungsprozess geht, meint Karl Lenhard Rudolph Leibniz-Institut für Alternsforschung:
"Jetzt ist es aber schwer voraus zu sagen, wie viel tragen diese einzelnen Mechanismen zum Altersprozess bei. Und da glauben wir kann man wahrscheinlich die Künstliche Intelligenz nutzen, um eben Voraussagen vom Computer treffen zu lassen."
Für Menschen könnte das eine Motivation sein bestimmte schädliche Auslöser zu meiden und ihren Lebensstil zu verändern, mein Rudolph. Auch die Forscher aus Stanford wollen mit ihrer Voraussage Einfluss auf den Lebensweg eines sterbenden Menschen nehmen. Doch selbst eine Diagnose ist nie nur eine Ansammlung von Daten und Fakten – die Gesamtheit eines Menschen ist viel komplizierter.

Emotionen wie Schmerzen zum Beispiel kann ein System nicht lernen. Ein Mensch hingegen schon. Deshalb kommt es auch für die Forscher in Stanford nicht in Frage, bei dem Urteil über die Zukunft eines Menschen nur auf eine künstliche Intelligenz zu vertrauen.